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