Third part of a spanish intro pre-grad. course of Mobile Robotics. en esta parte tratase de: Integración Sensorial (o Fusi;on Sensorial), Como hacer, Enfoques, Proyectos de los sensores, Modelado de los sensores (teorema De Bayes), Elipsóides de Incertidumbres, - Material de 2009 (Carreta de Ingenieria Eléctrica - Pontificia Universidad Católica de Valparaiso - Chile - 2009).

1. Introducción a la
Robótica Móvil
Prof. Dr.Eng. Fernando Passold

2. Introducción a la Robótica Móvil
Sumario
6. Modelaje del Entorno
1. Tipos de Robots Definición
Diferencia robot manipulador x Robot Móvil; Uso de landmarks
Características do robot móvil; Descomposición geométrica del entorno
Fusión geométrica o "map building"
2. Aplicaciones de robots móviles Formas de modelaje del entorno
3. Robots móviles terrestres 7. Arquitecturas de Robots Móviles
Tipos de tracción para robots móviles terrestres; Reactivas
Por planeamiento (Deliberativas)
4. Sensores Basado en Comportamiento
Tipos de Sensores; Descomposición Funcional del Sistema de
Fuentes de Errores Control
Actividades del Control por Comportamiento
5. Integración (o Fusión) Sensorial Arquitecturas híbridas
Definición Ejemplos de Arquitecturas de Controle
Formas de Integración Sensorial 8. Tendencias Futuras:
Enfoques para Integración Sensorial
Otros métodos
Bibliografía
Proyecto de los Sensores utilizados
Bibliografía Recomendada
Especificación Lógica de Sensores Codec MPEG4:
Quick
Modelaje de los Sensores
Time
MPEG2 Video Decoder:
Introducción a la Robótica Móvil 2

3. Introducción a la Robótica Móvil
Bibliografía recomendada
[Torres, 2002] Torres, Ferando; Pomares, Jorge; Gil, Pablo; Puente, Santiago T.; Aracil,
Rafael; Robots y Sistemas Sensoriales, Pearson Educación, Madrid, p. 480,
2002.
[Siegwart, 2004] Siegwart, Roland and Nourbakshsh; Introduction to Autonomous Mobile
Robots, Bradford Books/The MIT Press, Massachusetts, p. 321, 2004.
http://www.mobilerobots.org
[Thurn, 2006] Thurn, Sebastian; Burgard, Wolfram; Fox, Dieter; Probabilistic Robotics,
The MIT Press, Massachusetts, p. 647, 2006.
[Murphy, 2000] Murphy, Robin R.; Introduction to AI Robotics; Bradford Books/The MIT
Press, Massachusetts, p. 466, 2000
[Siciliano, 2008] Siciliano, Bruno; Khatib, Oussama (eds.), Springer Handbook of Robotics,
Springer, p. 1591, 2008.
[Borenstein, 1996] J. Borenstein, J.; Everett, H. R., and Feng, L., Where am I? ‐ Systems and
Methods for Mobile Robot Positioning, p. 282, 1996.
http://www‐personal.umich.edu/~johannb/position.htm
http://www‐personal.umich.edu/~johannb/shared/pos96rep.pdf (12,5 Mb ‐
Disponible en May/2009)
Introducción a la Robótica Móvil 3

4. Fusión
ió
5. Integración Sensorial
Definición: Consiste en la utilización de información proveniente de varios
sensores para actualizar un modelo del entorno del robot con la
meta de realizar alguna tarea.
Planeamiento de Integración
Tareas Sensorial
• Integración multi-sensorial: uso
Modelo del de información de varios
entorno sensores para construir un
modelo apropiado del mundo
⇒ Subproductos: - calibración de sensores;
para un determinado fin.
- reducción de errores;
- protección contra fallas;
Integración Sensorial ⇒ Gerencia información ⇒ sensoriamento activo
Introducción a la Robótica Móvil 4

5. 5. Integración Sensorial
Formas de Integración Sensorial:
⊕ Integración Competitiva: dos o mas sensores generan información del
mismo tipo sobre las mismas características de un objeto.
⊗ Integración Complementar: los sensores generan informaciones de
diferentes características (o de diferentes objetos); si obtiene información
por partes que se complementan entre si.
∅ Integración Cooperativa: la información deseada no puede ser obtenida
usando‐se solamente un sensor (información híbrida); típico cuando si
utiliza información de un sensor para encaminar un otro.
Introducción a la Robótica Móvil 5

6. 5. Integración Sensorial
Formas de Integración Sensorial −
Ejemplo:
Introducción a la Robótica Móvil 6

7. 5. Integración Sensorial
Enfoques para integración sensorial
Estático: información captada en un único instante de tempo (una muestra).
Dinámico: evolución de la información en tiempo (serie de muestras).
Ref: http://www.cs.washington.edu/ai/Mobile_Robotics/projects/
(figura asociad a “People Tracking”)
Introducción a la Robótica Móvil 7

8. 5. Integración Sensorial
Enfoques para integración sensorial
Estático: información capturada en un único instante de tempo (una muestra).
Dinámico: evolución de la información en el tiempo (serie de tomas).
Simultaneo: todos los sensores al mismo tiempo.
Secuencial: uso de sensores de forma secuencial
(normalmente exige conocimiento previo del medio).
Introducción a la Robótica Móvil 8

9. 5. Integración Sensorial
Enfoques para integración sensorial
Estático: información capturada en un único instante de tempo (una muestra).
Dinámico: evolución de la información en el tiempo (serie de tomas).
Simultaneo: todos los sensores al mismo tiempo.
Secuencial: uso de sensores de forma secuencial
(normalmente exige conocimiento previo del medio).
Ejemplo:
Un sensor de ultrasonido localiza un objeto
en el ambiente y en seguida un scanner à
láser hace el mapeo solamente el objeto
para procesar solo los dados adquiridos del
objeto.
Introducción a la Robótica Móvil 9

10. 5. Integración Sensorial
Enfoques para integración sensorial
Estático: información capturada en un único instante de tempo (una muestra).
Dinámico: evolución de la información en el tiempo (serie de tomas).
Simultaneo: todos los sensores al mismo tiempo.
Secuencial: uso de sensores de forma secuencial
(normalmente exige conocimiento previo del medio).
Método combinado:
Ej.: buscar la curvatura de un canto de
objeto usando visión y sensor de
proximidad.
Introducción a la Robótica Móvil 10

11. 5. Integración Sensorial
Enfoques para integración sensorial
Estático: información capturada en un único instante de tempo (una muestra).
Dinámico: evolución de la información en el tiempo (serie de tomas).
Simultaneo: todos los sensores al mismo tiempo.
Secuencial: uso de sensores de forma secuencial
(normalmente exige conocimiento previo del medio).
de Bajo Nivel: Combinación de información en las primeras etapas de su tratamiento.
Información cuantitativa.
Algoritmos dependen del sistema.
Introducción a la Robótica Móvil 11

12. 5. Integración Sensorial
Enfoques para integración sensorial
Estático: información capturada en un único instante de tempo (una muestra).
Dinámico: evolución de la información en el tiempo (serie de tomas).
Ejemplo: extraer
Ejemplo: extraer
Simultaneo: todos los sensores al mismo tiempo.
información simbólica
información simbólica
Secuencial: uso de sensores de forma secuencial
(normalmente exige conocimiento previo del medio).
des datos captados por
des datos captados por
los sensores. Esto
los sensores. Esto
de Bajo Nivel: permite llegar a
permite llegar a
Combinación de información en las primeras etapas de su tratamiento.
Información cuantitativa. deducciones del tipo:
deducciones del tipo:
Algoritmos dependen del sistema. 1) fueran detectadas unas
1) fueran detectadas unas
pocas caderas en una
pocas caderas en una
de Alto Nivel: la fusión si realiza a nivel del “conocimiento”. sala (hecho)
sala (hecho)
Métodos mas generales. 2) Si la sala é grande,
2) Si la sala é grande,
Información tratada de manera simbólica. ⇒ no es una sala de aula.
⇒ no es una sala de aula.
Introducción a la Robótica Móvil 12

13. 5. Integración Sensorial
Otros métodos:
1) Método del
promedio ponderado → Uso de promedios y analices estadísticas.
2) Método basado en decisión → si selecciona el sensor + confiable.
Uso de una medida de “confianza” para
seleccionar un valor dentro de varias mediciones.
3) Método direccional → usa valores generados por un sensor para guiar la
adquisición y tratamiento + preciso (del entorno)
mediante otro sensor. El refinamiento de la
información es progresivo.
Ej.: e‐puck.mpg
Introducción a la Robótica Móvil 13

14. 5. Integración Sensorial
Proyecto de los Sensores usados:
→ Factores involucrados:
⊗ Complexidad de los dispositivos número de elementos;
⊕ Errores de observación (medidas) contribución de cada uno;
incertidumbre de cada uno.
∅ Disparidad de observación
Múltiplos pontos de observación Ej1: Escoger un sensor CCD de 500
o 1000 dpi!?
Ej2: Trabajar con un encoder que
genera 500 o 1000 impulsos
por vuelta?
Introducción a la Robótica Móvil 14

15. 5. Integración Sensorial
Proyecto de los Sensores usados:
→ Factores involucrados:
⊗ Complexidad de los dispositivos
⊕ Errores de observación (medidas) ruido (interferencias del medio);
∅ Disparidad de observación errores de posicionamiento,
alienación y calibración de los
Múltiplos pontos de observación sensores.
Ex.: medio con fuente de calor ×
sensores de IR del robot.
Introducción a la Robótica Móvil 15

16. 5. Integración Sensorial
Proyecto de los Sensores usados:
→ Factores involucrados:
⊗ Complexidad de los dispositivos
⊕ Errores de observación (medidas) Tipos de información;
Transformación de un tipo de
∅ Disparidad de observación
información en otro (para
Múltiplos pontos de observación poder comparar o
complementar info.)
Ej.: medición de presiones a través
de medidas de desplazamiento.
Introducción a la Robótica Móvil 16

17. 5. Integración Sensorial
Proyecto de los Sensores usados:
→ Factores involucrados:
⊗ Complexidad de los dispositivos Elementos de medición
distribuidos;
⊕ Errores de observación (medidas) Transferencia de información de
∅ Disparidad de observación un sistema a otro (transformación
de coordenadas).
Múltiplos pontos de observación Ej1: cinturón de sensores de
ultrasonido (cubriendo los 360o).
Ej2: sistemas multi‐cameras
2 ⇒ estéreo visión (noción de
profundidad, modelado 3D).
Introducción a la Robótica Móvil 17

18. 5. Integración Sensorial
• Visión Estéreo (Stereoscopy):
a b
A B A’ B’
( xl + xr ) / 2 ( yl + yr ) / 2
x=b y=b
xl − xr xl − xr
f
z =b
xl − xr
[Torres, 2002; Siegwart, 2004]
Introducción a la Robótica Móvil 18

19. 5. Integración Sensorial
• Visión Estéreo (Stereoscopy):
Sistema de visión estéreo del robot Robin de
la Universidad de Tübingen (Alemania) –
Depto. De Ciencia da Computación
[Ref: http://www‐ra.informatik.uni‐
tuebingen.de/forschung/service/welcome_e.
html ]
a b
A B A’ B’
a) visión lado izquierdo. b) visión lado derecho.
Ref. CMU ‐ 1977
Introducción a la Robótica Móvil 19

20. 5. Integración Sensorial
Especificación lógica de sensores:
Cada sensor se modela mediante:
• Nombre lógico; Vector de
Nombre lógico salida de Comandos
• Vector de salida; del sensor datos de controle
• Sub‐redes; Selector Control
interpretador de
• Seleccionador; Programa
...
Programa
comandos
1 n
• Intérprete de comandos.
. . .
Entradas Sensor Comandos para os
lógicas sensores lógicos
Introducción a la Robótica Móvil 20

21. 5. Integración Sensorial
• Modelado de los Sensores:
Cada sensor se modela teniendo‐se en cuenta:
– Modelo de observación: capacidad de obtener información;
– Modelo de estado: posición y estado interno de cada sensor.
– Modelo de dependencia: capacidad de interactuar y intercambiar inforación;
Introducción a la Robótica Móvil 21

22. Probability density functions…
5. Integración Sensorial
• Modelado de los Sensores:
– Modelo de observación: capacidad de
obtener información
⇒ Relacionado con la
precisión/capacidad del sensor:
Curva gaussiana
50%
1 ⎛ ( x − µ )2 ⎞
Rango de p ( x) = exp ⎜ − ⎟
2σ 2 ⎠
d
Mejor
medición σ 2π ⎝
rango de µ=valor promedio;
medición σ= desviación estándar (anchura de la curva);
σ2=variancia.
Introducción a la Robótica Móvil 22

23. 5. Integración Sensorial
• Modelado de los Sensores:
– Modelo de observación: capacidad de obtener información
⇒ Relacionado con la precisión/capacidad del sensor:
Curva gaussiana
50%
Cambio de precisión del sensor conforme faja
del valor sendo medido:
Rango de
d
medición
Mejor Rango
rango de útil
medición
Medida
5 10
del
sensor
Introducción a la Robótica Móvil 23

24. 5. Integración Sensorial
• Modelado de los Sensores:
– Modelo de observación: capacidad de obtener información
⇒ Relacionado con la precisión/capacidad del sensor:
Ejemplo: para un sensor CCD colorido: cual es la
probabilidad de un píxel ser realmente azul?
Introducción a la Robótica Móvil 24

25. 5. Integración Sensorial
• Modelado de los Sensores:
– Modelo de observación: capacidad de obtener información
– Modelo de estado: probabilidad del sensor obtener la medida zi dado
el estado actual do robot.
Ejemplo: un sensor de ultrasonido retorna un valor que está claramente fuera
de su rango de actuación.
Este valor debe de ser descartado.
Rango de operación del sensor
Introducción a la Robótica Móvil 25

26. 5. Integración Sensorial
• Modelado de los Sensores:
– Modelo de observación: capacidad de obtener información
– Modelo de estado: probabilidad del sensor obtener la medida zi dado el estado actual
do robot.
– Modelo de dependencia: si modela un conjunto de probabilidades
condicionadas (idea: confirmar valores medidos)
P(b1 ∧ b2 | a ) = P(b1 | a ) • P(b2 | a )
1) Modelo probabilístico: Enfoque + comun: método
Bayesiano:
Valor real: a
Ejemplo: P(b1 ∧ b2 | a ) = P(b1 | a ) ⋅ P(b2 | a ) = P(a | b1 ∧ b2 )
Info. Sensor 1: Info. Sensor 2:
P( x | y ) ⋅ P( y )
P( x | y ) = (Teorema de Bayes)
P(x )
Idea ⇒ obtener una curva de
b1=10 b2=15
probabilidades asociadas a valores reales
Cual es la medida correcta?
Introducción a la Robótica Móvil 26

27. 5. Integración Sensorial
• Modelado de los Sensores:
– Modelo de observación: capacidad de obtener información
– Modelo de estado: probabilidad del sensor obtener la medida zi dado el estado actual
do robot.
– Modelo de dependencia: si modela un conjunto de probabilidades
condicionadas (idea: confirmar valores medidos)
Idea ⇒ obtener una curva
de probabilidades
P(b1) P(b2) Pconjunto
asociadas a valores reales
Importancia ⇒ localización
de un objeto!
(“certidumbre” del objeto b1=10 b2=15
estar en el punto sensoriado)
Introducción a la Robótica Móvil 27

28. 5. Integración Sensorial
• Modelado de los Sensores:
– Modelo de observación: capacidad de obtener información
– Modelo de estado: probabilidad del sensor obtener la medida zi dado el estado actual
do robot.
– Modelo de dependencia: si modela un conjunto de probabilidades
condicionadas (idea: confirmar valores medidos)
y Objeto
Importancia ⇒ localización
de un objeto!
x
Probabilidad
Cono 3D “certeza” del
“Pista”: sabemos à priori
Pista y
objeto estar en
el error que puede estar este punto.
asociado a cada sensor.
x
Introducción a la Robótica Móvil 28

29. 5. Integración Sensorial
• Modelado de los Sensores:
⇒ Modelo final: elipsoides de incertidumbres:
elipsoides de incertidumbres
Trayectoria Elipsoides de error por
estimada por incertidumbres
el robot
Posición
inicial
Introducción a la Robótica Móvil 29

30. 5. Integración Sensorial
• Modelado de los Sensores:
⇒ Modelo final: elipsoides de incertidumbres:
elipsoides de incertidumbres
– La precisión de las medidas realizadas depende de diversos factores:
• distancia hasta el objeto;
• Sensor utilizado (IR, ultrasonido, microondas, láser, CCD, GPS);
• Ondulaciones del terreno;
• “Ruidos” generados por el entorno:
Ex.: calor × sensores IR, piernas de sillas × ultrasonido;
• Reflexión de señales causadas por la propia configuración geométrica del
medio.
Introducción a la Robótica Móvil 30

31. Pausa para café
Introducción a la Robótica Móvil 31

32. Introducción a la
Robótica Móvil
Prof. Dr.Eng.* Fernando Passold
*Dr. Eng: Universidad Federal de Santa Catarina (UFSC),
Dept. Automatización de Sistemas (DAS), Florianópolis,
Brasil;
Mr.Eng.: UFSC/Biomédica, Brasil