Modelado adaptativo del medio para la navegación de robots autónomos utilizando algoritmos basados en el centro de áreas

Resumen

El objetivo de esta tesis es desarrollar métodos para modelar el entorno de un robot, a fin de diseñar sus controles de movimiento para una navegación segura. Los entornos considerados en esta investigación son bidimensionales: el robot se mueve en un plano y percibe distancias en un plano paralelo al anterior. La idea básica para el desarrollo de los métodos es situar nuestro punto de vista en el área libre percibida por el robot, considerando los obstáculos que el robot encuentre como simples límites de esa área. Este punto de vista permite construir un primer modelo del entorno y un control de movimiento simples y efectivos. El modelo está constituido por las distancias medidas sin procesar. El control básico dirige al robot en cada momento hacia el centro del área libre percibida. Este centro será, por lo general, un punto alejado de obstáculos y, por lo tanto, generalmente será seguro dirigirse hacia él. En esta tesis se propone una solución, sencilla y efectiva, para los casos en los que dicho centro es inseguro, dividiendo el área percibida en dos partes y buscando en una de ellas un centro seguro. Ampliando el modelo del entorno con obstáculos virtuales puntuales (que provocan divisiones del área percibida cuando el robot se desvía de la dirección deseada) es posible dirigir al robot de una manera efectiva hacia objetivos. Se puede mejorar la navegación refinando el modelo del entorno, agrupando las medidas en segmentos de recta en lugar usar de medidas individuales. Por ello es conveniente investigar el problema de la obtención de segmentos, que denominaremos segmentación. Al estudiar los errores en las mediciones, conviene distinguir entre el error con respecto al modelo y el error propio del dispositivo. Tanto una pared lisa como un seto pueden ajustarse a un modelo de segmento recto, sin embargo el error de las mediciones realizadas sobre ellos, con respecto al segmento ideal que representan, variará considerablemente. A fin de obtener un modelado robusto del entorno que permita operar bajo condiciones de error variable, es necesario desarrollar un nuevo procedimiento de segmentación. La base del procedimiento de segmentación propuesto es el uso de filtros de Kalman con una formulación equivalente a la teoría de modelos de regresión clásica. Esta equivalencia proporciona un test de detección de valores atípicos (outliers), necesario para la localización de los extremos de los segmentos, y permite extender la formulación original al problema del error variable y a los modelos no lineales. La cuestión de la inicialización de los filtros de Kalman se resuelve encontrando zonas situadas en el interior de los segmentos, a partir de las cuales se obtiene una estimación inicial de los parámetros del segmento. Por otro lado, la búsqueda de estas zonas se realiza mediante el método de agrupación (clustering) conocido como scale-space. Este método ha sido adaptado al tipo de señal obtenido al efectuar mediciones radiales con condiciones cambiantes de ruido. Por último, la segmentación se usa para mejorar el método de navegación propuesto. En vez de utilizar un conjunto de medidas individuales con ruido, el modelo del entorno se construye a partir de un conjunto de puntos distintivos en el mismo, entre los que pueden estar los potencialmente peligrosos para la navegación. Con esta información la partición del área libre percibida, motivada por obstáculos o para alcanzar un objetivo, se realiza de forma más segura y eficiente.