Navegación de un robot móvil de configuración diferencial basada en fusión sensorial

Abstract

Uno de los aspectos esenciales en la robótica móvil es la obtención y procesamiento de la información relativa a la localización del robot en el espacio de movimiento con el fin utilizarla para generar los movimientos deseados del robot. Para esto se busca utilizar la mayor cantidad posible de fuentes de información con el fin de corregir los errores de posición asociados a la presencia de ruido en las mediciones del robot. La fusión de toda esta información en una sola medida que pueda ser utilizada en el control de robot es tema central del presente trabajo en el cual se expone la implementación de una fusión de distintos datos provenientes de sensores para mejorar la navegación en robots móviles con recursos de computación limitados. Para ello, se hace una revisión de las técnicas existentes para la fusión de datos, poniendo especial interés en las correspondientes a filtros de Kalman. Se implementaron y probaron distintos esquemas de fusión de sensores utilizando información proveniente de sensores inerciales comunes de un robot en configuración diferencial (acelerómetros, giroscopios, brújula y encoders). Estas pruebas permitieron obtener el método de fusión de sensores propuesto, el que utiliza un filtro de Kalman junto con la información de un modelo local del robot móvil (modelo dinámico con descomposición por partículas inerciales junto con el modelo cinemático) de un robot móvil diferencial y la información de uno o varios sensores inerciales (según la plataforma). Este método propuesto es muy eficiente en términos de utilización de recursos lo cual permite su implementación en robots con recursos limitados. Además su desempeño es comparable a los esquemas de fusión más complejos que utilizan un modelo no lineal y los filtros de Kalman Extendidos y Unscented tal y como se muestra en los resultados obtenidos. El esquema propuesto se probó ampliamente en distintas plataformas como el robot e-puck, el sensor inercial industrial IG500 y principalmente utilizando el robot móvil LEGO NXT debido a su capacidad de utilizar distintos sensores inerciales, todo esto con el fin de comprobar el buen desempeño del método propuesto.