( PDF ) Controle de robô móvel autônomo para coletar lixo

Download PDF

ads:

DANIEL IGOR MENDOZA QUIÑONES

CONTROLE DE ROBÔ MÓVEL AUTÔNOMO PARA COLETAR LIXO

Dissertação apresentada à Escola

Politécnica da Universidade de São Paulo

para a obtenção do título de Mestre em

Engenharia

São Paulo

2007

ads:

Livros Grátis

http://www.livrosgratis.com.br

Milhares de livros grátis para download.

DANIEL IGOR MENDOZA QUIÑONES

CONTROLE DE ROBÔ MÓVEL AUTÔNOMO PARA COLETAR LIXO

Dissertação apresentada à Escola

Politécnica da Universidade de São Paulo

para a obtenção do título de Mestre em

Engenharia

Área de Concentração:

Engenharia de Controle e Automação

Mecânica

Orientador:

Prof. Dr. Eduardo Lobo Lustosa Cabral

São Paulo

2007

ads:

Este exemplar foi revisado e alterado em relação à versão original, sob

responsabilidade única do autor e com a anuência de seu orientador.

São Paulo, de outubro de 2007.

Assinatura do autor _____________________________________

Assinatura do orientador_________________________________

FICHA CATALOGRÁFICA

Mendoza Quiñones, Daniel Igor

Controle de robô móvel autônomo para coletar lixo / D.I.

Mendoza Quiñones. -- ed.rev. -- São Paulo, 2007.

Dissertação (Mestrado) - Escola Politécnica da Universidade

de São Paulo. Departamento de Engenharia Mecatrônica e de

Sistemas Mecânicos.

1. Robôs 2. Robótica I. Universidade de São Paulo. Escola

Politécnica. Departamento de Engenharia Mecatrônica e de

Sistemas Mecânicos II. t.

A meus pais Manuel e Detti

meus irmãos

e meu Amore

AGRADECIMENTOS

Ao professor Eduardo Lobo Cabral por sua orientação e apoio

Aos meus amigos: Rocio, José, Demóstenes e Coco Max, por seu apoio

incondicional.

RESUMO

Este trabalho apresenta o desenvolvimento dos algoritmos de controle de um robô

móvel autônomo para coleta de lixo. O objetivo do robô é coletar latas de refrigerante

espalhadas pelo chão. O sistema de navegação do robô foi implementado utilizando

a arquitetura denominada “Motor-Schema”. Essa arquitetura fornece um método

para projetar comportamentos primitivos que atuam em forma paralela para realizar

ações robóticas inteligentes em resposta aos estímulos do ambiente. O sistema de

controle apresentado foi constituído por vários comportamentos primitivos que,

coordenados, permitiram ao robô explorar de forma segura um ambiente

desconhecido, detectar e coletar o lixo e levá-lo num depósito determinado. Os

algoritmos desenvolvidos foram testados utilizando uma ferramenta de simulação 2D

denominada Player/Stage. Os resultados obtidos mostraram que a solução

apresentada é adequada para resolver a aplicação robótica de coleta de lixo.

ABSTRACT

This work presents the control system for an autonomous mobile robot for soda can

collection. The navigation system is implemented using a reactive architecture called

“Motor-Schema”. This architecture provides a methodology to design primitive

behaviors that can act in a distributed and parallel manner to yield intelligent robotic

actions in response to environmental stimuli. The control system is composed of

several primitive behaviors, which enable the robot explore an unknown environment,

detect and collect the soda cans and navigate toward a soda can reservoir. The

algorithms are tested using Player/Stage, a software for 2D simulation. The results

show that the solution is suitable for soda can collection.

SUMÁRIO

LISTA DE FIGURAS

LISTA DE TABELAS

1. Introdução

.......................................................................................................

1.1 Introdução..............................................................................................

1.2 Objetivo.................................................................................................

1.3 Justificativas..........................................................................................

1.4 Metodologia do Projeto..........................................................................

1.5 Organização da Dissertação.................................................................

2. Fundamentos Teóricos................................................................................

2.1 Controle de Robôs Móveis Autônomos.................................................

2.1.1 Estratégia Deliberativa.............................................................

2.1.2 Estratégia Reativa....................................................................

2.1.3 Estratégia Híbrida....................................................................

2.1.4 Estratégia Baseado em Comportamento.................................

2.2 “MOTOR-SCHEMA”..............................................................................

2.3 Ferramentas de Simulação Utilizadas...................................................

2.3.1 PLAYER/STAGE......................................................................

2.3.2 Arquitetura PLAYER/STAGE...................................................

3. Desenvolvimento da aplicação robótica de coleta de lixo..................

3.1 Robô escolhido para realizar a tarefa de coleta de lixo.........................

3.1.1 Modelo do Robô Pioneer 2AT..................................................

3.1.2 Interfaces de Controle..............................................................

3.2 Comportamentos Desenvolvidos...........................................................

3.3 Formalização dos Comportamentos Primitivos.....................................

3.3.1 Comportamentos AVANÇAR e RETROCEDER......................

3.3.2 Comportamento AVOID_OBSTACLE......................................

3.3.3 Comportamento NOISE...........................................................

3.3.4 Comportamento ATRAÇÃO_VERMELHO...............................

3.3.5 Comportamento AVOID_RED_OBSTACLE............................

3.3.6 Comportamento MOVE_TO_GOAL.........................................

3.3.7 Comportamento TANGENCIAL_HORÁRIO

e TANGENCIAL_ANTI-HORÁRIO.........................................

3.4 Testes dos Comportamentos Abstratos................................................

3.4.1 Controle de Baixo Nível...........................................................

3.4.2 Comportamento EXPLORAR PROCURANDO LIXO...............

3.4.3 Comportamento COLETAR LATA...........................................

3.4.4 Comportamento PEGAR LATA................................................

3.4.5 Comportamento IR AO DEPÓSITO.........................................

3.4.6 Comportamento DEIXAR LATA...............................................

3.5 Seqüência de Controle dos Comportamentos Abstratos.......................

3.6 Teste Final da Aplicação.......................................................................

4. Conclusão.......................................................................................................

5. Referências Bibliográficas..........................................................................

6. Anexos

.............................................................................................................

LISTA DE FIGURAS

Figura 2.1 Decomposição de tarefas na arquitetura “Subsumption”...................

Figura 2.2 Campos potenciais básicos...............................................................

Figura 2.3 Navegação de um robô desenvolvido seguindo a metodologia

“Motor-Schema”........................

..........................................................

Figura 2.4 Diagrama de blocos da arquitetura “Motor-Schema”.........................

Figura 2.5:Plataforma robótica Pioneer 2-DX......................................................

Figura 2.6 Visualização do ambiente de simulação do programa de simulação

Stage..............................................................................................

Figura 2.7 Visualização da simulação de um sistema multi-robô com o

programa de simulação Stage.......................................................

Figura 2.8 Arquitetura completa do Servidor Player............................................

Figura 2.9: Interação cliente-servidor no Player/Stage........................................

Figura 3.1. Robô Pioneer 2AT da companhia Mobile Robots.............................

Figura 3.2. Modelo do robô Pioneer 2AT utilizado nesse trabalho......................

Figura 3.3. Modelo da comunicação do servidor Player com o simulador

Stage e com plataformas robóticas reais.......................................

Figura 3.4. Posição do sistema de coordenadas odométrico..............................

Figura 3.5. Distribuição dos anéis de sonares no modelo do robô

Pioneer 2AT....................................................................................

Figura 3.6. Exemplo de utilização da interface Blobfinder com o

Robô Pioneer..................................................................................

Figura 3.7. Esquema da posição dos sonares do anel frontal ao robô...............

Figura 3.8. Parâmetros utilizados no cálculo do vetor de repulsão....................

Figura 3.9. Parâmetros do comportamento ATRAÇAO_VERMELHO................

Figura 3.10. Parâmetros do comportamento AVOID_RED_OBSTACLE............

Figura 3.11. Parâmetros do comportamento MOVE_TO_GOAL........................

Figura 3.12. Parâmetros dos comportamentos TANGENCIAL_HORÁRIO

e TANGENCIAL_ANTI-HORÁRIO.................................................

Figura 3.13. Determinação das velocidades de rotação e translação para

o controle de baixo nível.................................................................

Figura 3.14. Comportamento do Robô dentro de um campo vetorial

uniforme.........................................................................................

Figura 3.15. Trajetória do Robô no primeiro teste do comportamento

abstrato EXPLORAR.....................................................................

Figura 3.16. Trajetória do robô no segundo teste do comportamento abstrato

EXPLORAR....................................................................................

Figura 3.17. Dados da posição do centróide fornecidos pelo

simulador Stage.............................................................................

Figura 3.18 Ação do comportamento de COLETAR LATA.................................

Figura 3.19. Robô controlado pelo comportamento PEGAR LATA.....................

Figura 3.20. Campo vetorial do comportamento primitivo “Docking”...................

Figura 3.21. Campos vetoriais presentes no comportamento

primitivo “Docking”..........................................................................

Figura 3.22. Robô controlado pelo comportamento IR AO DEPÓSITO..............

Figura 3.23. Autômato finito correspondente ao comportamento

DEIXAR LATA................................................................................

Figura 3.24. Resultado do teste do comportamento DEIXAR LATA...................

Figura 3.25. Seqüência de controle da tarefa de coleta de lixo...........................

Figura 3.26: Ação do estado de INICIO...............................................................

Figura 3.27. Resultado do teste do esquema de INTENTOS..............................

Figura 3.28. Cenário de simulação......................................................................

Figura 3.29. Teste dos algoritmos de controle....................................................

LISTA DE TABELAS

Tabela 3.1. Variáveis correspondentes à interface Gripper................................

Tabela 3.2. Comportamentos abstratos e os comportamentos primitivos

que os constituem..........................................................................

Tabela 3.3. Parâmetros determinados para o comportamento

abstrato Explorar............................................................................

Tabela 3.4. Parâmetros determinados para o comportamento

abstrato COLETAR LATA...............................................................

Tabela 3.5. Correspondência dos estados do manipulador e as ações

efetuadas pelo comportamento PEGAR LATA..............................

Tabela 3.6. Parâmetros determinados para o comportamento

abstrato PEGAR LATA...................................................................

Tabela 3.7. Parâmetros determinados para o comportamento

abstrato IR AO DEPÓSITO............................................................

Tabela 3.8. Parâmetros determinados para o comportamento

abstrato DEIXAR LATA..................................................................

Tabela 3.9 Ativadores da seqüência de controle dos comportamentos

abstratos........................................................................................

Tabela 3.10 Parâmetros dos comportamentos abstratos utilizados nas

provas............................................................................................

1. Introdução

1.1 Introdução

Há cerca de 20 anos, uma nova abordagem para navegação e controle de

robôs móveis autônomos começou a ser desenvolvida em diversos laboratórios

(BROOKS, 1991c). Ao invés de perceber, modelar o ambiente, planejar a trajetória e

executar uma ação, essa nova abordagem implementa sistemas de controle

inteligentes através da ativação de um conjunto de módulos de controle de baixo

nível denominados comportamentos. Um comportamento é uma regra de controle

que tem como missão atingir e manter um objetivo. Ações inteligentes “emergem” da

interação desses comportamentos e a complexidade do ambiente em que o robô

trabalha. Essa nova abordagem é atualmente conhecida como arquitetura baseada

em comportamento. Os robôs móveis desenvolvidos com essa arquitetura têm

demonstrado serem eficientes em ambientes desconhecidos e dinâmicos. Essas

características fazem com que esse tipo de arquitetura possa ser implementada com

sucesso em diversas aplicações, desde navegação de robôs em ambientes

dinâmicos, até em robôs de exploração planetária, como a sonda de exploração de

Marte.

O tema desta dissertação é o desenvolvimento de algoritmos de controle para

robôs móveis usando uma arquitetura baseada em comportamentos.

1.2 Objetivo

O presente trabalho teve como objetivo desenvolver o controle de um robô

móvel autônomo com arquitetura comportamental reativa para realizar uma tarefa de

coleta lixo. O lixo em questão foram latas de refrigerante espalhadas pelo chão de

um ambiente com obstáculos. Nessa tarefa o robô teve que procurar as latas pelo

ambiente, encontrá-las e levá-las a um depósito em local pré-determinado.

Os algoritmos de controle foram desenvolvidos e testados com o simulador

para robôs moveis Player/Stage.

Para alcançar o objetivo proposto utilizou-se uma arquitetura de controle

denominada “Motor-Schema”. Motor-Schema é uma arquitetura comportamental

reativa desenvolvida por Ronald C. Arkin (ARKIN 1998) que utiliza uma variação do

método de campos potenciais (KROGH, 1984) para determinar a ação dos

comportamentos. Essa arquitetura apresenta modularidade, robustez e flexibilidade,

e tem sido muito utilizada em diversas aplicações robóticas reais.

Os comportamentos reativos desenvolvidos neste trabalho permitem que um

robô móvel realize as seguintes tarefas:

• Navegação segura: o robô navega pelo ambiente evitando obstáculos

que estejam no caminho;

• Exploração: o robô procura por latas em todo o ambiente e não fica

limitado a uma área específica do ambiente.

• Detecção de objetos: o robô detecta as latas de refrigerantes espalhadas

pelo ambiente;

• Manipulação de objetos: o robô segura a lata dentro do manipulador

• Atingir um objetivo: o robô leva a lata a um depósito em local pré-

determinado.

1.3. Justificativas

Um dos primeiros e mais populares projetos desenvolvido por pesquisadores

de robótica móvel foi coletar latas de refrigerante (MURPHY, 2000). Coletar latas de

refrigerante é um ciclo de tarefas que consiste em várias sub-tarefas. Essas sub-

tarefas obrigam ao projetista procurar soluções adequadas para seus sistemas

robóticos nos quatro temas básicos da pesquisa em robótica móvel: reconhecimento,

manipulação, evitar obstáculos e navegação (FLYNN e BROOKS, 1988). Em razão

disso, essa tarefa e outras similares são escolhidas como desafio nos eventos de

competição e exibição de Robôs (“Robot Competition & Exibition”) organizados pela

AAAI (“American Association of Artificial Intelligence”) entre os anos de 1993 e 1998.

Em 1993 o tema da competição foi “Encontrar e Entregar” (“Find and Deliver”).

Os robôs participantes deviam navegar em um ambiente de escritório para encontrar

um determinado objeto e trazê-lo de volta (AAAI, 1993).

Nos anos 1994 e 1995 o tema foi “Limpar o Escritório” (“Clean Up the Office”).

Nesse evento os robôs ficavam em um quarto fechado e tinham que procurar, no

chão, copos de café de isopor, latas de refrigerante e pedaços de papel amassados

para depois levá-los a depósitos colocados nos cantos do quarto. Existiam depósitos

de lixo específicos para cada objeto. Os depósitos de lixo eram de metal e circulares,

com 0,3 m. de altura e 0,3 m. de diâmetro. O ganhador era o robô que colocava mais

objetos nos depósitos de lixo correspondentes em um tempo máximo de 20 min.

Existiam penalidades por modificar o ambiente ou colidir com obstáculos (AAAI,

1994; HINKLE et al., 1995; e MURPHY, 2000).

Já em 1996 o objetivo variou um pouco. O evento teve como tema “Limpar a

Quadra de Tênis” (“Clean Up The Tennis Court”). O ambiente de trabalho do robô

era um quarto fechado aonde existia um pequeno depósito. O objetivo era coletar

bolas de tênis espalhadas pelo chão, além de uma bola motorizada chamada

"squiggle ball”, (http://www.harttoys.com/swball.html) que se movimentava em

direções aleatórias, e depositá-las no depósito. As equipes podiam projetar o

depósito para as bolas e marcá-lo de alguma forma, mas deviam considerar que

seriam penalizados se as "squiggle balls” escapavam do depósito. Também podiam

levar suas próprias bolas de tênis, da cor de sua escolha. Ganhava o robô que no

final do tempo determinado coletasse e colocasse mais bolas no depósito. Pontos

adicionais eram dados pela quantidade de "squiggle balls” que permanecessem no

depósito no final do jogo e aos robôs que demonstrassem que intencionalmente

seguiram e tocaram pelo menos uma vez as "squiggle balls” (AAAI, 1996).

Em 1997 e 1998 o evento ficou mais complexo. A tarefa foi “Encontrar Vida

em Marte” (“Find life in Mars”). Nessa tarefa os robôs tinham que explorar uma longa

área de Marte, um quarto de aproximadamente 1000 ft

, procurando por sinais de

vida passada e atual, e após isso retornar à nave base com essas formas de vida.

Assumia-se que o robô tinha aterrissado em uma cratera. O quarto era ambientado

com pedras e com paredes que delimitavam o espaço. As formas de vida passada

eram objetos com forma esférica e cúbica, de cores diferentes, do tamanho de bolas

de tênis e colocadas no chão. As formas de vida atual eram “squiggle balls”, todas

da mesma cor, movimentando-se pelo chão. Além disso, existiam zonas de perigo

nas quais os robôs não deviam atravessar. Existiam também dois tipos de prisões

para colocar as formas de vida, uma para as formas de vida passada e outra para as

formas de vida atual. Como nas competições anteriores, ganhava o robô que fizesse

mais pontos e tivesse menos penalidades no tempo determinado para a missão (5 a

10 min.). Existiam penalidades se o robô misturasse, nas prisões, as formas de vida

passada e atual, modificasse o solo marciano ou navegasse pela zona de perigo

(AAAI, 1997; AAAI, 1998).

Essas competições constituíram o ambiente de provas de diversos robôs e

tecnologias, como: a equipe de robôs Ganymede, Lo e Callisto, desenvolvidos pela

equipe da Geórgia Tech e ganhadores da competição “Clean the Office” de 1994; e

o robô Lola, um robô Nomad 200 da equipe da North Carolina State University,

ganhadores da “Clean the Office” de 1995.

Como se pode constatar, o projeto de um sistema robótico para coleta de lixo

apresenta suficientes desafios que exigem explorar diversas metodologias de

controle de robôs autônomos móveis em procura de soluções eficientes. As soluções

encontradas podem, no futuro, ser aplicadas em inúmeras situações, como por

exemplo, robôs para procura e resgate, robôs de exploração planetária ou robôs

assistentes de escritório, entre outras.

1.4 Metodologia de projeto

Para o desenvolvimento do projeto foi seguida, como referência, a

metodologia proposta por Murphy e Arkin (MURPHY, 2000; ARKIN, 2000). Assim, o

processo de projeto consistiu de quatro etapas:

1) Especificação da tarefa, do robô e avaliação do ambiente. Nessa etapa se

descreve o que o robô tem que fazer. As tarefas específicas dessa etapa

foram:

• Descrição da tarefa: consistiu em descrever com detalhe a tarefa que o

robô deve executar;

• Descrição do robô: consistiu em descrever a configuração física do

robô, sensores e atuadores utilizados. Essa tarefa serviu para

conhecer as vantagens e limitações do robô;

• Descrição do ambiente de trabalho: consistiu em avaliar o ambiente de

trabalho do robô para saber o seu grau de dinamismo e se é possível

encontrar oportunidades perceptuais que possam ser aproveitadas

para ativar comportamentos.

2) Projeto. Nessa etapa se estudaram as informações definidas na etapa

anterior para determinar os comportamentos que permitem ao robô

realizar sua tarefa. As tarefas específicas dessa etapa foram:

• Descrever a tarefa em termos de comportamentos e assim determinar

os comportamentos primitivos necessários para cumprir a tarefa;

• Construir uma tabela de comportamentos. A tabela permite visualizar

todos os comportamentos do robô, indicando o nome do

comportamento, seu “perceptual schema” (esquema de percepção),

seu “motor schema” (esquema motor), a entrada de sensores e o

ativador do comportamento. A vantagem de ter essa tabela é poder

visualizar se existem conflitos entre os diversos comportamentos.

3) Implementação e provas de simulação. Nessa etapa se programaram e

simularam cada comportamento por separado. A tarefa específica dessa

etapa foi a implementação, teste e refinamento, usando simulação, de

cada comportamento independentemente.

4) Testes do sistema. Nessa etapa se realizaram os testes de todos os

comportamentos em conjunto.

1.5 Organização da dissertação

Esta dissertação inicia-se com essa introdução. O capítulo 2 apresenta os

tipos de controle de robôs autônomos móveis e a descrição da arquitetura

comportamental reativa escolhida para o desenvolvimento do controle do robô. Além

disso, apresenta também a ferramenta de simulação utilizada para testar os

algoritmos de controle. O capitulo 3 descreve detalhadamente o desenvolvimento e

testes dos algoritmos de controle do robô autônomo para coleta de lixo. O capitulo 4

apresenta as conclusões deste trabalho.

2. Fundamentos teóricos

2.1. Controle de robôs móveis autônomos

Maja Mataric em (MATARIC, 2002) fornece uma boa revisão das estratégias

existentes para o controle de robôs móveis autônomos. As principais estratégias e

as suas principais características são as seguintes:

• Deliberativa: “pensa muito, logo atua”;

• Reativa: “não pense, reage”;

• Hibrida: “pensa e atua independentemente, em paralelo”;

• Behavior Based: “pensa na forma em que atua”.

A seguir apresenta-se uma breve descrição dessas estratégias de controle.

2.1.1 Estratégia Deliberativa

Essa estratégia usa um modelo centralizado do ambiente para planificar e

gerar as ações do robô (MURPHY, 2000). O robô processa todas as informações

disponíveis dos sensores e toda a informação gravada internamente para gerar um

plano de ação. Gerar um plano de ação (planificar) requer a verificação de todos os

planos de ação possíveis até encontrar um com o qual o objetivo possa ser atingido.

Planificar é um dos processamentos que consome mais tempo. Se o robô tem que

reagir rapidamente, planificar não é uma forma prática. Porém, se tem tempo

suficiente, planificar permite ao robô atuar estrategicamente (PAGOAGA, 2001).

Outra característica dessa estratégia é que a planificação é feita sobre um

modelo do entorno. Esse modelo tem que ser mantido o mais atualizado possível, já

que se o entorno muda antes da resposta do robô o plano será feito com informação

desatualizada dando lugar a erros de operação.

2.1.2 Estratégia Reativa

Essa estratégia implementa o sistema de controle do robô como uma coleção

de regras do tipo condição-ação pré-programadas com um número de estados

mínimo (PAGOAGA, 2001).

O controlador desses sistemas consiste em uma coleção de regras que

mapeiam situações especificas com ações especificas. Assim, esses sistemas

conectam diretamente os sensores e os atuadores.

Outra característica importante dos sistemas reativos puros é que não usam

nenhum sistema interno de representação do entorno e não realizam planificação.

Eles simplesmente reagem de acordo com a informação atual dos sensores. Isso

permite que o robô responda muito rápido a mudanças do entorno, típicas nos

ambientes não estruturados.

Usualmente é difícil poder antecipar todas as possíveis situações que o robô

pode encontrar. Em lugar disso, situações específicas disparam ações especificas e

essas ações são usadas para solucionar todos os outros casos. Assim o projetista

pode reduzir efetivamente o espaço sensorial a somente às situações de entrada

que interessam, mapeando estas com as ações apropriadas, simplificando, assim, o

sistema de controle.

As limitações dessa estratégia são que os robôs não têm informação do

ambiente, não tem memória e não tem a habilidade de apreender.

Estratégias puramente reativas têm provado efetividade em uma variedade de

problemas que têm como característica estarem bem definidos no momento do

projeto (MILLER et al., 1992), mas são inflexíveis nas suas ações devido a sua

incapacidade de adaptação (MATARIC, 2002).

2.1.3 Estratégia Híbrida

Essa estratégia combina o melhor que tem as estratégias de controle reativo

e deliberativo. A parte deliberativa encarrega-se das planificações enquanto a parte

reativa encarrega-se das ações que exigem reagir rapidamente, como evitar

obstáculos ou manter-se seguindo uma parede a uma distância fixa.

O desafio dessa estratégia de controle é fazer trabalhar as duas partes

sincronizadas. A dificuldade de sincronização ocorre em razão das duas estratégias

trabalharem com escalas de tempo diferentes. Assim, o sistema requer um

componente intermediário entre os níveis de ação deliberativa e reativa, por isso são

chamados de sistemas de três níveis (“three-layer systems”) (MATARIC, 2002).

Nas arquiteturas de controle híbrido, o nível reativo é controlado por um

planejador ou seqüenciador. Isso permite ao robô ter capacidades de navegação

sofisticadas. Ao invés de somente seguir paredes e evitar obstáculos aleatoriamente,

os sistemas híbridos permitem ao sistema de controle realizar comportamentos em

forma seqüencial (PAGOAGA, 2001). Um comportamento seqüencial típico para

navegar até uma determinada sala seria: “seguir a parede, dar a volta no corredor e

entrar na sala MZ-08”. Este tipo de seqüência é difícil de ser implementada em um

sistema puramente reativo. Nos sistemas híbridos os comportamentos podem ser

ativados e desativados para conseguir objetivos mais abstratos.

Ronald Arkin (ARKIN, 1998) explica como as principais arquiteturas híbridas

abordam a planificação:

• Seleção: o planejador faz a seleção de diferentes configurações do

sistema de controle reativo de acordo com o que o robô precisa fazer;

• Aconselhar: o planejador sugere mudanças que o sistema reativo pode

usar ou não;

• Adaptação: o planejador modifica continuamente a configuração do

sistema de controle reativo;

• Adiamento (“Postponing”): o planejador toma a decisão somente no

último momento possível, permitindo que as informações sensoriais mais

recentes afetem as decisões.

Essa estratégia tem provado efetividade em ambientes e tarefas nas quais

modelos internos e planificação podem ser usados e que as demandas em tempo

real sejam poucas ou suficientemente independentes da lógica de alto nível. Porém,

se o entorno é muito mutável, um sistema puramente reativo pode ser uma solução

melhor (MATARIC, 2002).

As principais arquiteturas que ilustram os princípios da abordagem híbrida

são: AuRA (ARKIN, 1986), Atlantis (GAT, 1991), Planner-Reator (LYONS;

HENDRIKS, 1992) e Procedural Reasoning System (GEORGEFF; LANSKY, 1987).

2.1.4 Estratégia Baseado em Comportamento (“behavior-based”)

O controle baseado em comportamento (“behavior-based”) é uma extensão

dos sistemas de controle reativos (PAGOAGA, 2001). Pode-se dizer que esse tipo

de estratégia fica entre as estratégias puramente reativa e deliberativa.

Segundo Mataric (MATARIC, 1999), a robótica baseada em comportamento

(“Behavior Based robotics – RBB”) integra os campos da inteligência artificial,

engenharia e ciência cognitiva. Essa abordagem é uma metodologia para projetar

agentes autônomos e robôs, sendo também uma espécie de arquitetura de agentes

inteligentes. As arquiteturas fornecem uma estrutura e impõem limitações na forma

em que os problemas de controle de robôs são resolvidos. A metodologia baseada

em comportamento impõe uma filosofia geral, inspirada na biologia, de abaixo

acima, permitindo certa liberdade de interpretação. Seu objetivo é desenvolver

métodos para controlar sistemas artificiais (usualmente robôs reais, mas também

robôs simulados e outros agentes de software autônomos) e usar a robótica para

modelar e entender melhor os sistemas biológicos (usualmente animais, desde

insetos ate humanos).

Fundamentalmente, um controlador desenvolvido utilizando essa estratégia é

composto por um conjunto de componentes modulares denominados

comportamentos. Um comportamento é uma regra de controle que tem como missão

atingir e manter um objetivo. Os comportamentos são executados em paralelo, e

utilizam os dados de entradas dos sensores e/ou informações de outros

comportamentos, e os transformam em comandos de saída que são enviados aos

atuadores do robô e/ou outros comportamentos (MATARIC; JONES 2005).

As bases dos conceitos da abordagem baseada em comportamento estão na

robótica reativa, especialmente na arquitetura “Subsumption” (BROOKS, 1986). Na

arquitetura “Subsumption” a tarefa é decomposta em módulos de comportamentos

que trabalham em paralelo realizando tarefas especificas como evitar obstáculos e

identificar objetos (figura 2.1).

Porem, apesar de serem usualmente confundidos na literatura, a estratégia

baseada em comportamento é muito mais poderosa do que a abordagem puramente

reativa (MATARIC 2002). Em quanto que os sistemas baseados em comportamento

apresentam algumas características dos sistemas reativos e podem conter módulos

(comportamentos) reativos, o processamento da informação não é limitado a só

perceber e reagir. Esses sistemas podem ter estados internos, memória e

aprendizagem ao longo prazo. Alem disso, podem usar diferentes formas de

representação interna (MATARIC 1992b) e realizar processamento computacional

nessas representações para decidir que ação executar (MATARIC 1992a). Como foi

mencionado anteriormente, essas características constituem limitações na

abordagem reativa.

Figura 2.1. Decomposição de tarefas na arquitetura “Subsumption” (BROOKS, 1986).

O desafio de projeto para construir robôs com controle baseado em

comportamento é selecionar a composição correta de comportamentos e reflexos

para gerar o comportamento global desejado. Usualmente não existe uma conexão

visível entre as estruturas de comportamentos internos e o comportamento global

produzido. Por exemplo, um robô que limpa oficinas pode não ter um

comportamento especifico ‘limpar’, ao invés disso, sua interação com o entorno pode

resultar em limpar oficinas. Isso é conhecido como comportamento emergente e é

uma característica destes sistemas (STEELS, 1994).

2.2 “MOTOR-SCHEMA”

O “Motor-Schema” é uma metodologia desenvolvida para especificar e

projetar sistemas robóticos baseados em comportamento (“behavior based”)

(ARKIN, 1998). Foi apresentada por Ronald C. Arkin em (ARKIN, 1987). Esse

método permite projetar comportamentos que atuam de forma paralela e distribuída

para realizar ações robóticas inteligentes em resposta a um estímulo do ambiente.

O método é baseado na teoria psicológica de esquemas (“schema theory”). O

uso de esquemas como um modelo filosófico para a explicação do comportamento

psicológico humano data da época de Immanuel Kant no século XVIII (ARKIN,

1998). Arkin em (ARKIN, 1998) define o termo esquema como sendo a unidade

básica do comportamento a partir do qual ações complexas podem ser construídas.

Citando Arkin (ARKIN, 1988), um esquema é a unidade básica do comportamento a

partir do qual ações complexas podem ser realizadas, ele consiste do conhecimento

de como agir e perceber, bem como no processo computacional pelo qual o

comportamento é implementado.

Na metodologia “Motor-Schema” um comportamento é constituído,

basicamente, por dois componentes: um esquema perceptivo (“perceptual schema”)

e um esquema motor (“motor schema”).

O esquema perceptivo engloba as percepções. A filosofia da metodologia

“Motor-Schema” para o desenvolvimento da percepção é conhecida como “action

oriented perception”. Esse principio diz que as atividades da percepção sempre

devem ser vistas do ponto de vista das necessidades motoras (ARKIN, 1998).

Assim, o esquema perceptivo fornece as informações do ambiente exclusivamente

necessárias para aquele determinado comportamento, permitindo ao robô reagir

rapidamente às mudanças do mesmo. Outra característica importante dos esquemas

perceptivos é que podem ser definidos recursivamente, isto é, diferentes sub-

esquemas perceptivos podem extrair pedaços de informação que serão

subseqüentemente processados por outro esquema perceptivo, gerando como

resultado uma informação mais significativa para o comportamento (ARKIN, 1998).

O esquema motor representa a forma da atividade física. Usa a informação

fornecida pelo esquema perceptivo para gerar o comando de controle do robô. Esse

comando define a forma que o robô deve responder ao estímulo percebido. A

resposta do esquema motor é codificada em forma de vetores e usa o método de

navegação em campos potenciais.

O método de campos potenciais foi apresentado por Khatib (KHATIB, 1985) e

Krogh (KROGH, 1984) como a base de geração de trajetórias sem obstáculos para

sistemas robóticos móveis e robôs manipuladores. Essa metodologia utiliza uma

função potencial arbitrária para gerar um campo de forças que representa a

velocidade e direção com as quais o robô deve navegar pelo ambiente. Os objetivos

são associados a campos de atração e os obstáculos a campos de repulsão. O

método consiste em construir campos potenciais separados para representar a

relação entre o robô e cada objeto dentro do campo sensorial do robô. Esses

campos são combinados, mediante superposição, para gerar um único campo

potencial. A partir do gradiente do campo potencial resultante, gera-se um campo de

forças, representado por vetores com componentes de magnitude (velocidade) e

direção, com o qual se pode planificar trajetórias de navegação para o robôs móveis

e manipuladores robóticos. Dessa forma o robô pode ser visto como uma partícula

em um campo de forças. Uma característica importante desse método é que codifica

a ação de forma continua, isto é, não interessa quão pequeno seja o elemento do

ambiente, em cada ponto do espaço sempre se tem um vetor de força associado a

ele (ARKIN, 1998).

Existem cinco tipos de campos potenciais básicos, que podem ser

combinados para gerar campos mais complexos (MURPHY, 2000):

a) Campo Uniforme: nesse caso a força tem a mesma direção e magnitude

em todo o campo. Dentro desse campo o robô, não importando onde nem

em que posição esteja orientado, sentirá a necessidade de alinhar-se à

direção do campo e navegar com uma velocidade proporcional à magnitude

da força. O campo uniforme é usado para gerar o comportamento “ir na

direção X”;

b) Campo Perpendicular: esse campo é orientado perpendicularmente a

algum objeto ou parede.

c) Campo de Atração: nesse campo o objeto gera uma força de atração em

sua direção. Esse campo geralmente é associado ao objetivo do robô;

d) Campo de Repulsão: é o oposto ao campo de atração, nesse caso o

objeto gera uma força de repulsão que faz o robô afastar-se dele; está

associado aos obstáculos presentes no ambiente;

e) Campo Tangencial: esse campo é tangencial ao objeto. Pode se pensar

nele como sendo perpendicular às linhas radiais que se originam a partir do

objeto. O campo tangencial pode girar em sentido horário ou anti-horário.

Esses campos são úteis para dirigir o robô ao redor do obstáculo ou fazer

que o robô investigue alguma coisa.

A figura 2.2 mostra estes cinco campos básicos.

O esquema motor utiliza os campos potenciais para gerar a ação motora do

comportamento, porem só calcula a contribuição de cada campo na posição

instantânea onde o robô se encontra (ARKIN, 1989). Assim, não existe planificação

de trajetória, a reação do robô ao ambiente é calculada tão rápido quanto o

processamento sensorial permite (ARKIN, 1998).

A figura 2.3 mostra um exemplo de navegação de um robô desenvolvido

utilizando a metodologia “Motor-Schema”. O campo de força completo é apresentado

somente para ilustrar a reação do robô em cada ponto, mas o agente somente

calcula a força na posição instantânea onde o robô se encontra.

Na metodologia “Motor-Schema”, diversos esquemas motores foram definidos

(ARKIN, 1998):

• “Move-ahead”: mover-se em uma direção particular;

• “Move-to-goal”: mover-se em direção do objetivo detectado. Existem

duas versões deste esquema: balística e controlada.

• “Avoid-static-obstacle”: afastar-se de obstáculos passivos;

• “Dodge”: afastar-se de um obstáculo em movimento que esteja se

aproximando;

• “Escape”: afastar-se do ponto de interceptação calculado entre o robô e

um predador se aproximando;

• “Stay-on-path”: mover-se em direção ao centro de um caminho: estrada

ou corredor;

• “Noise”: mover-se em direção aleatória por um determinado tempo;

• “Probe”: mover-se em direção a áreas abertas;

(a)

(b)

(c)

(d)

(e)

Figura 2.2. Campos potenciais básicos: (a) campo uniforme (b); campo perpendicular; (c)

campo de atração; (d) campo de repulsão; e (e) campo tangencial.

Figura 2.3. Navegação de um robô desenvolvido seguindo a metodologia “Motor Schema”

(ARKIN, 1987).

• “Dock”: aproximar-se de um objeto com uma determinada direção;

• “Avoid-past”: afastar-se de áreas visitadas recentemente;

• “Teleautonomy”: permite que um operador humano forneça comandos

de controle no mesmo nível de qualquer outro esquema motor.

Esses esquemas motores são os blocos básicos para navegação de robôs

autônomos na metodologia “Motor-Schema”.

A metodologia de campos potenciais fornece uma forma eficiente de planejar

trajetórias de navegação e que pode ser calculada em tempo real (CHOSET et al.,

2005). Contudo, essa metodologia apresenta vários problemas. O mais

característico é o fenômeno conhecido como mínimo local. Um mínimo local é um

ponto do campo onde a resultante das forças é zero. Nesse ponto o robô não tem

nenhuma força que gera movimento e, assim, fica preso no ponto. Existem diversos

métodos desenvolvidos para corrigir este problema. Em particular a metodologia

“Motor-Schema” utiliza o esquema motor “Noise” que injeta um ruído aleatório no

campo para evitar que o robô fique detido num ponto diferente do objetivo (ARKIN,

1998).

O método de coordenação de comportamentos da metodologia “Motor-

Schema” é a somatória de vetores. Cada vetor de saída de um esquema motor é

multiplicado por um ganho associado e é somado aos outros vetores de saída. O

resultado é um vetor que engloba a contribuição de todos os comportamentos ativos.

Esse vetor deve ser normalizado para garantir que seja executável pelo robô. O

vetor resultante normalizado é enviado ao robô para sua execução. Esse processo

de percepção-ação é repetido tão rápido quanto seja possível (ARKIN, 1998).

A figura 2.4 mostra o diagrama de blocos de um controlador desenvolvido

usando a metodologia “Motor-Schema”.

MOTORES

EM: Esquema Motor (Motor Schema)

EP: Esquema Perceptivo (Perceptual Schema)

S: Sensor

G1…Gn: Ganhos

comportamento 1

EP EM

comportamento n

EP EM

MOTORES

EM: Esquema Motor (Motor Schema)

EP: Esquema Perceptivo (Perceptual Schema)

S: Sensor

G1…Gn: Ganhos

comportamento 1

EP EM

comportamento n

EP EM

comportamento n

EP EM

Figura 2.4. Diagrama de blocos de um controlador desenvolvido usando a metodologia

“Motor Schema”.

2.3 Ferramentas de simulação utilizadas

Para simular aplicação robótica desenvolvida nesse trabalho foram utilizadas

as plataformas de simulação de robôs Player/Stage. Estas plataformas são

distribuídas gratuitamente na página da internet http://playerstage.sourceforge.net.

As características apresentadas por estas ferramentas permitem o

desenvolvimento de projetos de robôs móveis de forma rápida e eficiente e facilitam

a transferência do projeto da simulação ao hardware real.

2.3.1 PLAYER/STAGE

A ferramenta Player/Stage foi desenvolvida nos laboratórios de pesquisa de

robôs da Universidade de Southern Califórnia (USC Robotics Research Lab) em

1999 (GERKEY et al, 2003). A ferramenta consiste de dois componentes: o Player,

que é um servidor de dispositivos que permite o controle dos diversos sensores e

atuadores de um robô; e o Stage, que é um simulador 2D para robôs moveis.

O servidor Player é uma aplicação para controle de robôs através de uma

conexão de rede IP. Segue um protocolo cliente-servidor e fornece uma interface de

comunicação com sensores e atuadores do robô. O programa de controle (cliente)

conversa com o Player mediante uma interface TCP, podendo ler dados dos

sensores, enviar comandos aos atuadores e configurar os dispositivos do robô em

tempo real. Esta ferramenta dispõe de uma variedade de interfaces de comunicação

para hardware, como câmeras, sonares ou “Laser Rangers” alem de livrarias com de

métodos sofisticados de sensoriamento e algoritmos de controle do tipo seguimento

de marcos do ambiente (“landmark traking”) e algoritmos de localização

probabilística. Além disso, permite controlar diversas plataformas de robôs

comerciais, em particular os robôs móveis Pioneer da empresa ActiveMedia (ver

figura 2.5).

Figura 2.5:Plataforma robótica Pioneer 2-DX:O Player pode controlar muitas plataformas de

robôs comerciais e seus periféricos (GERKEY, 2003).

O Stage é um simulador 2D que permite simular uma população de robôs

moveis, sensores e objetos em um ambiente 2D (ver figura 2.6).

Figura 2.6: Visualização do ambiente de simulação do programa de simulação Stage.

Os dispositivos simulados são acessados através do servidor Player. Os

usuários escrevem algoritmos de controle para robôs como clientes do servidor

Player. Uma das vantagens desta forma de comunicação é que os programas

clientes se comunicam com mesma interface, fornecida pelo servidor Player, seja

para controlar o robô no mundo real ou no ambiente de simulação Stage. Essa

característica faz com que a transferência do código de controle desde a simulação

ao robô real seja realizada de forma muito rápida.

O Stage foi especificamente projetado para fornecer suporte à pesquisa de

sistemas multi-robôs. Ele permite simular uma grande população de robôs,

facilitando o desenvolvimento desse tipo de sistemas na medida em que seria

economicamente proibitivo desenvolver o sistema fisicamente antes de ser testado.

A figura 2.7 apresenta como exemplo um ambiente de simulação com uma

população de robôs. Atualmente o numero de robôs que podem ser simulados pelo

Stage é de dezenas a centenas.

Figura 2.7: Visualização da simulação de um sistema multi-robô com o programa

de simulação Stage.

2.3.2 Arquitetura PLAYER/STAGE

A figura 2.8 apresenta a arquitetura do Player. A arquitetura do Player

consiste basicamente dos seguintes componentes: dispositivos, o servidor Player e

aplicações clientes.

Figura 2.8. Arquitetura completa do Servidor Player (GERKEY et al. 2001).

Os dispositivos, como por exemplo, uma câmera, um sonar ou um robô

completo, são o hardware real ou o simulado pelo módulo Stage.

O servidor Player fornece a interface entre o robô e qualquer programa que

solicite ou envie informação para o robô. Usualmente, pode ser executado

localmente no computador onde o dispositivo está conectado, como por exemplo,

um sensor de distância baseado em laser conectado a um computador, ou no robô

mesmo servindo como Sistema Operacional.

As aplicações cliente são os programas de controle do robô. O cliente pode

ser executado em qualquer computador que tenha conectividade de rede ligado à

máquina que contém o servidor Player. No início, o cliente estabelece uma conexão

tipo TCP com o servidor Player. No passo seguinte o cliente envia algumas

mensagens ao servidor para ativar os dispositivos que vai controlar. Depois disso, o

servidor continua enviando dados desses dispositivos ao cliente e o cliente executa

o controle enviando os comandos apropriados para o servidor (ver figura 2.9).

Figura 2.9: Interação cliente-servidor no Player/Stage.

3. Desenvolvimento da aplicação robótica de

coleta de lixo

O projeto da aplicação robótica de coleta de lixo implicou no desenvolvimento

de comportamentos reativos que permitem ao robô navegar de forma segura,

explorando um ambiente desconhecido em procura de objetos que reconhecidos

com lixo são coletados e levados a um depósito determinado.

Como foi mencionado no capitulo 1, a metodologia utilizada para atingir o

objetivo proposto é constituída pelas seguintes etapas:

1) Determinação dos comportamentos necessários para realizar a tarefa de

coleta de lixo;

2) Expressar esses comportamentos como esquemas motores (“motor-

schemas”);

3) Desenvolver os comportamentos;

4) Coordenação dos comportamentos;

5) Testes de simulação da aplicação.

Adicionalmente foi necessário aprender a utilizar a ferramenta de simulação

Player/Stage. Esta ferramenta é muito usada em diversos centros de pesquisa e

universidades de todo o mundo.

A seguir apresentam-se os trabalhos realizados para o desenvolvimento da

tarefa de coleta de lixo.

3.1 Robô escolhido para realizar a tarefa de coleta de lixo

O robô escolhido para realizar a tarefa de coleta de lixo deve ter

características que lhe permitam cumprir a tarefa. Seus sensores devem permitir

detectar as latas espalhadas pelo chão, detectar objetos para evitar colisões e

conhecer sua posição no espaço.

Nesse trabalho foi escolhido o robô Pionner 2AT da companhia Mobile Robots

(http://www.activrobots.com/index.html) apresentado na figura 3.1. Esse robô foi

escolhido por apresentar as características adequadas para atingir o objetivo

proposto.

Figura 3.1. Robô Pioneer 2AT da companhia Mobile Robots (disponível em:

http://www.activrobots.com/ROBOTS/p2at.html).

As especificações técnicas desse robô, fornecidas pelo fabricante, encontram-

se no Anexo 1. Dessas especificações pode-se deduzir o seguinte:

• O robô tem quatro motores com controle independente. Deve-se

considerar essa característica para o projeto do sistema de controle de

locomoção do robô.

• O robô Pioneer 2AT vem com anéis de sonares frontais e traseiros

incluídos. O anel de sonares são utilizados para detectar obstáculos.

Esses sonares têm um alcance de 15 cm. a 5 m. de distância. Contudo,

pela posição dos sonares no robô tem-se uma limitação de altura mínima

dos obstáculos para que o robô possa detectá-los. Na figura 3.1 pode

observar-se que o anel de sonares fica na parte superior da plataforma do

robô. Dos dados do manual de operações do Pioneer 2AT tem-se que os

sonares ficam a cerca de 26 cm. do chão.

• O robô é equipado com um sistema de visão com câmera colorida. Isso

permite detectar objetos pela cor. Assim, aproveitando uma das

características principais da lata de refrigerante coca cola, que é a cor

vermelha, essas latas são detectadas.

• O robô Pioneer 2AT tem a opção de ser adquirido com um manipulador

equipado com uma garra. Da figura 3.1 observa-se que este manipulador

cumpre perfeitamente com o objetivo desejado de pegar latas no chão. O

Apêndice 1 apresenta as especificações desse manipulador.

Além de possuir as características desejadas, desenvolver os algoritmos de

controle para o robô Pioneer 2AT apresenta as seguintes vantagens:

• O simulador Stage conta com um modelo pré-programado do robô Pioneer

2AT.

• O servidor Player conta com um “driver” especial, denominado p2os que é

totalmente compatível com o sistema operacional P2OS, que é o sistema

de controle do robô Pioneer 2AT.

Assim, se for desejado, após o desenvolvimento dos algoritmos de controle

com o simulador Stage, pode-se transferi-los para o robô real sem precisar de

mudanças significativas facilitando, assim, a evolução do projeto.

3.1.1. Modelo do Robô Pioneer 2AT

O modelo do robô Pioneer 2AT encontrado no simulador Stage consiste de

um modelo geométrico que lembra a forma do robô Pioneer real. As dimensões do

modelo no simulador são 44 cm. por 33 cm., igual ao robô real. O modelo possui

dois anéis de sonares distribuídos no perímetro do robô. Além disso, podem-se

adicionar modelos de outros dispositivos robóticos compatíveis com o robô Pioneer,

tais como, sensor de distância a laser, manipulador com garras, sistema de visão e

chaves de “bumpers”. Essas características do simulador do robô Pioneer 2AT

presentes no Stage facilita o desenvolvimento de projetos para esse tipo de robô.

Nesse trabalho é utilizado o modelo do robô Pioneer 2AT que inclui as

seguintes características:

• Controle de baixo nível em modo diferencial;

• Arranjo de 16 sonares, sendo 8 frontais e 8 traseiros, que permitem

detectar objetos;

• Um manipulador com garras e com sensores infravermelhos que permitem

detectar objetos dentro do manipulador;

• Um sistema de visão com câmera colorida.

Desta forma, o modelo utilizado possui todas as características necessárias

para desenvolver e testar a aplicação desejada. A figura 3.2 apresenta o modelo do

robô Pioneer 2AT incluindo o manipulador e o sistema de visão.

44 cm

33 cm

12 cm

22 cm

Manipulador

Robótico

Sistema de

Visão

44 cm

33 cm

12 cm

22 cm

Manipulador

Robótico

Sistema de

Visão

Figura 3.2. Modelo do robô Pioneer 2AT utilizado nesse trabalho.

3.1.2. Interfaces de Controle

Como foi mencionado no Capitulo 2 a comunicação do programa de controle

com o robô simulado é feita através do servidor Player. O servidor Player

proporciona interfaces de controle que permitem enviar comandos ou ler dados dos

sensores e atuadores do robô. As mesmas interfaces são utilizadas com robôs reais

ou robôs simulados. Essa comunicação é ilustrada na figura 3.3. Essa característica

permite que os mesmos algoritmos desenvolvidos e testados mediante o simulador

possam ser usados em robôs reais sem mudanças significativas.

As interfaces de controle utilizadas no desenvolvimento dos algoritmos

apresentados neste trabalho são as seguintes:

• Position2d;

• Sonar;

• Blobfinder;

• Gripper.

PROG.

CLIENTE

PLAYER

TCP/UDP

STAGE

SIMULADOR 2D

ROBÔ REAL

CMDS

DADOS

PROG.

CLIENTE

PLAYER

TCP/UDP

STAGE

SIMULADOR 2D

ROBÔ REAL

CMDS

DADOS

Figura 3.3. Modelo da comunicação do servidor Player com o simulador Stage e com

plataformas robóticas reais.

Position2d. Essa interface permite controlar robôs móveis como o robô

Pioneer. Mediante essa interface controla-se o movimento do robô e obtém-se a

informação da odometria obtida pelos encoders dos motores do robô.

No simulador Stage o sistema de coordenadas odométrico utiliza a convenção

da mão esquerda. A posição no espaço desse sistema é a posição aonde o robô

inicia a contagem odométrico, que geralmente é a posição inicial da aplicação

robótica. A origem do sistema odométrico encontra-se na posição do centro de

massa do robô, o eixo “x” coincide com a orientação da parte frontal do robô e o eixo

“y” encontra-se orientado á esquerda do robô, perpendicular ao eixo “x”. A figura 3.4

mostra a posição deste sistema.

centro

de massa

centro

de massa

Figura 3.4. Posição do sistema de coordenadas odométrico.

As informações de odometria fornecidas por essa interface são as

coordenadas de posição do centro de massa do robô, x e y, e a orientação do robô,

Φ, descritas em relação ao sistema de coordenadas odometrico do robô.

A interface position2d fornece suporte para o controle de robôs com

locomoção em modo diferencial (robôs com capacidade de translação para frente e

rotação) ou robôs omnidirecionais (robôs com capacidade de translação para frente,

para os lados e rotação). Existem comandos de controle de posição, de velocidade

(translação e rotação), ou de posição e velocidade. Porém, o simulador Stage

suporta somente comandos de controle de velocidade. Os algoritmos de controle

desenvolvidos nesse trabalho controlam o movimento do robô em modo diferencial.

Sonar. A interface de controle dos sonares permite obter a informação da

distância, em metros, dos objetos detectados mediante os sonares. A figura 3.5

mostra a distribuição dos anéis de sonares. Cada sonar tem um alcance máximo de

5 m e apresentam a mesma distribuição que no robô Pioneer real.

10° -10°

30°

50°

90°

30°

50°

90°

130°

150°

170°

130°

150°

170°

5 mt

10° -10°

30°

50°

90°

30°

50°

90°

130°

150°

170°

130°

150°

170°

10° -10°

30°

50°

90°

30°

50°

90°

130°

150°

170°

130°

150°

170°

5 mt

Figura 3.5. Distribuição dos anéis de sonares no modelo do robô Pioneer 2AT.

Gripper. A interface de controle do manipulador do robô é utilizada para

conhecer o estado do manipulador e a posição de um objeto dentro do manipulador.

O manipulador possui dois sensores infravermelhos que permitem conhecer a

posição do objeto no manipulador. O estado do manipulador é obtido mediante a

variável “state” e a posição do objeto dentro do manipulador mediante a variável

“beam”. A tabela 3.1 apresenta os possíveis valores das variáveis state e beam.

Os comandos de controle desta interface são compatíveis com o manipulador

fornecido com o robô Pioneer. Porém, o simulador Stage suporta somente dois

comandos: abrir manipulador (OPEN) e fechar manipulador (CLOSE).

Tabela 3.1. Variáveis correspondentes à interface Gripper.

VARIÁVEL VALOR SIGNIFICADO

0 Manipulador vazio

Objeto interfere o primeiro

sensor infravermelho

Objeto interfere o segundo

sensor infravermelho

Beams

Objeto interfere o dois

sensores infravermelhos

1 Manipulador Aberto

2 Manipulador Fechado

Manipulador em

movimento

State

4 Erro no manipulador

Blobfinder. Essa interface permite controlar sistemas de detecção de objetos

mediante a cor (“color blob detectors”), tal como o sistema ACTS fornecido com os

robôs Pioneers. Com essa interface é possível obter a localização e a área de um

objeto de cor em uma imagem. Além disso, pode-se configurar o sistema para

detectar objetos de cores diferentes, associando um canal a cada cor, assim, os

objetos de cor vermelha são agrupados no canal 1, os de cor azul no canal 2 etc.

As informações obtidas mediante essa interface são:

• Número de objetos detectados;

• A cor de cada objeto detectado;

• Área do objeto em pixels;

• Posição x e y do centróide do objeto na imagem.

A figura 3.6 mostra um exemplo da interface Blobfinder em operação.

Figura 3.6. Exemplo de utilização da interface Blobfinder com o Robô Pioneer.

3.2 Comportamentos desenvolvidos

Existem dois tipos de comportamentos que podem ser desenvolvidos para

controlar um robô móvel na arquitetura “Motor-Schema”: comportamentos primitivos

e comportamentos abstratos (MURPHY 2000). Um comportamento primitivo é

composto unicamente por um esquema perceptivo e um esquema motor e não está

inserido em um sistema de coordenação de comportamentos. Um comportamento

abstrato é um comportamento composto por diversos comportamentos primitivos ou

tem múltiplos esquemas perceptuais e motores (MURPHY 2000).

A tarefa de coleta de lixo implica que o robô navegue de forma segura por um

ambiente desconhecido procurando por objetos reconhecidos como lixo. Nesse

projeto é considerado como lixo as latas de refrigerante coca-cola. Ao serem

encontradas as latas, o robô deve segurá-las com o manipulador e transportá-las

para um depósito pré-determinado.

Uma forma de solucionar esse problema é o seguinte:

1. O robô utiliza uma seqüência de comportamentos para atingir o objetivo;

2. Esses comportamentos são do tipo abstrato.

Seguindo essas premissas, foram determinados os seguintes

comportamentos abstratos para realizar a tarefa de coleta de lixo:

• EXPLORAR PROCURANDO LIXO. O objetivo desse comportamento é

fazer o robô navegar de forma segura explorando um ambiente

desconhecido. Nesse projeto essa exploração tem como missão procurar

por objetos de atração no ambiente, nesse caso, as latas de refrigerante

coca-cola. A detecção de latas é feita mediante o sistema de visão do robô

aproveitando uma das características principais das latas, sua cor

vermelha. Define-se para esse trabalho que as latas de refrigerante são os

únicos objetos existentes no chão de cor vermelha, assim, a sua cor é

uma boa forma de detectá-las. Esse comportamento comanda o robô até

que uma ou mais latas sejam detectadas.

• COLETAR LATA. Esse comportamento tem como objetivo aproximar o

robô da lata detectada até colocá-la ao alcance do manipulador. Em caso

de mais de uma lata ser detectada, o comportamento aproximará o robô à

lata mais próxima dele.

• PEGAR LATA. O objetivo desse comportamento é movimentar o robô até

colocar a lata na melhor posição dentro do manipulador para que seja

segurada.

• IR AO DEPÓSITO. Esse comportamento faz com que o robô carregue a

lata até a entrada do depósito de latas. O robô deve realizar essa tarefa

evitando colidir com obstáculos ou com outras latas espalhadas pelo chão.

• DEIXAR A LATA. Esse comportamento faz com que o robô deixe a lata

dentro do depósito.

Cada um dos comportamentos abstratos definidos anteriormente é constituído

por comportamentos primitivos que, devidamente coordenados, fazem o

comportamento abstrato atingir o seu objetivo. Na tabela 3.2 apresentam-se os

comportamentos primitivos desenvolvidos para construir os comportamentos

abstratos.

Tabela 3.2. Comportamentos abstratos e os comportamentos primitivos que os constituem.

COMPORTAMENTOS ABSTRATOS COMPORTAMENTOS PRIMITIVOS

Avoid_Obstacle

EXPLORAR PROCURANDO LIXO

Noise

Atração_Vermelho

Avoid_Obstacle

COLETAR LATA

Noise

Avançar

PEGAR LATA

Retroceder

Move_To_Goal

Tangencial_Horário

Tangencial_Anti-Horário

Avoid_Red_Obstacle

Avoid_Obstacle

IR AO DEPÓSITO (Docking)

Noise

Avançar

DEIXAR LATA

Retroceder

Na seção a seguir descreve-se a formalização de cada comportamento

primitivo.

3.3 Formalização dos comportamentos primitivos

Esse item descreve os comportamentos primitivos utilizados para construir os

comportamentos abstratos definidos para a realização da tarefa coletar latas.

3.3.1. Comportamentos AVANÇAR e RETROCEDER

Os comportamentos de avançar e retroceder geram os movimentos básicos

do robô. Esses comportamentos são definidos como se segue:

• Avançar: gera um campo vetorial constante que induz o robô a avançar

em linha reta;

• Retroceder: gera um campo vetorial constante que induz o robô a

navegar em marcha ré.

A codificação destes esquemas motores é composta pelas seguintes

expressões:

Avançar:

;0,1=

mag

°=Φ

orient

Retroceder:

;0,1=

mag

.180

°=Φ

orient

Nessas expressões V

mag

representa a magnitude do vetor velocidade de

movimento do robô e Φ

orient

representa a orientação do vetor velocidade. Observa-se

que V

mag

igual a 1,0 significa velocidade máxima e V

mag

igual a 0,0 significa ausência

de velocidade.

3.3.2. Comportamento AVOID_OBSTACLE

Este comportamento tem como objetivo evitar que o robô colida com os

obstáculos presentes no ambiente.

Como visto, o robô Pioneer 2AT possui dois anéis de sonares idênticos, um

frontal e um traseiro. Eles são usados para detectar o obstáculo ao redor do robô.

Na figura 3.7 pode se observar a posição de cada sonar do anel frontal.

Figura 3.7. Esquema da posição dos sonares do anel frontal ao robô. Extraído do manual de

operações do robô Pioneer (MOBILEROBOTS, 2006).

O esquema perceptivo fornece ao esquema motor a leitura de cada sonar e o

seu ângulo relativo à base robótica. Com esses dados, o esquema motor gera, se

algum objeto for detectado, um vetor de repulsão com direção oposta à posição de

cada sonar. A figura 3.8 mostra os parâmetros usados para o cálculo do vetor de

repulsão.

A magnitude do vetor de repulsão varia lineamente com a distância do objeto

detectado. É definida uma esfera de influência do objeto. Fora dessa esfera de

influência (S) não existe repulsão. Dentro da esfera, a magnitude do vetor aumenta

de forma linear até a borda da margem de segurança. Dentro da margem de

segurança (M) a magnitude da repulsão é máxima (1.0).

M=Margem

segurança

S=Esfera

influencia

d=distancia detectada pelo sonar

Robô

vetor repulsão

sonar

M=Margem

segurança

S=Esfera

influencia

d=distancia detectada pelo sonar

Robô

vetor repulsão

sonar

Figura 3.8. Parâmetros utilizados no cálculo do vetor de repulsão. O objeto detectado é

representado pelo círculo preto no centro do círculo.

A magnitude do vetor de repulsão é dada por:

;0,1)(

;)(

;0)(

MddV

SdM

SddV

mag

≤=

≤≤

−

180+=Φ

sonarorient

Finalmente, o vetor resultante do comportamento corresponde à somatória

vetorial dos vetores repulsivos gerados para cada sonar.

3.3.3. Comportamento NOISE

O comportamento “NOISE” é um comportamento que gera um vetor de

magnitude constante e orientação aleatória que permanece ativo durante um tempo

determinado em algumas condições. A codificação deste esquema motor utiliza as

seguintes equações:

.(graus)aleatorio ânguloa)insistêncii(

;0,1

==Φ

orient

mag

O parâmetro denominado “insistência” representa períodos de amostragem

do controle em que a orientação do vetor permanece constante.

3.3.4. Comportamento ATRAÇÃO_VERMELHO

O objetivo deste comportamento é gerar um vetor de atração a objetos

vermelhos. Os parâmetros utilizados para determinar o vetor resultante são

apresentados na figura 3.9.

O esquema perceptivo deste comportamento utiliza a informação fornecida

pelo sistema de visão do robô para determinar a área e o centróide do objeto

vermelho encontrado na imagem.

O esquema motor desse comportamento utiliza o centróide do objeto para

calcular o vetor resultante. A magnitude do vetor é controlada mediante a área do

objeto detectado. Quando o robô se aproxima do objeto a área percebida aumenta.

A magnitude do vetor varia de forma linear de 1,0, ao detectar o objeto, para 0,0

quando a área percebida atinge um valor denominado Área Máxima de Segurança.

centroide

a=área percebida

Robô

vetor atração_vermelho

centroide

a=área percebida

Robô

vetor atração_vermelho

Figura 3.9. Parâmetros do comportamento ATRAÇAO_VERMELHO.

A Área Máxima de Segurança é determinada experimentalmente e serve para

evitar que o robô colida com o objeto detectado. A orientação do vetor é dada pelo

ângulo de posição do objeto em relação ao robô. As equações que descrevem este

comportamento são as seguintes:

;0.0)(

Segurança;deMaximaÁrea

1)(

AaaV

Aaa

mag

≥=

=<−=

graus).(

centroideorient

=Φ

No caso em que o robô detecte em uma única imagem vários objetos

vermelhos, o comportamento só gera o vetor de atração para o objeto que tiver

maior área em pixels.

3.3.5. Comportamento AVOID_RED_OBSTACLE

O objetivo desse comportamento é evitar que o robô colida com as latas de

refrigerante coca-cola espalhadas pelo chão. Essas latas não têm a altura

necessária para serem detectadas pelos sonares do robô. Assim, nesse caso é

necessário utilizar outro tipo de sensor, como o sistema de visão do robô.

O esquema perceptivo desse comportamento determina a área e o centróide

de cada objeto vermelho detectado. O esquema motor calcula um vetor de repulsão

para cada um desses objetos. Os parâmetros usados apresentam-se na figura 3.10.

centroide

a=área percebida

Robô

vetor repulsão_vermelho

centroide

a=área percebida

Robô

vetor repulsão_vermelho

Figura 3.10. Parâmetros do comportamento AVOID_RED_OBSTACLE.

A magnitude do vetor resultante aumenta linearmente em função da área do

objeto percebida. No momento que o objeto é percebido a magnitude é 0,0,

aumentando até 1,0 quando a área percebida atinge um valor denominado Área

Máxima de Segurança. Essa Área Máxima de Segurança representa a Margem de

Segurança do comportamento AVOID_OBSTACLE. A magnitude do vetor continua

igual ao valor máximo (1,0) para áreas percebidas maiores do que a Área Máxima

de Segurança.

A orientação do vetor é o ângulo oposto da orientação do objeto com respeito

ao robô. As equações são:

;0.1)(

Segurança;deMaximaÁrea

9,0

1,0)(

AaaV

Aaa

mag

=≤+=

.180 °+=Φ

centroideorient

O vetor final resultante é a soma vetorial dos vetores gerados por cada objeto

detectado na imagem.

3.3.6. Comportamento MOVE_TO_GOAL

O esquema motor Move_to_Goal gera um campo vetorial de atração para

uma localização determinada no sistema de referência global. Os parâmetros

utilizados para codificar o esquema motor são apresentados na figura 3.11.

Fora da zona controlada a magnitude de atração é máxima (1,0). Dentro da

zona controlada a magnitude decai linearmente de 1,0 a 0,0. O valor zero representa

a posição objetivo. O ângulo de direção do vetor resultante segue a reta que une a

posição do robô com o alvo, em direção ao alvo.

(Xobj, Yobj)

Zona Controlada

objetivo

(Xobj, Yobj)

Zona Controlada

objetivo

Figura 3.11. Parâmetros do comportamento MOVE_TO_GOAL.

O vetor resultante é expresso da seguinte forma:

;

)(

;1)(

rdd

rddV

mag

≤=

(graus).

objetivoorient

=Φ

3.3.7. Comportamentos TANGENCIAL_HORÁRIO E TANGENCIAL_ANTI-

HORÁRIO

Esses comportamentos têm como objetivo gerar um campo vetorial tangencial

à localização de um objetivo no sistema de coordenadas global. O resultado desse

comportamento observado no robô é uma navegação rotativa ao redor do objetivo

em sentido horário ou anti-horário.

A magnitude dos campos é constante e a orientação é tangente ao círculo

que tem como raio a distância do objetivo ao robô, como mostra a figura 3.12.

Assim, as equações que codificam esses campos tangenciais são as seguintes:

TANGENCIAL_HORÁRIO:

;0,1)( =dV

mag

90+=Φ

objetivoorient

TANGENCIAL_ANTI-HORÁRIO:

;0,1)( =dV

mag

90−=Φ

objetivoorient

(Xobj, Yobj)

vetor

tangencial

horário

objetivo

+ 90°

(Xobj, Yobj)

vetor

tangencial

horário

objetivo

+ 90°

(a)

(Xobj, Yobj)

vetor

tangencial

anti-horário

objetivo

-90°

(Xobj, Yobj)

vetor

tangencial

anti-horário

objetivo

-90°

(b)

Figura 3.12. Parâmetros dos comportamentos (a) TANGENCIAL_HORÁRIO e (b)

TANGENCIAL_ANTI-HORÁRIO.

3.4 Testes dos comportamentos abstratos

Para a definição dos comportamentos abstratos foi necessário realizar testes

com cada um desses comportamentos para determinar os parâmetros e ganhos

necessários para a coordenação dos comportamentos primitivos que os constituem.

A seguir apresentam-se os resultados dos testes realizados.

3.4.1. Controle de baixo nível

O movimento do robô se dá ao longo do vetor resultante dos comportamentos

ativos. Esse vetor resultante é calculado pela soma vetorial dos vetores dos

comportamentos ativos. Antes de realizar a soma vetorial, o vetor de cada

comportamento ativo é multiplicado por um ganho.

Após calcular o vetor resultante dos comportamentos ativos, esse vetor deve

ser traduzido em comandos de controle que possam ser executados pelo robô.

Existem diversas formas de fazer isso dependendo do tipo de controle de baixo nível

que o robô suporta. Nesse trabalho o robô simulado se movimenta em modo

diferencial, portanto, tem-se a opção de comandar as velocidades de translação e

rotação do robô.

O vetor resultante de cada comportamento primitivo é fornecido em relação

ao sistema fixo no robô e sua magnitude varia de 0,0 (valor mínimo) a 1,0 (valor

máximo). Após o cálculo desses vetores, uma somatória vetorial é realizada com

todos eles. O vetor resultante dessa soma representa o comando de controle do

comportamento abstrato, e pode ter magnitude maior que 1,0. Nos casos em que a

magnitude do vetor resultante do comportamento abstrato seja maior que 1,0, essa

magnitude é limitada a 1,0 para manter o robô dentro das velocidades máximas, de

translação e rotação, estabelecidas na etapa de projeto.

Para obter as velocidades de controle do robô (figura 3.13) o vetor resultante

do comportamento abstrato, é decomposto em suas componentes “x” e “y” no

sistema fixo no robô. A componente “x” representa a velocidade de translação e a

componente “y” a velocidade de rotação. Finalmente essas componentes são

multiplicadas pelas velocidades máximas de translação e de rotação definidas no

projeto.

mag

orient

VT=Velocidade de Translação = V

MAX

TRANSL*Vmag*cos(Φorient)

VR=Velocidade de Rotação = V

MAX

ROT*Vmag*sin(Φorient)

mag

orient

mag

orient

VT=Velocidade de Translação = V

MAX

TRANSL*Vmag*cos(Φorient)

VR=Velocidade de Rotação = V

MAX

ROT*Vmag*sin(Φorient)

Figura 3.13. Determinação das velocidades de rotação e translação para o controle de baixo

nível.

As expressões matemáticas para as velocidades de translação e rotação são

dadas por:

(m/s);)(

, orientmagMAXTRANSL

COSVVTranslaçãodeVelocidade

(graus/s).)(

, orientmagMAXROT

SINVVRotaçãodeVelocidade

Essas duas velocidades são enviadas concomitantemente ao sistema de

controle de baixo nível do robô.

A forma mais utilizada de controle de baixo nível em aplicações de robôs

móveis é executar o vetor resultante em dois tempos. Primeiro o robô acerta o

ângulo de orientação e depois executa o comando de translação. Após o robô

executar o comando de translação o ciclo de controle inicia novamente. Nesse

trabalho executa-se o controle da velocidade de translação e o ângulo de orientação

simultaneamente. A vantagem desse método utilizado é que o programa de controle

não precisa esperar que o robô acerte o ângulo de orientação para continuar seu

ciclo. Com este método de controle de baixo nível a freqüência com que o programa

de controle obtém os dados dos sensores e gera as ações de movimento do robô é

maior e, assim, o robô pode reagir ao ambiente mais rapidamente.

Na figura 3.14 observa-se como o robô se comporta dentro de um campo

vetorial uniforme, quando está orientado inicialmente a 90

desse campo de

velocidade.

Figura 3.14. Comportamento do Robô dentro de um campo vetorial uniforme.

Nos testes realizados verificou-se que para alguns comportamentos é preciso

acertar o ângulo de orientação com o ângulo do campo vetorial antes de executar o

movimento de translação do robô. Isso permite um melhor controle da orientação

final do robô ao chegar ao seu objetivo. Desenvolveram-se duas funções vetoriais

que fazem o robô girar no seu próprio eixo: Giro Horário e Giro Anti-Horário. As

expressões dessas funções são as seguintes:

Giro Horário:

.90

;5,0

°−=Φ

orient

mag

Giro Anti-Horário:

.90

;5,0

°=Φ

orient

mag

3.4.2. Comportamento EXPLORAR PROCURANDO LIXO

O primeiro comportamento a ser testado é o EXPLORAR. A finalidade dos

testes é acertar os parâmetros dos comportamentos primitivos que constituem o

comportamento EXPLORAR para fazer com que o robô navegue pelo ambiente, sem

ficar preso em uma determinada região do espaço e sem colidir com obstáculos. Os

parâmetros determinados a partir desses testes estão apresentados na tabela 3.3.

Em razão de o robô poder tanto avançar como retroceder, dependendo do

ângulo de orientação do vetor resultante, é necessário impor uma restrição no

ângulo de orientação gerado pelo comportamento primitivo NOISE.

Tabela 3.3. Parâmetros determinados para o comportamento abstrato Explorar.

COMPORTAMENTO

ABSTRATO

COMPORTAMENTOS

PRIMITIVOS

PARÂMETROS

Ganho=1,0

S=1,5 m

AVOID_OBSTACLE

M=0,45 m

insistência=75 ciclos

Ganho=0,5

EXPLORAR

PROCURANDO LIXO

NOISE

-90°<=Φ

orient

<=90°

Com a imposição do ângulo de orientação estar sempre entre -90° e 90° o

robô é forçado a nunca navegar em retrocesso, de forma que o sistema de visão

esteja sempre orientado no sentido de movimentação do robô.

O primeiro teste consistiu em fazer o robô navegar em um ambiente sem

obstáculos. O ambiente é uma oficina virtual com dimensões de 5m X 5m. A figura

3.15 mostra a trajetória do robô durante esse primeiro teste.

Observa-se que o robô consegue explorar todo o ambiente. Porém, o tempo

que o robô leva para navegar por todo o ambiente é imprevisível em razão de que o

comportamento primitivo NOISE gera vetores aleatoriamente e não possui memória

das posições que o robô visitou anteriormente. Assim, o vetor resultante do

comportamento primitivo NOISE pode fazer o robô voltar a uma região do ambiente

já explorada, mesmo tendo regiões do ambiente ainda por explorar. Esse

comportamento foi considerado satisfatório mesmo com esse problema em razão de

que o tempo de exploração nesse trabalho não é uma restrição de projeto.

O segundo teste consistiu em testar o comportamento no mesmo ambiente

com obstáculos. Na figura 3.16 observa-se o resultado desse teste. O robô

consegue navegar eficientemente por todo o ambiente sem colidir com os obstáculos

presentes.

Figura 3.15. Trajetória do Robô no primeiro teste do comportamento abstrato EXPLORAR

Figura 3.16. Trajetória do robô no segundo teste do comportamento abstrato EXPLORAR.

3.4.3. Comportamento COLETAR LATA

O objetivo do comportamento COLETAR LATA é gerar um campo vetorial que

faz com que o robô se aproxime da lata até que a mesma fique ao alcance do

manipulador.

O cálculo do vetor resultante do comportamento primitivo

ATRAÇÃO_VERMELHO é feito com as informações obtidas da interface Blobfinder.

Os valores para a área de segurança, obtidos mediante testes experimentais

simulados, variam entre 1500 e 2500 pixels, dependendo da posição da lata. Essa

área de segurança ia ser utilizada para parar o robô quando a lata estiver ao alcance

do manipulador. Porem, para obter um melhor desempenho desse comportamento,

utilizou-se como indicador para o fim do comportamento o detector infravermelho

encontrado na garra do manipulador. Determinou-se que a magnitude mínima do

vetor de velocidade resultante é 0,1 quando a área de cor vermelha percebida é de

900 pixels. Após a magnitude do vetor resultante atingir esse valor mínimo, ela

permaneça nesse valor até que a lata seja detectada pelo primeiro sensor

infravermelho da garra do manipulador.

O cálculo do ângulo de orientação do vetor resultante é feito mediante a

posição do centróide da área de cor vermelha detectada. O simulador Stage fornece

essa posição como se fosse uma câmera adquirindo imagens em um ambiente de

duas dimensões (HARALICK; SHAPIRO 1993). Na figura 3.17 observa-se um

exemplo de como o simulador Stage fornece os dados da posição do centróide.

40-x

orient

40-x

orient

Figura 3.17. Dados da posição do centróide fornecidos pelo simulador Stage.

Assim, quando o robô se aproxima da lata, o valor da componente “x” do

centróide varia, mas a componente “y” permanece em um valor constante, que no

caso é 30 pixels. O ângulo de orientação do vetor resultante, que corresponde ao

ângulo da posição da lata com respeito ao robô é calculado mediante a seguinte

equação:

⎟

⎠

⎞

⎜

⎝

⎛

−

=Φ

arctg

orient

Para controlar melhor o ângulo de aproximação do robô à lata o

comportamento é executado em dois movimentos:

1. Girar o robô ate que o ângulo de orientação do vetor resultante encontre-

se entre +10° e -10° graus;

2. Aplicar o campo vetorial ao robô.

Os parâmetros determinados para a coordenação dos comportamentos

primitivos que constituem o comportamento COLETAR LATA estão listados na

tabela 3.4.

Tabela 3.4. Parâmetros determinados para o comportamento abstrato COLETAR LATA.

COMPORTAMENTO

ABSTRATO

COMPORTAMENTOS

PRIMITIVOS

PARÂMETROS

Ganho=0,5

S=0,7 mt

AVOID_OBSTACLE

M=0,45 mt

insistência=75 ciclos

Ganho=0,5

NOISE

-90°<=Φ

orient

<=90°

ATRAÇÃO_VERMELHO Ganho=1,0

GIRO HORARIO Ganho=1,0

COLETAR LATA

GIRO ANTI-HORARIO Ganho=1,0

No comportamento COLETAR LATA o parâmetro S, que determina a zona

controlada do comportamento primitivo AVOID_OBSTACLE, é igual a 0,7 m.,

enquanto que para o comportamento EXPLORAR esse parâmetro S é igual a 1,5 m.

Esse valor de S significa que as latas que o robô pode coletar devem ficar a uma

distância maior do que 0,7 m. de qualquer outro obstáculo presente no ambiente. A

ação dos comportamentos primitivos AVOID_OBSTACLE e NOISE no momento em

que o robô se aproxima de uma lata não permite ao robô atingir o ângulo certo para

colocar a lata dentro do manipulador se outro obstáculo estiver muito perto da lata a

ser coletada.

Na figura 3.18 pode se observar a ação do comportamento COLETAR LATA.

Com os parâmetros determinados o robô consegue se aproximar da lata detectada

com o ângulo certo para colocar a mesma no centro da garra do manipulador.

(a)

(b)

(c)

Figura 3.18: Ação do comportamento de COLETAR LATA: (a) detecção da Lata; (b)

acertando ângulo de orientação do robô; e (c) robô atraído pelo campo de

ATRAÇÃO_VERMELHO.

3.4.4. Comportamento PEGAR LATA

O comportamento PEGAR LATA tem a função de colocar a lata na posição

adequada para o manipulador segurá-la. Esse comportamento utiliza a interface

Gripper para obter a posição da lata e o estado do manipulador em cada instante de

tempo. Além disso, determina que ações devem ser realizadas para deixar a lata no

meio da garra do manipulador. Os possíveis estados do manipulador e as ações

correspondentes encontram-se listados na tabela 3.5.

Tabela 3.5. Correspondência dos estados do manipulador e as ações efetuadas pelo

comportamento PEGAR LATA.

ESTADOS DO MANIPULADOR

BEAM STATE

AÇÕES

0 1 (OPEN) -----------------------------------

0 2 (CLOSE) Abrir Manipulador

0 3 (MOVING) -----------------------------------

0 4 (ERROR) Imprimir erro em janela

1 1 (OPEN)

Ativar comportamento

Avançar

1 2 (CLOSE)

Abrir Manipulador. Novo

intento

1 3 (MOVING) -----------------------------------

1 4 (ERROR) Imprimir erro em janela

2 1 (OPEN)

Ativar comportamento

Retroceder

2 2 (CLOSE)

Abrir Manipulador. Novo

intento

2 3 (MOVING) -----------------------------------

2 4 (ERROR) Imprimir erro em janela

3 1 (OPEN)

Fechar Manipulador (lata

na posição correta)

3 2 (CLOSE) Fim do comportamento

3 3 (MOVING) -----------------------------------

3 4 (ERROR) Imprimir erro em janela

Nesse comportamento, além de outros, são utilizados os comportamentos

primitivos AVANÇAR e RETROCEDER para colocar a lata no meio da garra do

manipulador. Os parâmetros determinados para a coordenação dos comportamentos

primitivos são listados na tabela 3.6.

Tabela 3.6. Parâmetros determinados para o comportamento abstrato PEGAR LATA.

COMPORTAMENTO

ABSTRATO

COMPORTAMENTOS

PRIMITIVOS

PARÂMETROS

AVANÇAR Ganho=0,1

PEGAR LATA

RETROCEDER Ganho=0,1

Da tabela 3.6 pode se observar que os comportamentos primitivos AVOID

OBSTACLE e NOISE estão desativados. Isso ocorre em razão de que assume-se

que não existem objetos em movimento no ambiente que possam colidir com o robô

durante a execução do comportamento PEGAR LATA.

Na figura 3.19 observa-se o robô executando o comportamento PEGAR

LATA.

(a)

(b)

(c)

Figura 3.19. Robô controlado pelo comportamento PEGAR LATA. (a) lata interfere no

primeiro sensor infravermelho do manipulador; (b) robô se aproxima da lata até posicioná-la

no meio da garra do manipulador; (c) robô segurando a lata.

3.4.5. Comportamento IR AO DEPÓSITO

O comportamento IR AO DEPÓSITO encarrega-se de levar o robô ao

depósito para deixar a lata coletada. Para executar essa tarefa utiliza-se um

comportamento primitivo denominado “Docking” (ARKIN; MURPHY 1990). A figura

3.20 mostra o campo vetorial resultante do comportamento “Docking”.

Figura 3.20. Campo vetorial do comportamento primitivo “Docking”.

O comportamento primitivo “Docking” permite que o robô chegue ao depósito

de latas na posição e orientação corretas para o seu ingresso no mesmo.

O comportamento IR AO DEPÓSITO desenvolvido nesse trabalho é

composto pelos seguintes comportamentos primitivos:

• Move_To_Goal;

• Tangencial_Horário;

• Tangencial_Anti-Horário;

• Avoid_Obstacle;

• Noise;

• Avoid_Red_Obstacle.

Observa-se que a navegação do robô é efetuada pelo comportamento

primitivo Docking. Esse comportamento por sua vez é composto de uma seqüência

de controle que ativa os comportamentos primitivos Move_to_Goal,

Tangencial_Horario e Tangencial_Anti-Horario, dependendo da posição em que o

robô se encontra no ambiente. Em razão de que o esquema perceptivo desse

comportamento utiliza unicamente informação da odometria para gerar os campos

vetoriais, o robô deve conhecer sua posição relativa à localização do depósito. A

aplicação foi desenvolvida considerando-se que a posição inicial do robô é a entrada

do depósito e que a orientação do robô na entrada do depósito é tal que o sistema

de coordenadas odométrico coincide com o sistema de coordenadas global do

ambiente. Assim, a posição final desejada no comportamento “Docking” é o ponto do

espaço com coordenadas (0,0) e orientação 0

. As zonas de ativação dos

comportamentos MOVE_TO_GOAL, TANGENCIAL_HORÁRIO e

TANGENCIAL_ANTI-HORÁRIO são mostradas na figura 3.21.

Para evitar colidir com obstáculos no ambiente, o comportamento IR AO

DEPÓSITO utiliza AVOID_OBSTACLE e NOISE. Porém, no caminho de volta ao

depósito, o robô pode encontrar latas ainda não coletadas. Para evitar colidir com

elas, o comportamento primitivo AVOID_RED_OBSTACLE é também ativado.

Os parâmetros utilizados no desenvolvimento do comportamento primitivo

“Docking” são mostrados na tabela 3.7.

O valor A (Área de Segurança Máxima) igual a 300 pixels foi determinado de

forma experimental e fornece ao robô o espaço suficiente para evitar colidir com

outras latas no ambiente.

A figura 3.22 mostra o robô controlado mediante o comportamento IR AO

DEPÓSITO.

Tabela 3.7. Parâmetros determinados para o comportamento abstrato IR AO DEPÓSITO

COMPORTAMENTO

ABSTRATO

COMPORTAMENTOS

PRIMITIVOS

PARÂMETROS

Ganho=1,0

S=1,5 mt

AVOID_OBSTACLE

M=0,45 mt

i=insistência=75 ciclos

Ganho=0,5

NOISE

-90°<=Φ

orient

<=90°

Ganho=1,0

MOVE_TO_GOAL

R=1,5

Ganho=1,0

TANGENCIAL_HORÁRIO

Distancia de ação=4 mt

Ganho=1,0 TANGENCIAL_ANTI-

HORÁRIO

Distancia de ação=4 mt

Ganho=1,0

IR AO DEPÓSITO

AVOID_RED_OBSTACLE

A=300 pixels

Campo

Tg. Horário

Campo

Tg. Anti-Horário

Move To Goal

Move To Goal Move To Goal

Move To Goal

Move To Goal Move To Goal

Move To Goal

4 mt

90°

Campo

Tg. Horário

Campo

Tg. Anti-Horário

Move To Goal

Move To Goal Move To Goal

Move To Goal

Move To Goal Move To Goal

Move To Goal

4 mt

90°

Figura 3.21. Campos vetoriais presentes no comportamento primitivo “Docking”.

(a)

Latas na

trajetória

do robô

Latas na

trajetória

do robô

(b)

Latas na

trajetória

do robô

Latas na

trajetória

do robô

(c)

Figura 3.22. Robô controlado pelo comportamento IR AO DEPÓSITO. (a) Comportamento

IR AO DEPÓSITO com as direções dos campos vetoriais do comportamento primitivo

“Docking”; (b) e (c) Ação dos comportamentos primitivos

AVOID_RED_OBSTACLE e

AVOID-OBSTACLE inseridos no comportamento IR AO DEPÓSITO.

3.4.6. Comportamento DEIXAR LATA

Este comportamento segue uma seqüência de ações com o propósito de

deixar a lata dentro do depósito. Em razão do reconhecimento de latas ser feito

mediante a cor vermelha, as latas já encontradas devem ficar fora do alcance do

sistema de visão para que não interfiram com a coleta das latas faltantes. Assim, o

robô deve ingressar no depósito, deixar a lata encontrada e sair do depósito para

continuar a coleta. Observa-se que as latas colocadas no depósito ficam fora do

alcance do sistema de visão.

O autômato finito que controla a seqüência de ações efetuada pero

comportamento DEIXAR LATA é apresentado na figura 3.23.

INICIO

acertar

ângulo

entrada

avançar

giro

anti-horário

avançar

giro

anti-horário

avançar

retroceder

abrir

manip.

FIM

DIST=0,65 mt

MANIP ABERTO

ST=

180

DIST=0,65 mt

orient_robô

= 0°

INICIO

acertar

ângulo

entrada

avançar

giro

anti-horário

avançar

giro

anti-horário

avançar

retroceder

abrir

manip.

FIM

DIST=0,65 mt

MANIP ABERTO

ST=

180

DIST=0,65 mt

orient_robô

= 0°

INICIOINICIO

acertar

ângulo

entrada

avançar

giro

anti-horário

avançar

giro

anti-horário

avançar

retroceder

abrir

manip.

FIMFIM

DIST=0,65 mt

MANIP ABERTO

ST=

180

DIST=0,65 mt

orient_robô

= 0°

Figura 3.23. Autômato finito correspondente ao comportamento DEIXAR LATA.

O estado “acertar ângulo de entrada” é um comportamento que gira o robô no

sentido horário ou anti-horário de modo a fazer com que o ângulo de orientação do

robô seja 0°. Esse comportamento utiliza as funções GIRO_HORÁRIO ou

GIRO_ANTI-HORÁRIO com os ganhos indicados na tabela 3.8.

Os parâmetros determinados para o comportamento DEIXAR LATA estão

listados na tabela 3.8.

Tabela 3.8. Parâmetros determinados para o comportamento abstrato DEIXAR LATA.

COMPORTAMENTO

ABSTRATO

COMPORTAMENTOS

PRIMITIVOS

PARÂMETROS

AVANÇAR Ganho=0,1

RETROCEDER Ganho=0,1

GIRO_HORÁRIO Ganho=0,5

DEIXAR LATA

GIRO_ANTI-HORÁRIO Ganho=0,5

O teste desse comportamento consistiu em colocar o robô na entrada do

depósito com uma lata no manipulador e ativar o comportamento. A figura 3.24

mostra o resultado obtido.

(a)

(b)

(c)

(d)

(e)

(f)

(g)

(h)

Figura 3.24. Resultado do teste do comportamento DEIXAR LATA. (a) acertando ângulo de

entrada; (b) AVANÇAR; (c) GIRO_ANTI-HORARIO; (d) AVANÇAR; (e) ABRIR

MANIPULADOR; (f) RETROCEDER; (g) GIRO_ANTI-HORARIO; (h) AVANÇAR e ativação

do comportamento EXPLORAR.

3.5 Seqüência de controle dos comportamentos abstratos

O programa de controle da aplicação encarrega-se de determinar e controlar

a seqüência em que os comportamentos obstractos trabalham.

A seqüência de controle determinada para executar a missão do robô

apresenta-se na figura 3.25.

INICIO

EXPLORAR

PROC. LATA

COLETAR

LATA

PEGAR

LATA

IR AO

DEPOSITO

DEIXAR

LATA EM

DEPOSITO

MAN. VAZIO

& VERM

OBJETO

MAN.

MAN. CHEIO

& FECHADO

MAN. CHEIO

& EM DEPOSITO

MAN.

VAZIO

INTENTOS

INTENTOS=3

INTENTOS<3

INICIO

EXPLORAR

PROC. LATA

COLETAR

LATA

PEGAR

LATA

IR AO

DEPOSITO

DEIXAR

LATA EM

DEPOSITO

MAN. VAZIO

& VERM

OBJETO

MAN.

MAN. CHEIO

& FECHADO

MAN. CHEIO

& EM DEPOSITO

MAN.

VAZIO

INTENTOS

INTENTOS=3

INTENTOS<3

Figura 3.25. Seqüência de controle da tarefa de coleta de lixo.

Podemos observar que os comportamentos abstratos correspondem aos

estados do autômato finito. Alem dos estados comportamentais, temos agregado um

estado de INICIO e um estado denominado INTENTOS.

Como foi dito na seção anterior, a posição inicial do robô é a entrada do

depósito, que permite igualar o sistema de coordenadas global com o sistema de

coordenadas odométrico. O estado de INICIO faz o robô girar 180° em forma anti-

horária o que permite o robô iniciar a exploração. Na figura 3.26 observa-se este

comportamento.

(1)

(2)

(3)

Figura 3.26. Ação do estado de INICIO

O estado INTENTOS encarrega-se de gerenciar os intentos do robô de

coletar uma lata e levar-la no depósito. Em caso de que a lata escorregue do

manipulador, o robô retrocede abrindo o manipulador para tentar coletar a lata. Esta

operação é repetida 3 vezes. Se não consegue coletar-la em 3 intentos, o robô

passa ao estado de INICIO; girando 180° e iniciando a exploração novamente. A

figura 3.27 mostra esta operação.

O autômato finito apresentado não amostra os comportamentos

AVOID_OBSTACLE e NOISE, porem, eles estão ativos sempre, correspondendo

aos comportamentos abstratos inibir suas ações em caso seja necessário.

Os ativadores dos comportamentos abstratos são determinados mediante o sistema

de visão, os sensores infravermelhos do manipulador e o sistema odometrico. A

tabela 3.9 mostra os valores definidos como ativadores dos comportamentos.

Tabela 3.9 Ativadores da seqüência de controle dos comportamentos abstratos.

ATIVADOR SIGNIFICADO VARIAVEIS INTERFACE

Beams=0

MAN. VAZIO Manipulador Vazio

State=1 OR

State=2

Gripper

VERMELHO

Um ou mais objetos

vermelhos detectados

Blob count =N Blobfinder

OBJETO NO

MANIPULADOR

Objeto interfere o

primeiro sensor

infravermelho

Beams= 1 Gripper

MAN. CHEIO

Objeto interfere os dois

sensores infravermelhos

do manipulador

Beam=3 Gripper

MAN. FECHADO Manipulado Fechado State=2 Gripper

EM DEPÓSITO

Robô na posição (0,0) do

sistema de coordenadas

odometrico (sistema de

coordenadas global)

X=0

Y=0

Erro=0,04 mt.

Position2d

INTENTOS

Variável do programa de

controle para gerenciar

os intentos de coletar a

lata encontrada

INTENTOS=3

(a)

(b)

(c)

(d)

(e)

(f)

Figura 3.27. Resultado do teste do esquema de INTENTOS. (a) robô carregando uma lata;

(b) o robô perde a lata; (c) e (d) robô recua para tentar novamente; (e) e (f) após 3 intentos o

robô gira 180°.

3.6 Teste final da aplicação

Após de determinar a seqüência de controle foram realizados testes da

aplicação para verificar seu comportamento.

Para os testes foi elaborado um cenário simulado aonde o robô é obrigado a

passar por vários tipos de configurações de obstáculos para poder coletar as latas.

O cenário simula uma sala retangular de 8 x 8 m. onde foram colocados

diversos obstáculos. As latas de refrigerante foram representadas mediante blocos

retangulares de cor vermelho de 0,065 x 0,065 m. Na figura 3.28 pode observar-se o

cenário utilizado.

Diversos testes foram realizados com o objetivo de acertar os parâmetros

utilizados em cada comportamento abstrato. Como resultados alguns desses

parâmetros mudaram para melhorar a eficiência do robô. Na tabela 3.10

apresentam-se os parâmetros utilizados para os testes.

As velocidades máximas de translação e rotação utilizadas nos testes foram:

;m/seg0,50TRANSLVTranslaçãodeVelocidade

MAX

.graus/seg20ROTVRotaçãodeVelocidade

MAX

Figura 3.28. Cenário de simulação

Tabela 3.10. Parâmetros dos comportamentos abstratos utilizados nas provas.

COMPORTAMENTO ABSTRATO

COMPORTAMENTOS

PRIMITIVOS

PARÂMETROS

Ganho=1,0

S=1,0 mt

AVOID_OBSTACLE

M=0,45 mt

i=insistência=75 ciclos

Ganho=0,5

EXPLORAR PROCURANDO LIXO

NOISE

-90°<=Φ

orient

<=90°

Ganho=0,5

S=0,5 mt

AVOID_OBSTACLE

M=0,45 mt

i=insistência=75 ciclos

Ganho=0,5

NOISE

-90°<=Φ

orient

<=90°

Ganho=1,0

ATRAÇÃO_VERMELHO

Distancia Máxima do Sistema de

Visão = 3 mt

GIRO HORARIO Ganho=1,0

COLETAR LATA

GIRO ANTI-HORARIO Ganho=1,0

AVANÇAR Ganho=0,1

PEGAR LATA

RETROCEDER Ganho=0,5

Ganho=1,0 fora da zona controlada

Ganho=0,0 dentro da zona

controlada a 1,5 mt do ponto (0,0)

S=1,0 mt

AVOID_OBSTACLE

M=0,45 mt

i=insistência=75 ciclos

Ganho=0,5 fora da zona controlada

Ganho=0,0 dentro da zona

controlada a 1,5 mt do ponto (0,0)

NOISE

-90°<=Φ

orient

<=90°

Ganho=1,0

MOVE_TO_GOAL

R=1,5

Ganho=1,0

TANGENCIAL_HORÁRIO

Distancia de ação=2,5mt

Ganho=1,0

TANGENCIAL_ANTI-HORÁRIO

Distancia de ação=2,5mt

Ganho=1,0

IR AO DEPÓSITO

AVOID_RED_OBSTACLE

A=300 pixels

AVANÇAR Ganho=0,1

RETROCEDER Ganho=0,1

GIRO_HORÁRIO Ganho=0,5

DEIXAR LATA

GIRO_ANTI-HORÁRIO Ganho=0,5

A figura 3.29 mostra uma seqüência de imagens correspondentes a um dos

testes realizados. No teste, o robô explora o ambiente em procura de 3 latas

colocadas em diferentes posições do ambiente. Neste teste observa-se as principais

propriedades dos algoritmos desenvolvidos, navegação segura, detectar e coletar as

latas, volta ao depósito evitando os obstáculos do entorno e as latas encontradas na

trajetória do robô, ingresso ao depósito para deixar a lata no fim do depósito e

reinicio do ciclo de controle com o que se consegue encontrar todas as latas

espalhadas pelo ambiente.

(a)

(b)

Figura 3.29. Teste dos algoritmos de controle: (a) Posição Inicial; (b) Ação do estado INICIO.

(c)

Lata na trajetória

do robô

Ação de

AVOID_RED_OBSTACLE

Lata na trajetória

do robô

Ação de

AVOID_RED_OBSTACLE

(d)

Figura 3.29. cont. (c) Exploração do ambiente e coleta da primeira lata; (d) Volta ao depósito

evitando colidir com os obstáculos do ambiente e latas na trajetória do robô.

(e)

(f)

Figura 3.29. cont. (e) Exploração do ambiente e coleta da segunda lata; (f) Volta ao

depósito.

(g)

(h)

Figura 3.29 cont. (g) Exploração do ambiente e coleta da terceira lata; (h) Volta ao depósito

e fim do teste.

4. Conclusão

Este trabalho apresentou o desenvolvimento dos algoritmos de controle de

um robô móvel para realizar uma tarefa de coleta de lixo. A solução proposta para

esta aplicação robótica foi utilizar uma arquitetura baseada em comportamentos

reativos.

A arquitetura escolhida foi a metodologia “Motor-Schema”, que se mostrou

eficiente no desenvolvimento e integração de comportamentos reativos. Os testes de

simulação realizados mostraram que a solução apresentada é adequada para

resolver a aplicação robótica de coleta de lixo. O robô consegue explorar um

ambiente desconhecido de forma segura, detectar e coletar objetos espalhados pelo

ambiente e levá-los a um depósito determinado.

Os testes mostraram também as limitações do uso de uma solução

comportamental reativa aplicada a essa tarefa. O comportamento EXPLORAR

PROCURANDO LIXO consegue fazer o robô explorar um ambiente desconhecido,

porém o tempo que demora em explorar todo o ambiente e detectar algum objeto é

muito grande. Nos testes o tempo médio que o robô leva para encontrar uma lata é

de cerca de 6 min. Se o objetivo for encontrar 8 latas, o tempo necessário pode

chegar a ser cerca de 50 min. Isso ocorre em razão da política utilizada para

explorar o ambiente. Uma solução possível para resolver este problema seria dotar o

comportamento de memória de curta duração. Assim, se o robô encontra um grupo

de latas no ambiente, poderia pegar a mais próxima dele e após deixá-la no

depósito, voltar ao ponto onde encontrou o grupo de latas. Porém, os

comportamentos desenvolvidos são puramente reativos e, assim, não possuem

memória.

O comportamento IR AO DEPÓSITO também mostrou ser muito eficiente

para guiar ao robô à localização do depósito e com a orientação correta. Porem é

um comportamento baseado exclusivamente em informação odométrica e seu

funcionamento está condicionado aos erros característicos dos sistemas de

odometria.

Outra limitação encontrada na solução proposta foi o tempo gasto para

determinar experimentalmente os parâmetros e os ganhos de coordenação

correspondente a cada comportamento primitivo. Como a quantidade de

comportamentos concorrentes existentes nos comportamentos abstratos

desenvolvidos pode ser grande, acertar o valor dos parâmetros requer um tempo

longo. Uma solução para este problema poderia ser utilizar algum método de

aprendizagem de máquina para determinar os parâmetros e ganhos de coordenação

corretos.

Por ultimo, o passo seguinte imediato desse projeto é testar os algoritmos em

um robô real. Os algoritmos desenvolvidos foram testados em um ambiente de

simulação que não em considera os erros nas medidas dos sensores. É

imprescindível estudar o funcionamento da solução apresentada na presença de

erros de medida, para verificar sua efetividade na tarefa de coleta de lixo real. A

escolha do pacote de simulação Player/Stage para desenvolver a aplicação foi feita

visando esta etapa futura, ou seja, a implementação dos algoritmos propostos em

um robô real.

5. Referências bibliográficas

AAAI, 1993. AAAI - AMERICAN ASSOCIATION FOR ARTIFICIAL INTELLIGENCE

(Estados Unidos) (Org.). Registration Brochure of the AAAI-93 Eleventh

National Conference on Artificial Intelligence. Disponível em:

<http://www.aaai.org/Conferences/AAAI/aaai93.php>. Acesso em: 15 July

1993.

AAAI, 1994. AAAI - AMERICAN ASSOCIATION FOR ARTIFICIAL INTELLIGENCE

(Estados Unidos) (Org.). Program & Exhibit Guide of the AAAI-94 Twelfth

National Conference on Artificial Intelligence. Disponível em:

<http://www.aaai.org/Conferences/AAAI/aaai94.php>. Acesso em: 31 July

1994.

AAAI, 1996. AAAI - AMERICAN ASSOCIATION FOR ARTIFICIAL INTELLIGENCE

(Estados Unidos) (Org.). Program & Exhibit Guide of the AAAI-96 Thirteenth

National Conference on Artificial Intelligence. Disponível em:

<http://www.aaai.org/Conferences/AAAI/aaai96.php>. Acesso em: 4 Aug. 1996.

AAAI, 1997. AAAI - AMERICAN ASSOCIATION FOR ARTIFICIAL INTELLIGENCE

(Estados Unidos) (Org.). Program & Exhibit Guide of the AAAI-97

Fourteenth National Conference on Artificial Intelligence. Disponível em:

<http://www.aaai.org/Conferences/AAAI/aaai97.php>. Acesso em: 27 Jul. 1997.

AAAI, 1998. AAAI - AMERICAN ASSOCIATION FOR ARTIFICIAL INTELLIGENCE

(Estados Unidos) (Org.). Program & Exhibit Guide of the AAAI-98 Fifteenth

National Conference on Artificial Intelligence. Disponível em:

<http://www.aaai.org/Conferences/AAAI/aaai97.php>. Acesso em: 27 Jul. 1997.

MOBILEROBOTS, 2006. MOBILEROBOTS. Pioneer 3 Operation Manual. Disponível

em:

http://www.mobilerobots.com/.

AGRE; CHAPMAN, 1987. AGRE, P. E.; CHAPMAN, D. Pengi: an Implementation of

a Theory of Activity. In: Proceedings of the Sixth National Conference on

Artificial Intelligence, Seattle, Washington, 1987. v. 2, p. 268 - 271.

ARKIN, 1986. ARKIN, Ronald C.. Path Planning for a Vision-Based Autonomous

Robot. In: Proceedings of the SPIE Conference on Mobile Robots,

Cambridge, Massachusetts: SPIE, 1986. p. 240 - 249.

ARKIN, 1987. ARKIN, Ronald C.. Motor Schema Based Navigation for a Mobile

robot: An Approach to Programming by Behavior. Disponível em:

http://www.cc.gatech.edu/ai/robot-lab/publications.html.

ARKIN, 1989. ARKIN, Ronald C.. Motor Schema-Based Mobile Robot Navigation.

Disponível em: <http://www.cc.gatech.edu/ai/robot-lab/publications.html>.

ARKIN, 1998. ARKIN, Ronald C.. Behavior-Based Robotics. 3.ed. Massachusetts:

MIT Press, 491 p.

ARKIN; MURPHY 1990. Arkin, Ronald C.; Murphy, Robin R.. Autonomous

Navigations in a Manufacturing Environment. IEEE Transactions On Robotics

and Automation, v. 6, n. 4, pp.445-454, Aug. 1990

BORENSTEIN et al. 1997. Borenstein, J.; Everett,H. R.; Feng, L.; Wehe, D.. Mobile

Robot Positioning: Sensors and Techniques. Disponível em: < http://www-

personal.umich.edu/~johannb/mypapers.htm >. Acesso em: 15 Nov. 2006.

BROOKS, 1986. BROOKS, Rodney A.. A Robust Layered Control System for a

Mobile Robot. IEEE Journal Of Robotics And Automation, pp. 14-23, march.

BROOKS, 1990. BROOKS, Rodney A.. Elephants don't play chess. In: MAES, Pattie

(Ed.). Designing Autonomous Agents: Theory and Practice from Biology to

Engineering and Back. Cambridge, Massachusetts: MIT/Elsevier, pp. 3-15.

BROOKS, 1991a. BROOKS, Rodney A.. Intelligence Without Reason. In:

Proceedings of 12th Int. Conf. on Artificial Intelligence, Sydney, Australia:

IJCAI, v. 1, p. 569 - 595.

BROOKS, 1991b. BROOKS, Rodney A.. Intelligence Without Representation.

Artificial Intelligence 47, Amsterdam, Holanda, pp. 139-159, Jan.

BROOKS, 1991c. BROOKS, Rodney A.. New Approaches to Robotics. Science, v.

253, n. 13, p.1227-1232, set.

BROOKS e CONNELL, 1986. BROOKS, Rodney A.; CONNELL, J. H..

Asynchronous Distributed Control System for a Mobile Robot. In: Proceedings

of SPIE's Cambridge Symposium on Optical and Optoelectronic

Engineering, Cambridge, Massachusetts: SPIE, pp. 77 - 84.

CHATILA e LAUMOND, 1985. CHATILA, Raja; LAUMOND, Jean-paul. Position

Referencing and Consistent World Modeling for Mobile Robots. In:

Proceedings of the IEEE International Conference on Robotics and

Automation, Cambridge, Massachusetts: IEEE, v. 2, pp. 138 - 145.

CHOSET et al., 2005. CHOSET, Howie; LYNCH, Kevin; HUTCHINSON Seth;

KANTOR, George; BURGARD Wolfram; KAVRAKI, Lydia; THRUN, Sebastian.

Principles of Robot Motion: Theory, Algorithms, and Implementations.

Cambridge, Massachusetts: Mit Press, 603 p.

CONNELL, 1990. CONNELL, Jonatham H.. Minimalist Mobile Robotics : A

colony-style architecture for an artificial creature. 1th ed. Boston: Academic

Press, 175 p.

FLYNN e BROOKS, 1988. FLYNN, Anita M.; BROOKS, Rodney A.. MIT Mobile

Robots - What's Next? In: Proceedings of the 1988 IEEE International

Conference on Robotics and Automation, Philadelphia, Pa: IEEE, p. 611 -

617.

GAT, 1991. GAT, Erann. Reliable Goal-Directed Reactive Control of

Autonomous Mobile Robots. Tese (Doutorado) - Virginia Polytechnic Institute

And State University, Blacksburg, Virginia.

GEORGEFF; LANSKY, 1987. GEORGEFF, Michael P.; LANSKY, Amy L.. Reactive

Reasoning and Planning. In: Proceedings of the Sixth National Conference

on Artificial Intelligence, Seatle, Washington: AAAI, pp. 677 - 682.

GERKEY et al. 2001. Brian P Gerkey; Richard T. Vaughan; Kasper Stoy; Andrew

Howard; Gaurav S. Sukhatmé; Maja J. Mataric . Most Valuable Player: A

Robot Device Server for Distributed Control. Disponível em: <

http://ai.stanford.edu/~gerkey/research/papers/index.html >. Acesso em: 5 Dec.

2006.

GERKEY, 2003. Brian P Gerkey; Richard T. Vaughan; Andrew Howard. The

Player/Stage Project: Tools for Multi-Robot and distributed Sensor System. In:

Proc. 11th International Conference on Advanced Robotics (ICAR),

Coimbra, Portugal, p. 317 - 323.

HARALICK; SHAPIRO, 1993. HARALICK, Robert; SHAPIRO, Linda. Computer and

Robot Vision. Massachusetts: Addison-Wesley, 1993. 630 p.

HINKLE et al. 1995. HINKLE, David; KORTENKAMP, David; MILLER, David. The

1995 IJCAI Robot Competition and Exhibition. Disponível em:

<http://www.traclabs.com/~korten/publications/ai_mag96.pdf>. Acesso em: 5

Dec. 1995.

KHATIB, 1985. KHATIB, O.. Real-time obstacle Avoidance for Manipulators and

Mobile Robots. In: Proceedings of the IEEE International Conference on

Robotics and Automation, Cambridge, Massachusetts: IEEE, p. 338 - 349.

KOENIG; HOWARD, 2004. Nathan Koenig; Andrew Howard. Design and Use

Paradigms for Gazebo, An Open-Source Multi-Robot Simulator. In: Proc. of

2004 IEEE/RJS International Conference on Intelligent Robots and

Systems (IROS, 2004), Sendai, Japan, v.4,p.2149-2154.

KROGH, 1984. KROGH, B. H.. A generalized Potencial Field Approach to Obstacle

Avoidance Control. In: ROBOTICS RESEARCH CONFERENCE, 1., 1984,

Bethlehem, Pennsylvania. Proceedings of International Robotics Research

Conference. Bethlehem, Pennsylvania, 1984.

MAES, 1989. MAES, Pattie. The Dynamics of Action Selection. In: Proceedings of

the International Joint Conference on Artificial Intelligence, Morgan

Kaufmann, Detroit: IEEE, p. 991 - 997.

MATARIC, 1992a. MATARIC, Maja J.. Behavior-Based Control: Main Properties

and Implications. Disponível em: <http://www-

robotics.usc.edu/%7Emaja/publications.html>. Acesso em: 20 nov. 2006.

MATARIC, 1992b. MATARIC, Maja. J.. Integration of Representation into Goal-

Driven Behavior-Based Robots. IEEE Transactions On Robotics And

Automation, v. 8, n. 3, p.304-312, jun.

MATARIC, 1999. MATARIC, Maja J.. Behavior-Based Robotics. In: WILSON, Robert

A.; KEIL, Frank C. (Eds.). The MIT Encyclopedia of the Cognitive Sciences:

Mit Press, p. 74-77.

MATARIC, 2002. MATARIC, Maja J.. Situated Robotics. Disponível em:

<http://www-robotics.usc.edu/%7Emaja/publications.html>. Acesso em: 20 nov.

2006.

MATARIC; JONES 2005. MATARIC, Maja J.; JONES, Chris. Behavior-Based

Coordination in Multi-Robot Systems. Disponível em: <http://www-

robotics.usc.edu/%7Emaja/publications.html>. Acesso em: 25 nov. 2006.

MILLER et al., 1992. MILLER, David P.; DESAI, Rajiv S.; GAT, Erann; IVLEV,

Robert; LOCH, John. Reactive Navigation Through Rough Terrein:

Experimental Results. In: Proceedings of the Tenth National Conference on

Artificial Intelligence, San Jose, California: AAAI, p. 823 - 828.

MORAVEC; ELFES, 1985. Moravec, Hans P..; Elfes, Alberto. High Resolution Maps

from wide Angle Sonar. In: Proc. of 1985 IEEE International Conference on

Robotics and Automation. v.2,pp.116-121

MURPHY, 2000. MURPHY, Robin R. Introduction to AI Robotics. Massachusetts:

MIT Press, 466 p.

PAGOAGA, 2001. PAGOAGA, Aistol A. Agent-Based Control Architecture for a

Mobile Robot. Disponível em:

http://www.mech.kuleuven.be/mlr/publications/default_en.phtml

STEELS, 1994. STEELS, L.. The Artificial Life Roots of Artificial Intelligence.

Artificial Life Journal, Cambridge, Massachusetts, p. 89-125. mar.

6. ANEXOS

1. Especificações da plataforma pionner 2 AT e do manipulador

PLATAFORMA PIONNER 2 AT

CARACTERÍSTICAS

ROBÔ PIONNER 3-AT

Length 50cm

Width 49cm

Height (body) 26cm

Body clearance 8cm

Weight (with min. battery capacity) 12kg

Payload of base platform with included battery

(other drive ratios available on large orders)

Painted concrete: 20kg Asphalt: 7kg Grass / dirt:

13.5kg

POWER

Battery 12V sealed, lead-acid

Charge 252 watt-hr

Run time, base platform 4-8 hrs

Recharge time, standard charger 12 hrs

Recharge time, 1 high-capacity charger 2.4 hrs

MOBILITY

Drive 4-wheel drive

Dr. Wheel diam. 21.5cm

Dr. Wheel width 8.8cm

Steering Skid-steer

Gear ratio 38.3:1 (Gearbox) 49.8:1 (Final)

Pushing force 18kg

Swing radius 40cm

Turn radius 0cm

Translate speed max 1.2 m/sec

Traversable step max 10cm

Traversable gap max 15.2cm

Traversable slope max 40% grade

Traversable terrains Asphalt, sand, dirt -- not carpet!

SENSING & MANIPULATION (not requiring onboard computing)

Front sonar ring 8 optional, 1 each side, 6 forward @ 15° intervals

Rear sonar ring 8 optional, 1 each side, 6 rear @ 15° intervals

Sonar range 15cm - 5m (opt)

Std. Position encoders 500 tick encoders

Gripper option Yes

Wireless Ethernet Operation option Yes

ONBOARD COMPUTING, SENSORS & ACCESSORIES (requiring onboard computing)

Optional onboard computer Embedded size

Max. no. Cards & ports 2 PC104+ ; 2 USB ; 4 serial

Speaker Piezo

Laser option Yes

Gyro option Y es

GPS option Yes

Vision/ACTS Color- Tracking options Yes

Speech/Voice option Yes

StereoCam Rangefinder option Yes

ELECTRONICS

Processor Hitachi H8S

Sonar inputs 16 max

Custom I/O connections

8-bit external I/O bus w/ up to 16 devices +

PC104 I/O boards

Analog/Digital 5 @ 0-5 VDC

Communications ports

3 RS-232 serial ports on microcontroller, 4 RS-

232 and 1 Ethernet on optional embedded

computer

Wireless Communications options

Radio modem pair without embedded computer;

Ethernet station adapter & access point with

Flash Memory 1 mB

Power switches 1 main; 2 auxiliary

CONTROLS, PORTS AND INDICATORS (side or top panels)

LCD display -na-

Reset pushbutton Warm reboot

Function pushbutton Self-test

Main power switch Robot power; 12VDC; red LED indicator

Radio power switch Radio modem or other 12VDC option

Aux power switch 12VDC

Motors pushbuttons Single enable/disable

Serial comm ports 9-pin RS232 with Rcv and Xmt LED indicators

Joy drive port Off & opt. onbd.

Charging 12VDC charge port

ESPECIFICAÇÕES DO MANIPULADOR

CONSTRUCTION

anodized, CNC fabricated, and painted

aluminum, with foam-covered gripper paddles

MOTION

2-axiz--horizontal and vertical--with 1 degree of

freedom

POWER +5 and +12 VDC supplied by Pioneer robot

DIMENSIONS 10.5" x 2" x 1.75" (25.5 cm x 4.4 cm x 3.5 cm)

LIFT WIDTH Grippers part to 9" (19.2 cm)

LIFT HEIGHT

Two vertical stops: one about 3/4 inch off the

ground ( so tall objects won't block robot sonar)

and one at the top of the gripper

PAYLOAD

5.5 lb (2.5 kg) lift capability, lateral pressure

software controlled

SENSORS

Front and rear break beams between gripper

paddles. Pressure sensors inside each gripper

paddle

SPEED 3 seconds from fully open to fully closed position

Livros Grátis
( http://www.livrosgratis.com.br )
 
Milhares de Livros para Download:
 
Baixar livros de Administração
Baixar livros de Agronomia
Baixar livros de Arquitetura
Baixar livros de Artes
Baixar livros de Astronomia
Baixar livros de Biologia Geral
Baixar livros de Ciência da Computação
Baixar livros de Ciência da Informação
Baixar livros de Ciência Política
Baixar livros de Ciências da Saúde
Baixar livros de Comunicação
Baixar livros do Conselho Nacional de Educação - CNE
Baixar livros de Defesa civil
Baixar livros de Direito
Baixar livros de Direitos humanos
Baixar livros de Economia
Baixar livros de Economia Doméstica
Baixar livros de Educação
Baixar livros de Educação - Trânsito
Baixar livros de Educação Física
Baixar livros de Engenharia Aeroespacial
Baixar livros de Farmácia
Baixar livros de Filosofia
Baixar livros de Física
Baixar livros de Geociências
Baixar livros de Geografia
Baixar livros de História
Baixar livros de Línguas

Baixar livros de Literatura
Baixar livros de Literatura de Cordel
Baixar livros de Literatura Infantil
Baixar livros de Matemática
Baixar livros de Medicina
Baixar livros de Medicina Veterinária
Baixar livros de Meio Ambiente
Baixar livros de Meteorologia
Baixar Monografias e TCC
Baixar livros Multidisciplinar
Baixar livros de Música
Baixar livros de Psicologia
Baixar livros de Química
Baixar livros de Saúde Coletiva
Baixar livros de Serviço Social
Baixar livros de Sociologia
Baixar livros de Teologia
Baixar livros de Trabalho
Baixar livros de Turismo
 
 