Examinando por Materia "Robot móvil"
Mostrando 1 - 4 de 4
Resultados por página
Opciones de ordenación
Publicación Acceso abierto Comparación del Desempeño de Dos Estrategias de Seguimiento de Trayectoria Para la Navegación Autónoma de un Robot Móvil Diferencial(Universidad EIA, 2014) Henao Rincón , José Daniel; Ortiz Marín, Cristian Camilo; Mechbal, NazihEl presente trabajo consiste en el desarrollo, implementación y comparación del desempeño de dos estrategias de seguimiento de trayectoria para un robot móvil diferencial. La motivación para esta investigación surge debido a que la planificación y seguimiento de trayectorias de manera autónoma en diferentes entornos por parte de un robot móvil representa uno de los enfoques más importantes de las investigaciones en torno a la navegación de este tipo de vehículos. Desde la perspectiva del control tradicional se ha intentado resolver el problema de seguimiento de una trayectoria por diferentes métodos, pero la peculiar naturaleza cinemática no holonómica de las diferentes configuraciones de robots móviles resulta en la inaccesibilidad de una realimentación suficientemente estable para una postura dada, lo anterior, se resume básicamente en estar enfrentando a un sistema con características de no linealidad. Como alternativa de solución, las Redes Neuronales Artificiales (RNA) han resultado ser efectivas para lograr el control del movimiento de robots móviles debido a su capacidad de producir buenos modelos para sistemas no lineales, su estructura plana y altamente distribuida hace los esquemas de control neuronal más rápidos que los algoritmos tradicionales y finalmente, su capacidad algorítmica de adaptación ante cambios en el comportamiento de un proceso real. Se abordó el problema de control de seguimiento de trayectoria para un robot móvil diferencial desde las perspectivas mencionadas anteriormente, las cuales requerían para la aplicación de la señal de control la estimación exacta de la posición, esta fue calculada mediante un algoritmo de Filtro de Kalman Extendido. Para cada una de los controladores se procede al entendimiento de sus fundamentos matemáticos y se realiza la programación e implementación de los algoritmos en la plataforma de software seleccionada y por último, se finaliza con la evaluación del desempeño de cada una de las estrategias teniendo en cuenta la exactitud y el tiempo de ejecución utilizado para realizar la trayectoria completa. Se obtienen dos estrategias de seguimiento de trayectoria, las cuales son efectivas en el control de seguimiento de una trayectoria para un robot móvil diferencial bajo diferentes escenarios de geometría de la trayectoria y velocidad del vehículo.Publicación Acceso abierto Navegación Autónoma de un Robot Móvil Usando Filtro de Partículas en la Etapa de Localización(Universidad EIA, 2016) Cárdenas Cartagena, Juan DiegoEste trabajo consiste en el desarrollo e implementación de una estrategia de navegación autónoma para robots móviles de locomoción diferencial, en donde se tuvo en cuenta una etapa de planificación de rutas, control de posición, estimación de estado y sensado de ambiente. Esta estrategia de navegación se implementó en un robot iRobot Create ® de IRobot ®, con modificaciones realizadas por Quanser, del cual se destacan los cinco sensores de dis tancia infrarrojos distribuidos a 45º el uno del otro, un computador Gumstix y dos motores DC con su respectivo enconder en cada llanta. La principal característica de esta estrategia de navegación implementada en el desarrollo de este trabajo, es el uso del algoritmo de filtro de partículas en la etapa de estimación de estados, debido a la no linealidad del sistema propuesto. Este algoritmo se basa en la generación aleatoria de partículas que representan estados artificiales que intentan emular la posición del robot. Cada una de estas partículas es eva luada en el sistema del robot diferencial, y seguido a esto, se provee al algoritmo con las medidas de los sensores de distancia del robot, las cuales se comparan con cada una de las partículas, asignándoles un peso acorde con la similitud de las medidas reales con las artificiales; posteriormente, se entra a una etapa de actualización en donde se descartan las partículas de bajo peso, y se resaltan las demás según su importancia. Por último, para estimar la posición, se usan las partículas actualizadas con sus respectivos pesos. Así pues, este trabajo se desarrolló con el fin de explorar los alcances de la formulación bayesiana, vista en el algoritmo de filtro de partículas, como estimador de posición en un robot móvil.Publicación Acceso abierto Sistema de navegación autónomo guiado mediante generación de trayectorias para un robot móvil en entorno controlado(Universidad EIA, 2020) Giraldo Paniagua, Kevin Estiven; Jiménez Salazar, Santiago; Moreno Hincapié, Gustavo AndrésRESUMEN: Se realizó la segmentación y comparación mediante pruebas de laboratorio, de diferentes algoritmos de planificación de trayectoria en la plataforma seleccionada, permitiendo la autonomía en la navegación de robots móviles. Se identificaron necesidades y requerimientos de profesores de la Universidad EIA y de un agente externo, que hace parte de la célula de innovación SAMCO-EIA y del proyecto de investigación sistema de generación de trayectorias con odometría visual (SIGTROV), en representación del sector privado colombiano, a partir de esto, se desarrolló la metodología de diseño mecatrónico de Michael French, hasta la etapa de selección en donde en lugar de construir un robot móvil se decidió por el uso de la Turtlebot 2 de la empresa Yujin robot. Los algoritmos utilizados en la comparación representan cada una de las clases (tiempo mínimo de planificación, recorrido mínimo, energía en función de la cinemática y bio-inspirados) que dio como resultado la segmentación de estos. En esta comparación se consideraron seis diferentes combinaciones de algoritmos de planificación de trayectoria y tres criterios de desempeño, los cuales fueron: distancia, tiempo y energía. Los valores de distancia, tiempo y energía obtenidos en los experimentos fueron utilizados para calcular un criterio de manera global, este criterio permitió identificar el algoritmo de planificación local que mejor se desempeñó en la prueba, que fue también el mejor en cada uno de los criterios. Asimismo, se realizó la simulación de robots multi-agentes, esta consistió en la programación de diferentes sensores exteroceptivos para cada robot, y, de esta manera poder detectar obstáculos dinámicos, del mismo modo, previendo los percances con relación al ancho de banda que acompaña la utilización de un mayor número de robots, se realizó la simulación de un manejo adecuado del ancho de banda en ROS.Publicación Acceso abierto Sistema Multi-Agente de Robots Móviles para Entornos Industriales Estructurados(Universidad EIA, 2018) Suarez Pérez, Daniel AlejandroEste trabajo consiste en el desarrollo y puesta a prueba de un sistema multi-agente de navegaci´on en entornos estructurados para robots de movimiento diferencial. Para el desarrollo del mismo, se ejecutaron tres etapas: planeaci´on de trayectorias por parte de un agente central, seguimiento de trayectorias de los agentes perif´ericos y control de posici´on. La planeaci´on se llev´o a cabo con ayuda del software MATLAB con licencia institucional, el cual se conect´o con el software Stage para simulaci´on cinem´atica soportado sobre los t´opicos de R.O.S. (Sistema Operativo para Robots). Para la evaluaci´on se utiliz´o un kit de desarrollo Lego R Mindstorms R NXT 2.0 en configuraci´on de movimiento diferencial, es decir, con dos ruedas de tracci´on y una rueda libre de apoyo y estabilidad. El sistema se caracteriza principalmente por tener un agente central que se encarga´ıntegramente de la planeaci´on de trayectorias a partir de las posiciones de los agentes perif´ericos, los objetivos y los obst´aculos. Tambi´en analiza, durante la etapa de planeaci´on, si el agente perif´erico tiene la capacidad de recorrer el espacio establecido y para esto se basa en las dimensiones tanto del agente como de los obst´aculos. Para la validaci´on de las trayectorias se realiz´o un conjunto de pruebas que buscaban verificar las diferentes condiciones a las que se somete el control de posici´on-velocidad. Para obtener los datos de comprobaci´on se ubic´o un marcador de color en el robot f´ısico y se realiz´o el seguimiento de patrones por visi´on artificial de la herramienta de uso gratuito Tracker. El sistema que se desarroll´o de la forma antes descrita alcanz´o los objetivos propuestos.