Localización de robots móviles de recursos limitados basada en fusión sensorial por eventos

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 esta información es tema central de la tesis en la cual se exponen distintos algoritmos de fusión, desarrollados específicamente para robots móviles con recursos de computación limitados. Utilizando modelos dinámicos en conjunto con técnicas de fusión basadas en filtro de Kalman se realiza una estimación local de la posición utilizando sensores inerciales. Esta estimación se fusiona mediante un filtro de Kalman con información de un sensor global y una corrección basada en eventos. Esta combinación de filtros en cascada con corrección basada en eventos es el principal aporte de la presente tesis. Esta solución al problema de localización permite una precisión similar pero un coste computacional menor a esquemas más complejos de fusión, lo que permite su implementación en robots de recursos limitados. El esquema propuesto se extiende para permitir la localización cooperativa de grupos de robots, modificando la actualización por eventos para incorporar la fusión de la posición de distintos robots cercanos entre si. Para esto se determina la posición entre los robots y se utiliza un sistema de comunicación y gestión basada en agentes. Este método permite realizar una fusión sensorial inteligente, tomando en cuenta únicamente la información de posición más fiable para actualizar al grupo de robots, lo que nuevamente reduce el costo computacional de la solución sin repercusiones considerables en la precisión de la localización. Los algoritmos propuestos son probados extensivamente mediante simulación y en distintas plataformas, principalmente en el LEGO NXT. Se presentan además ejecuciones de tiempo extendido que comprueban la estabilidad y robustez del método en largas distancias.