Robotics and eSafety Research Group

En esta tesis se aborda el diseño y desarrollo de un sistema de navegación global para robots móviles en entornos interiores. La arquitectura propuesta está destinada al guiado de robots de asistencia personal en hospitales, residencias para mayores o casas particulares. Esta aplicación requiere un sistema de navegación robusto, capaz de funcionar de forma autónoma durante largos periodos de tiempo y fácil de instalar en nuevos entornos de trabajo. El sistema desarrollado, basado en una representación topológica y probabilística de entornos estructurados en habitaciones y pasillos, utiliza un Proceso de Decisión de Markov Parcialmente Observable (POMDP) como modelo de razonamiento. Como elementos básicos de dicho modelo se han implementado un conjunto de comportamientos de navegación local y rutinas de interpretación del entorno. Además de los sensores de proximidad utilizados en trabajos previos similares, en esta tesis se incorpora al modelo de Markov información visual obtenida de una cámara CCD. Esto permite robustecer la detección de las transiciones de estado y reducir el solapamiento perceptual de las observaciones, mejorando considerablemente los resultados del sistema de navegación. El sistema propuesto está formado por tres módulos principales, todos ellos integrados dentro del marco probabilístico del POMDP: º Sistema de Localización. Este sistema utiliza un estimador de estados basado en el Método de Localización de Markov para mantener una distribución de probabilidad sobre los posibles nodos del grafo topológico en los que puede ubicarse el robot. De esta forma es posible localizar globalmente el robot con posición inicial desconocida, utilizando marcas naturales e indistinguibles del entorno (puertas y rectas de fuga) detectadas mediante ultrasonidos y visión. Se demuestra que la incorporación de información visual robustece y acelera la localización global durante el desplazamiento por los pasillos. º Sistema de Planificación. Para este sistema se ha propuesto una arquitectura basada en dos niveles de decisión. El nivel inferior es una política local de asignación de acciones que se calcula en función de varios objetivos de planificación, como son el guiado hacia habitaciones de destino y la reducción de la incertidumbre sobre la posición. El nivel superior es una política global, que incorpora en la decisión final la incertidumbre sobre la localización del robot, utilizado varios métodos heurísticos de resolución de POMDPs. Se demuestra que esta arquitectura mejora los resultados de planificación en entornos altamente simétricos, puesto que permite dirigir el robot hacia zonas con mayor información sensorial cuando la incertidumbre sobre la localización es elevada. º Sistema de Aprendizaje. Este módulo ajusta de forma automática los parámetros del modelo de Markov de un nuevo entorno, facilitando de este modo la instalación del robot en nuevos espacios de movimiento. Para ello se propone una modificación del algoritmo Baum-Welch, que aprovechando la topología propia del modelo de Markov e introduciendo Puntos de Certidumbre mediante supervisión del proceso de exploración, permite mejorar la convergencia del algoritmo con menor número de datos de entrenamiento. Para validar el sistema de navegación se ha diseñado una plataforma de desarrollo que incluye un simulador y un prototipo real que utilizan los mismos programas de control. El simulador incorpora un generador de imágenes virtuales, lo que completa su funcionalidad frente a otros simuladores comerciales. El prototipo real es un robot para aplicaciones asistenciales, al que se han añadido varios interfaces usuario-máquina diseñados para la generación de comandos de alto nivel. El sistema final es capaz de navegar autónomamente hacia las habitaciones de destino indicadas por el usuario, recuperándose ante posibles fallos de localización y ofreciendo una solución robusta a la aplicación planteada.