Introducción a la Robótica Móvil Eduardo Morales, L. Enrique Sucar Inteligencia Artificial

Intro Robotica

1

Contendio •  •  •  •  •  •  •  •  •  • 

¿Qué es un robot? Tipos de Robots Partes de un robot Arquitecturas Percepción Mapas del ambiente Localización Planeación de trayectorias Mapeo y Localización Simultánea (SLAM) Interacción Humano Robot Intro Robotica

2

¿Qué es un robot?

Intro Robotica

3

Un robot es ... •  “manipulador programable y multifuncional diseñado para mover materiales, partes, herramientas o dispositivos específicos mediante movimientos programados para realizar diferentes tareas” [Instituto de Robótica de América] Intro Robotica

4

Un robot es ... •  “agente activo artificial cuyo ambiente es el mundo físico” [Russell y Norvig] •  “conexión inteligente de percepción a acción” [Jones y Flynn] •  “una máquina programable capaz de percibir y actuar en el mundo con cierta autonomía” [Sucar] Intro Robotica

5

Tipos de Robots •  Robots manipuladores (brazos) •  Robots móviles •  Robots “híbridos” (móviles con manipulación) •  Vehículos autónomos •  Robots áereos (UAVs) •  Robots submarinos •  Robots humanoides •  Robots hexápodos •  …. Intro Robotica

6

Partes de un Robot Comunicación Sensores

“Inteligencia” Control

Actuadores

Potencia Intro Robotica

7

Actuadores •  Dispositivos que permiten al robot modificar el medio ambiente •  Dos tipos principales: –  Locomoción: cambiar la posición del robot respecto al medio ambiente –  Manipulación: mover otros objetos en el medio ambiente

Intro Robotica

8

•  Dispositivos que permiten al robot percibir el medio ambiente y su estado interno •  Principales tipos: –  “Propriception”

Sensores

– posición y

movimiento: •  Codificadores en uniones de manipuladores •  Odometría en robots móviles –  Fuerza (bumpers) –  Táctiles –  Ultrasonido (sonares) Intro Robotica

9

Sensores –  Cámaras –  Fotorreceptores –  Apuntadores láser –  Telémetros láser –  Sensores de energía –  Brújulas –  Kinect Intro Robotica

10

Potencia •  Sistema de potencia que proporcionan la energía eléctrica para la operación de las diferentes partes: electrónica, motores, sensores, etc. •  Los robots manipuladores se pueden alimentar de las líneas eléctricas (fijos), mientras que los robots móviles normalmente se alimentan de baterías Intro Robotica

11

Control •  Provee la interfaz entre el sistema de procesamiento del robot y sus sensores y actuadores •  Normalmente se realiza mediante una combinación de hardware y software •  Provee una serie de comandos (subrutinas) para los programas de alto nivel del robot (“inteligencia”) Intro Robotica

12

“Inteligencia” •  Programas que permiten que el robot realice sus tareas •  Dependiendo del tipo de robot y de la complejidad y variedad de las tareas a realizar, se tienen diferentes tipos de programas

Intro Robotica

13

“Inteligencia” •  Algunas tareas de un robot móvil: –  Integrar/interprertar la información de sus sensores –  Navegación (evitar obstáculos, ir a cierto lugar - meta) –  Planeación (decidir la serie de pasos para cumplir una o más metas) –  Construir modelos del ambiente (mapas) –  Localizarse en el mundo (en el mapa) –  Reconocer lugares y/o objetos –  Manipular objetos –  Comunicarse con otros agentes: computadoras, otros robots, personas Intro Robotica

14

Comunicación •  En diversas aplicaciones es necesario que el robot se comunique con otros agentes •  Tipos de comunicación: –  Telecontrol: programación y control a distancia –  Cooperación: comunicación con robots u otras máquinas para realizar tareas conjuntas –  Interacción humano-robot: comunicación con personas para recibir comandos o dar información

Intro Robotica

15

Problemas fundamentales •  Obtener información del mundo: Percepción •  Saber donde estoy: Localización •  Construir un modelo del ambiente: Mapeo (SLAM) y Exploración •  Decidir como alcanzar el objetivo: Planeación •  Seguir un plan para alcanzar el objetivo: Navegación, Control Intro Robotica

16

Arquitecturas de Software •  “organización de la generación de acciones a partir de las percepciones del robot” •  “arreglo de módulos de software para un robot móvil.” •  Principales tipos: –  Arquitecturas deliberativas –  Arquitecturas reactivas –  Arquitecturas híbridas Intro Robotica

17

Ejemplo •  Ir a la meta (luz) evitando los obstáculos

Intro Robotica

18

Arquitecturas básicas •  Arquitectura deliberativa •  Arquitectura reactiva

sensores

actuadores

Intro Robotica

19

Arquitectura deliberativa •  Basada en el paradigma de sensa-planeaactua (SPA): –  Se tiene un modelo completo (mapa) del ambiente –  Se construye un plan de acción para realizar la tarea basado en el modelo –  Se ejecuta el plan

Intro Robotica

20

Arquitectura deliberativa

Sensado

Modelo del mundo

Plan

Intro Robotica

Control

Ejecución

21

Ejemplo: enfoque deliberativo •  Construir mapa del ambiente, incluyendo obstáculos y meta •  Generar un plan para ir de la posición inicial a la meta evitando los obstáculos •  Ejecutar el plan

Intro Robotica

22

Ejemplo: plan en un mapa de rejilla •  Plan: buscar una serie de acciones básicas que lleven al robot de la posición inicial a la meta

Intro Robotica

23

Arquitectura deliberativa •  Ventajas: –  El tener un modelo del ambiente permite optimizar las acciones para obtener el “mejor” plan

•  Limitaciones: –  Necesidad de un modelo preciso del ambiente –  Altos requerimientos de cómputo y memoria –  Dificultad de operar en un mundo dinámico o desconocido –  Reacción “lenta” a situaciones imprevistas

Intro Robotica

24

Arquitectura Reactiva •  En el enfoque reactivo hay una conexión directa de percepción a acción sin necesidad de un modelo del mundo •  Normalmente se considera una serie de niveles de comportamiento que realizan diferentes comportamientos en forma “paralela” (subsumption architecture)

Intro Robotica

25

Arquitectura basada en Comportamiento Planear sensores

Explorar actuadores Deambular Evitar objetos Intro Robotica

26

Manejo de Conflictos •  Al existir varios módulos en paralelo pueden existir conflictos, que se resuelven dando prioridades a los diferentes comportamientos •  El comportamiento de mayor prioridad “suprime” los otros comportamientos Deambular Evitar objetos

Intro Robotica

motores 27

Ejemplo: enfoque reactivo

Buscar luz Ir a la luz motores

Evitar objetos

Intro Robotica

28

Arquitectura Reactiva •  Ventajas: –  Bajo requerimiento de cómputo, respuesta rápida –  Facilidad de desarrollo modular –  No requiere un modelo del mundo

•  Limitaciones: –  Difícil de extender a tareas complejas –  Limitaciones sensoriales pueden ocasionar problemas al no contar con un modelo –  No garantiza la mejor solución (óptimo) Intro Robotica

29

Arquitecturas Híbridas •  Combinación de arquitecturas deliberativas y reactivas que intentan aprovechar ventajas de ambas •  Ejemplos: –  Arquitecturas jerárquicas (3 capas) –  Arquitecturas de pizarrón (blackboard) –  Arquitecturas probabilísticas

Intro Robotica

30

Arquitectura de 3 capas •  Tres componentes básicos: –  Capa de habilidades: Mecanismo de control reactivo (controlador) –  Capa de secuenciación: Mecanismo de ejecución de plan (secuenciador) –  Capa de planeación: Mecanismo deliberativo (deliberador)

•  El secuenciador selecciona los mecanismos básicos de la capa de habilidades en base al plan de la capa de planeación Intro Robotica

31

Arquitectura de 3 capas: ejemplo Planeador Secuenciador

sensores

avanzar sin chocar

girar Intro Robotica

ir a luz

actuadores 32

Arquitectura de Pizarrón •  Conjunto de módulos o procesos que interactúan mediante un espacio de información común llamado pizarrón (blackboard) •  Cada módulo implemente una función específica y en conjunto todos realizan la tarea •  Todos los módulos pueden ver la información en el pizarrón y actúan en forma oportunística, de acuerdo al que más pueda aportar en ese momento (coordinador) Intro Robotica

33

Arquitectura de Pizarrón Obtener info. sensores

PIZARRÓN Ir a la meta

Evitar obstáculo

control planeación Intro Robotica

34

Arquitectura probabilística •  Consideran la incertidumbre inherente en el mundo real, tanto en la información de los sensores como en la ejecución de los actuadores •  Representan en forma explícita dicha incertidumbre mediante distribuciones de probabilidad: –  Integración probabilística de sensores –  Mapas probabilísticos –  Acciones basadas en teoría de decisiones (maximizar utilidad) Intro Robotica

35

Arquitectura probabilística Coordinación

sensores

Fusión sensorial

Localización

Navegación

actuadores

Control (sensores/actuadores) Intro Robotica

36

Percepción del Ambiente •  Los sensores permiten al robot percibir su medio ambiente y su estado interno •  Dos tipos básicos: –  Sensores de estado interno –  Sensores de estado externo

•  Desde otro punto de vista se pueden clasificar en: –  Activos: emiten energía o modifican el ambiente –  Pasivos: reciben energía pasivamente Robótica Probabilista, L. E. Sucar

37

Modelo del Sensor •  El modelo de un sensor provee una relación matemática entre la propiedad de interés (e) y la lectura del sensor (r) r = f (e) •  El modelo debe incluir la relación del dispositivo físico y el ruido debido al sensor mismo (interno) y al medio ambiente (externo) Robótica Probabilista, L. E. Sucar

38

Modelo del Sensor r

ruido

e Robótica Probabilista, L. E. Sucar

39

Modelo del Sensor Considerando la incertidumbre – modelo probabilístico P(Olaser|Z)

Z

Robótica Probabilista, L. E. Sucar

40

Fusión sensorial •  Una forma de reducir la incertidumbre es combinando varios sensores, ya sea del mismo tipo o de diferente tipo:   Fusión

sensorial

•  La forma más sencilla de combinar varios sensores es simplemente tomar el promedio de las mediciones •  Existen técnicas más sofisticadas de fusión como técnicas bayesianas y el filtro de Kalman Robótica Probabilista, L. E. Sucar

41

Fusión sensorial • 

Existen al menos 3 diferentes formas de fusión sensorial en robótica móvil:

1.  Diferentes sensores 2.  Diferentes posiciones 3.  Diferentes tiempos

Robótica Probabilista, L. E. Sucar

42

Filtro de Kalman •  Las variables de estado (X) y observaciones (Z) tienen una distribución Gaussiana •  Las funciones de transición y observación son lineales: xt+1 = A xt + G wt zt = C xt + vt

•  Donde A, C, G son constantes, y wt, vt son los términos que representan el ruido (media cero, varianza q, r) [En general, x y z son vectores y Q, R matrices de covarianza] Robótica Probabilista, L. E. Sucar

43

Filtro de Kalman – Inferencia •  El problema básico es calcular la probabilidad posterior del estado, xt, dada la secuencia de observaciones, z1, …, zt P( xt | z1, …, zt ) •  Dado que las variables son Gaussians, sólo necesitamos estimar la media y varianza de xt m(xt | z1, …, zt ) v(xt | z1, …, zt ) Robótica Probabilista, L. E. Sucar

44

Filtro de Kalman – Inferencia •  Algoritmo recursivo: –  Actualización temporal-predicción P( xt+1 | xt) –  Actualización de la observación P(xt+1 | xt, zt+1) P(xt+1 | xt)

P(xt+1 | xt , zt+1)

Xt

Xt+1

Xt

Xt+1

Zt

Z

Z

Zt+1

T

T+1

T

T+1

Robótica Probabilista, L. E. Sucar

45

Ejemplo – localización en 1-D

Distr. inicial.

Obs.

nueva distr. Robótica Probabilista, L. E. Sucar

46

Mapas •  Modelo del ambiente – generalemnte se representa el espacio libre y el espacio ocupado (obstáculos) mediante una representación geométrica: un mapa •  Tipos de mapas: –  Mapas métricos –  Mapas topológicos –  Mapas semánticos Robótica Probabilista, L. E. Sucar

47

Mapas Métricos •  Se representa el espacio libre y/o obstáculos mediante medidas espaciales (geométricas). •  Dos formas básicas: –  descomposición o rejillas –  geométrico

Robótica Probabilista, L. E. Sucar

48

Descomposición espacial •  Se representa el espacio libre / obstáculos mediante una discretización en un con junto de celdas básicas, por medio de una rejilla de ocupación espacial (occupancy grids) •  Tipos de rejillas: –  Binarias (bitmap) o probabilísticas –  Uniformes o jerárquicas Robótica Probabilista, L. E. Sucar

49

Mapas de Rejilla

Robótica Probabilista, L. E. Sucar

50

•  Rejilla uniforme

Robótica Probabilista, L. E. Sucar

51

•  Obstáculos / espacio libre

Robótica Probabilista, L. E. Sucar

52

Mapa de Rejilla Probabilístico •  Cada celda tiene asociada una probabilidad de estar ocupada

Robótica Probabilista, L. E. Sucar

53

Mapas Topológicos •  Se considera el ambiente como una serie de lugares y conexiones entre dichos lugares. •  Esto se puede considerar como un grafo: –  Nodos: lugares –  Arcos: conexiones

•  Se le puede incorporar información métrica al grafo – longitud y orientación de los arcos Robótica Probabilista, L. E. Sucar

54

Ejemplo: mapa topológico •  Grafo de conectividad entre “cuartos”

Robótica Probabilista, L. E. Sucar

55

Ejemplo: mapa topológico •  Grafo de conectividad entre “cuartos”

Robótica Probabilista, L. E. Sucar

56

Mapas semánticos •  Se tiene asociado a un mapa métrico o topológico, una cierta semántica para los diferentes espacios/objetos en el mapa •  Esto permite una comunicación más natural con el robot en forma análoga a la comunicación entre personas (ve al a la oficina de Enrique …)

Robótica Probabilista, L. E. Sucar

57

Mapas semánticos Cuarto 1

Pasillo

Cuarto 2

Cuarto 3

Estancia

Robótica Probabilista, L. E. Sucar

58

Localización • 

Hay dos tipos principales de localización: 1.  Local (seguimiento) – dada una posición conocida del robot, mantener su localización en el mapa 2.  Global – encontrar la posición sin conocimiento previo (o con conocimiento erróneo – kidnapped robot )

Robótica Probabilista, L. E. Sucar

59

Seguimiento de la posición •  Odometría ( dead reckoning ) – se estima la posición integrando los movimientos (traslación y rotación) desde una posición conocida •  Esto introduce un error que es acumulativo, normalmente mayor para rotaciones •  Puede utilizarse en combinación con información de sensores externos Robótica Probabilista, L. E. Sucar

60

Localización global •  Consiste en determinar la posición del robot sin tener una referencia de su posición anterior •  Dada las lecturas de los sensores, normalmente hay varias posibles localizaciones para el robot, por lo que tiene que en ocasiones tiene que desplazarse para encontrar su posición real Robótica Probabilista, L. E. Sucar

61

Localización basada en Marcas •  Una alternativa para la localización es usar marcas y triangulación •  Se pueden usar más de 2 marcas y hacer un esquema de “votación” para hacer el sistema más robusto •  Existen diferentes tipos de “marcas naturales”, como esquinas, paredes, puertas, … Robótica Probabilista, L. E. Sucar

62

Localización basada en marcas naturales

d1

d2

Robótica Probabilista, L. E. Sucar

63

Localización Local

No se puede mostrar la imagen. Puede que su equipo no tenga suficiente memoria para abrir la imagen o que ésta esté dañada. Reinicie el equipo y, a continuación, abra el archivo de nuevo. Si sigue apareciendo la x roja, puede que tenga que borrar la imagen e insertarla de nuevo.

Localización global No se puede mostrar la imagen. Puede que su equipo no tenga suficiente memoria para abrir la imagen o que ésta esté dañada. Reinicie el equipo y, a continuación, abra el archivo de nuevo. Si sigue apareciendo la x roja, puede que tenga que borrar la imagen e insertarla de nuevo.

No se puede mostrar la imagen. Puede que su equipo no tenga suficiente memoria para abrir la imagen o que ésta esté dañada. Reinicie el equipo y, a continuación, abra el archivo de nuevo. Si sigue apareciendo la x roja, puede que tenga que borrar la imagen e insertarla de nuevo.

Robótica Probabilista, L. E. Sucar

65

Localización de Markov •  Bajo el enfoque probabilístico, el problema de localización global se puede resolver mediante el Filtro de Bayes (localización de Markov) •  El robot va alternando sensado/movimiento hasta poder determinar su ubicación •  Se puede implementar de diferentes formas: –  Filtro de Kalman –  Filtros de partículas –  Filtro discreto Robótica Probabilista, L. E. Sucar

66

Localización de Markov

Robótica Probabilista, L. E. Sucar

67

Ejemplo: localización (Fox 98)

•  Sensado •  Predicción •  Sensado

Intro Robotica

68

Ejemplo de localización de Markov (Fox 98) •  Filtro de partículas: P (ST | A1:T, O0:T)

S

S

Intro Robotica

69

Cinemática •  La cinemática se refiere a los efectos de las acciones de control en la configuración del robot •  La configuración es la posición y orientación de un cuerpo, en este caso un robot en el espacio

Robótica Probabilista, L. E. Sucar

70

Espacio de configuraciones •  Grados de libertad: –  Se refiere a los posibles movimientos de un robot (X,Y,Z y rotaciones) –  Para manipuladores, cada articulación provee un grado de libertad (se requieren 6 para ubicar un objeto rígido en cualquier posición y orientación)

•  Robots móviles: –  Movimiento en el plano X-Y y rotación Robótica Probabilista, L. E. Sucar

71

Configuración de un robot •  La configuración de un robot se refiere a la posición de sus todas articulaciones que definen su estado en el espacio Θ2 Θ1

Robótica Probabilista, L. E. Sucar

72

Espacio de configuraciones •  Espacio “n”-dimensional donde se ubica cada grado de libertad del robot – el robot (orgáno terminal) se puede ver como un punto en este espacio Θ2

Θ1 Robótica Probabilista, L. E. Sucar

73

Espacio de configuraciones Para un robot móvil, la configuración del robot está dada por su posición X-Y y su orientación

•  Ejemplos: –  Robot Scout: X, Y, Θ1 –  Robot Nomad: X, Y, Θ1, Θ2

Robótica Probabilista, L. E. Sucar

74

Espacio de configuraciones: robot móvil Y

X

Θ Robótica Probabilista, L. E. Sucar

75

Ejemplo: espacio de configuraciones, de obstáculos y espacio libre Θ2

Θ1 Robótica Probabilista, L. E. Sucar

76

Planeación de Trayectorias •  Determinar una trayectoria en el espacio de configuraciones, entre una configuración inicial (inicio) y una configuración final (meta), de forma que el robot no colisione con los obstáculos y cumpla con las restricciones cinemáticas del robot

Robótica Probabilista, L. E. Sucar

77

Plan •  Un plan es un conjunto de acciones (operadores) que permiten a un agente (robot) ir de un estado inicial a un estado final o meta •  Los elementos básicos para hacer un plan son: –  Estados (p. ej. Posición del robot), incluyendo el estado incial y el estado meta –  Operadores: acciones que llevan de un estado a otro, Si  Sj Robótica Probabilista, L. E. Sucar

78

Ejemplo de Plan •  Considerando el mapa de rejilla: •  Estados: –  posición X,Y en el mapa –  Estado inicial: 0,0 –  Estado meta (luz): Xm, Ym

•  Acciones: –  Movimiento a alguna de las celdas vecinas –  X+1, Y+1, X-1, Y-1 Robótica Probabilista, L. E. Sucar

79

Ejemplo de Plan •  Plan: buscar una serie de acciones básicas que lleven al robot de la posición inicial a la meta

Robótica Probabilista, L. E. Sucar

80

Ejemplo: plan en el mapa topológico •  Plan = búsqueda de una trayectoria en el grafo, del nodo inicial al meta

Robótica Probabilista, L. E. Sucar

81

Programación dinámica •  Procedimiento iterativo (recursivo) para evaluar el costo de la trayectoria mínima de cualquier punto a la meta •  Se considera un ambiente discreto y un costo de moverse de un sitio (celda) a otro •  El algoritmo básico se conoce como “iteración de valor”

Robótica Probabilista, L. E. Sucar

82

Ejemplo – programación dinámica

2.4

2

1.4 1 2 2.4 Robótica Probabilista, L. E. Sucar

1

0

1.4 1 83

Ejemplo – programación dinámica

10.2 9.2 8.2

6.8 5.8 4.8 3.8 3.4

9.8 8.8 7.8 6.8 5.8 4.8 4.4 6.4 5.4 4.4 3.4 8.8 7.8 6.8 9.2 8.2 7.8

4

3

2.4

2

1.4 1 2

4.4 3.4 2.4

Robótica Probabilista, L. E. Sucar

3

1

0

1.4 1 84

Ejemplo – programación dinámica

10.2 9.2 8.2

6.8 5.8 4.8 3.8 3.4

9.8 8.8 7.8 6.8 5.8 4.8 4.4 6.4 5.4 4.4 3.4 8.8 7.8 6.8 9.2 8.2 7.8

4

3

2.4

2

1.4 1 2

4.4 3.4 2.4

Robótica Probabilista, L. E. Sucar

3

1

0

1.4 1 85

Ejemplo de programación dinámica

Se considera un conjunto de celdas (road-map) libres

de obstáculos obtenidas previamente

I

G

Robótica Probabilista, L. E. Sucar

V(x,y) (pixel oscuros

denotan valores altos)

86

SLAM •  El problema de construcción de mapas por el mismo robot es uno de los problemas fundamentales en robótica móvil •  Este involucra el resolver concurrentemente (simultáneamente) dos problemas: –  Construir un mapa (espacio libre/ocupado) del ambiente –  Localizarse en el mapa que se va construyendo

•  Por lo que se conoce como “mapeo y localización simultáneos” – SLAM Robótica Probabilista, L. E. Sucar

87

El problema de construir un mapa

Mapa

Robótica Probabilista, L. E. Sucar

88

Construcción de mapas (Romero 2002)

Robótica Probabilista, L. E. Sucar

89

Robot simulado construyendo un mapa de rejilla

Robótica Probabilista, L. E. Sucar

90

Mapas en el INAOE

Pasillo oficinas 2do piso

Laboratorio de robótica

Robótica Probabilista, L. E. Sucar

91

Interacción Humano-Robot

Detección de Personas

Reconocimiento de Personas

SIFT feature extraction Localization and tracking

Face recognition Video streaming Results

Ademanes •  Útiles para la comunicación humano-robot •  Comunicar información geométrica –  Ve para allá –  Toma ese objeto –  Qué es eso?

•  Complemento a la voz –  Para! –  Ven!

Ven Atención Derecha Izquierda Alto

Interacción por voz y emociones •  Reconocimiento y síntesis de voz

•  Simulación de emociones

Expresiones faciales

RoboCup@Home •  Torneo orientado a robots de servicio en casa que es parte de la iniciativa de RoboCup •  Alguna Tareas: –  Presentation –  Who is Who –  Follow me –  Lost & Found –  Shopping mall –  Restaurante –  Fire detection –  Open challenge (mesero, rehabilitación, bailarín)

TMR 2013 - restaurante

Referencias •  Dudek, Jenkin, Computational Principles of Mobile Robots, Cambridge Univ. Press •  Kortenkamp et al. (Eds.), Artificial Intelligence and Mobile Robots, MIT Press •  Thrun, Burgard, Fox, Probabilistic Robotics, MIT Press

Intro Robotica

101