Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Contenidos
Contenido
I. Introduccin
II. Robots con ruedas
1. Modelos e Identificacin
2. Controles bsicos (p
(postura, trayectoria,
y
caminos, evasin))
3. Compensacin dinmica, control adaptable
4. Controles especiales: control en pasillos
5. Objetivos complejos: control hbrido
6 Control de manipuladores mviles
6.
7. Control coordinado (seguidor, colaborativo, formacin)
8 SLAM
8.
9. Aplicaciones (robtica de asistencia, robtica agrcola)
Contenidos
Contenido (cont.)
(cont )
III. Control de robots areos
1 Modelos
2 Control basado en Lyapunov
3 Control de dinmica inversa
I. INTRODUCCIN
ROBOTS MVILES
I INTRODUCCIN
I.
Introduccin
Robtica
Mecnica
Electrnica
Robtica
Informtica
Control
Introduccin
Clasificacin
Robots Manipuladores
Robtica
Robots Mviles
M i l d
Manipuladores
Mviles
M il
Introduccin
Definiciones
Robtica:
Es la conexin inteligente
g
entre percepcin
p
p
y accin (Brady,
(
y 1985).
)
Manipuladores:
DRobot Institute of America: Un robot es un manipulador reprogramable
multifuncional
l if
i
l diseado
di d para mover materiales,
i l
piezas
i
o dispositivos
di
ii
especializados a travs de movimientos programados variables para la
realizacin de una diversidad de tareas (Schlussel, 1985).
DJapn:
J Cualquier
C l i dispositivo
di
iti que reemplaza
l
ell trabajo
t b j humano
h
(Sosoka, 1985).
Robot mvil:
D Cualquier robot que posee movilidad con respecto al medio
D Cualquier sistema el cual es:
mvil - todo el sistema se desplaza con respecto al ambiente.
autnomo - limitada interaccin con el hombre.
inteligente - sensa y reacciona a su entorno.
Introduccin
TAREAS ROBOTICAS
Robots Industriales
Robots de Servicios
Robots de
Entretenimientos
Introduccin
Antecedentes
histricos
En las decadas de 60
60 y 70
70 se
realizan investigaciones en robot con
sensores externos.
Introduccin
Imitacin de
Humanos y
Animales
Manufactura,
Paletizado
Paletizado,
Agricultura, etc
Aplicaciones
Prcticas
Aplicaciones
Industriales
Aplicaciones
Espaciales
Servicios
Insectos
Aplicaciones
Mdicas
Humanoides
Introduccin
Estadsticas
Robots industriales
Introduccin
Estadsticas
Robots de servicios
Estructuras cinemticas
Estructuras
RoboMow
cegadora
autnoma
Robot militar
autnomo
Aspiradora robotizada
Minihelicptero autnomo
Estacionamiento urbano
RoboCup Humanoides
Modelos
Modelos
Modelo cinemtico
Robot tipo uniciclo
x& = u cos
y& = u sin
& =
Estados: x, y ,
Entradas:
u,
Restriccin no holonmica:
Modelos
Modelo
M d l dinmico
di i
Estados
X = [x
Entradas = [F
0
x& u cos 0
y& u sin 0
0
F
&= + 0
0
&
1/
m
0
u
0
& 0 0 1/ Iz
u
X& = f ( X ) + g
m: masa del
d l robot
b t mvil
il
Iz: momento de inercia del robot sobre el eje z en el punto (x,y)
F: fuerza aplicada al robot en el punto (x
(x,y)
y)
: torque aplicado al robot en el punto (x,y)
Modelos
Suposiciones:
Centro de masa est ubicado en el punto (x,y)
Las ruedas no ofrecen resistencia de friccin ni tienen inercia
No se consideran los deslizamientos de las ruedas ni fuerzas externas.
Modelos
x u
x
Fcy
Frlx
Fey
Frly
b
Fcx
E Fex
e
Frrx
Frry
x
u = mr 2 + 2Ie ;
u =
u cos a sin 0
x& u sin + a cos 0
y&
0
& =
mbr 2 2
+ 2r
&
u
u
u
&
2bmr 2
0
u
1
( l + r ) ;
2
0
x
0
0
y
u
+ 0
0
2rd
= Ie d 2 + 2r 2 I z + mb 2
1
( r l )
2
Modelos
Vector de estados: X = [ x y u ]
V
Vector
de
d entradas:
d
= [ u
T
Vector de variables no medidas: = u s urs uls u& s u& rs u& ls Fcx ' Fcy ' Fex ' Fey ' e
u s velocidad
l id d d
de d
deslizamiento
li
i t llateral
t ld
de lla rueda
d
izquierda respectivamente
respectivamente.
Vector de incertidumbres: x y 0 u
x = u s sin
y = u s cos
u =
1
mr 2 u s + r 2 ( Fcx ' + Fex ' ) Be 2u + uls + urs Ie u&ls + u& rs
u
1
Be d 2 Be d uls urs Ie d u&ls u& rs 2mbr 2u& s +
2r 2
( b + e ) Fey ' + ( a + b ) Fcy ' + e )
(
))
Modelos
Modelo de estados:
X& = f ( X ) + g + ( X , )
Si =0
0
( X , ) =0
0
Modelos
Modelo dinmico con entradas de velocidades
u cos a sin 0
& = 03 2 04
+ 1
u
&
0
0
0
u
1
1
1
&
05
06
Dinmica
0
0
0
2
2
Vector de estados: X = [ x
Vector de entrada: = [uref
0
Incertidumbres
x
0
0
y
uref
+ 0
0 ref
1
02
Entradas
ref ]
Vector de incertidumbres: x
0 u
( )
Modelos
Parmetros:
R
R
03 = a mbRt / ( 2kPT )
ka
04 =
Ra ka kb
+ Be / ( rkPT ) + 1
ka Ra
05 =
06 =
))
Ra
b t / (d
dkPR )
mbR
ka
Ra ka kb
+ Be d / ( 2rkPR ) + 1
ka Ra
R
2
R
rI
2
R
r
I
d
Ie d
t e
t
e
= a
Iz + mb 2 kDR ka
d
+
+
2Rt r
Ie d
Rt RaIe
Variables no medidas:
T
s
s
s
s
s
s
&
&
&
y = u s cos
x = u s sin
Identificacin
Identificacin del modelo dinmico:
u cos a sin 0
x& u sin + a cos 0
y&
0
& = 03 2 04
+ 1
u
&
0
0
0
u
1
1
1
&
05
06
0
0
0
2
2
y
uref
+ 0
0 ref
1
02
0
0
0
03 2 04
u
+
u
0
reff
10
10
u& 1
+ u
=
& 0
5
06
1
0 u 0 + 0 ref
2
2
2
=
ref
&
0
0 0 u
14444
{
4244444
3
Y
0 = 10
02
03
04
50
06
T 0 = Y
Identificacin
Filtrar con f ( s ) = / ( s + ) , donde > 0 para evitar estimar u& , &
TF0 = YF
s
s + u
TF =
0
2
s+
s+
u
s+
u
s+
s +
0
Tomando q mediciones:
TFP
TF 1 ( 0 )
T ( q )
= F1
;
T
0
F 2 ( )
:
T
q
(
)
F 2
YFP
YF 1 ( 0 )
Y ( q )
= F1
YF 2 ( 0 )
:
Y
q
(
)
F 2
)
= TFP T TFP
TFP 0 = YFP
-1
TFP T YFP
u
ref
s +
YF =
ref
s +
Modelo tipo
p auto
Modelo Ackerman (automvil)
(
)
R d
Reduccin
i a modelo
d l bi
bicicleta
i l t
Modelo tipo
p auto
Modelo cartesiano
Estados
[ xc
Entradas
[v ]
Restriccin no holonmica
& r = v; r tg = L
yc ]
Controles bsicos
Controles bsicos de robots mviles
Objetivo de control:
Control de p
postura: posicin-orientacin
p
((regulacin)
g
)
Control de postura
p
Control
de Postura
e& = u. cos
sen
&
= + u
e
sen
& = u
e
Vector de estados: (e
)T
Control de postura
p
Estructura de control
xd
x
_
Cartesiano
a polar
e,,
Controlador
de posicin
xc
V (e, ) = V1 + V2 =
V& = e e& + &
1 2 1 2
e + ,
2
2
sen
&
V = e(u cos ) + ( + u
) = V&1 + V&2
e
u,
Modelo
Cartesiano
xc
Control de postura
p
V&1
u = e cos , > 0
R
Resulta
lt
sen
&
V2 = ( + u
) = ( + sen cos )
e
V& = e 2 cos 2 k 2
e(t ), (t ) 0 con t
Control de postura
p
Para evitar saturacin de actuadores:
u = tanh e cos
= k +
> 0
tanhe
sin cos
e
= u max
max = k + 0,5
Ob
Observaciones:
i
Presenta singularidad en el punto de error cero (detener en un entorno)
exhibe
hib b
buen comportamiento,
t i t
(t ) constante
2
tanh e sin
= k + r +
cos
tanh e
+
sin cos
e
>0
Seguimiento
g
de trayectoria
y
Seguimiento de trayectoria
Considerando un robot virtual de referencia:
x&r = ur cos r
y& r = ur sen r
& = r
Suposicin:
lim ur (t ) 0
Problema de seguimiento: X = ( x
y )
( X r (t ) X (t ) ) 0
e1 cos
e = e2 = sen
e 0
3
sen
cos
0
0 xr x
0 yr y
1 r
Seguimiento
g
de trayectoria
y
Ecuaciones del error de seguimiento
Variables de control auxiliares
1 = u + ur cos e3
2 = r
Derivando e, resulta
e&1 0 0 e1 0
1 0
&e = e&2 = 0 0 e2 + sen e3 ur + 0 0 1
e& 0 0 0 e 0
0 1 2
3
3
Ley de control
1 = k1e1
sen e3
e2 k3e3
2 = k 2u r
e3
ki > 0
Seguimiento
g
de trayectoria
y
Estabilidad
k 2 2 2 e32
V (e) = (e1 + e2 ) +
2
2
e1 (t ), e3 (t ) 0
e2 (t ) 0 .
Seguimiento
g
de trayectoria
y
De las ecuaciones del error:
e&3 = k 2ur e2
sen e3
sen e3
k3e3 = k 2ur e2
+ (t )
e3
e3
(t ) 0
Tambin, como u r (t )e3 (t ) 0 y
sen e3
d 2
3
(u r e3 ) = k 2ur e2
+ (t )
dt
e3
Aplicando Barbalat a
d 2
(u r e3 )
dt
k 2ur3e2
sen e3
(t ) 0
e3
e2 (t ) 0
Seguimiento
g
de trayectoria
y
Seguimiento
de trayectoria
x& cr = x& d + K (~
x )~
x
~
x = x x
d
x& cr = u r r
k
~
K( x) = diag
xi
a + ~
k = umax x& d
max
1 ~T ~
x x
2
V& = ~
x T (K(~
x)~
x ) = ~
x T K(~
x)~
x<0
V=
Seguimiento
g
de trayectoria
y
u = ur cos~
2 ~
= & r + k 2 tanh
k2
(t ) 0
1 ~T~
V= x x
2
V& = ~
x T K(~
x)~
x+~
x T
~
x& + K( ~
x )~
x = (t )
k
2
~
~
x
>
x
~
a+ x
x >a
(k ) ~
a
~
x >
, sii k > o se verif.
if en t finito
fi i
k
Si 0, ~
x(t) 0 pues la condicin tiende a cumplirse para todo ~
x.
Seguimiento
g
de trayectoria
y
Experimentacin
0.2
0.4
0.3
0.1
0.2
0.1
Y [m]
0.05
0.1
50
100
150
0.2
200
250
300
350
ThetaTilde
1
0.3
0.5
0.4
0.5
0.5
0.4
0.3
0.2
0.1
0
X [m]
0.1
0.2
0.3
0.4
0.5
0.5
1.5
50
100
150
200
250
300
350
Seguimiento
g
de caminos
Seguimiento de caminos (path following)
Variables de estado
T
X = (s l ~ )
~ = r
Ecuaciones cinemticas
s& = u cos~
1
1 c( s )l
l& = u sen~
~& = u cos~
c( s)
1 c( s )l
c( s ) : curvatura de S en M
~ (t ) 0
Seguimiento
g
de caminos
Variable de control auxiliar
c( s )
~
= u cos
1 c( s )l
Las ecuaciones cinemticas pueden escribirse
s& = u cos~
1
1 c( s )l
l& = u sen~
~& =
Ley de control
Suposicin
u0
sen~
= k1ul ~ k 2~
Seguimiento
g
de caminos
Prueba de estabilidad
sen~
= k1ul ~ k 2~
~ 2
l
V = k1 +
2
2
V& = k ll& +~~& = k l sen~ u + ~
1
= k 2~ 2 l ,~ acotados
V& uniformemente continua y de integral temporal finita (Barbalat)
V& (t ) 0
Entonces
~ (t ) 0
~
~
sen
sen
~& = = k1ul ~ k 2~ = k1ul ~ + (t )
(t ) 0
Seguimiento
g
de caminos
Tambin, como u~ (t ) 0 y
u&
es acotado
~
d 2~
3 sen
(u ) = k1u l ~ + (t )
dt
Aplicando Barbalat a
sen~
k1u l ~ 0
d 2~
(u ) y recordando que u 0
dt
l (t ) 0
Evasin de obstculos
Evasin de obstculos
f (t ) = a b.( d (t ) d min ) n
Zona de
repulsin
dmax
dmin
fr
ft
f
= xa sign( f r )
f r = f sin( )
cos
x& d =
sin
sin
x& d
cos
Compensacin
p
dinmica
Seguimiento de trayectoria
Usando el modelo dinmico simple
0
&
cos
x
u
y& u sin 0
0
&
= + 1
&
0
u
m
& 0 0
0
0
0 f
0
1
j
El punto
t de
d iinters
t es h
h1 x
cos
h = y + L sin
i
2
x& = f(x) + g
h = h(x)
&h = cos
sin
2
L sin
i u
m1 cos
L
sin
cos
&& =
h
+ 1 sin
2
L cos
u cos L sin m
Lj sin
i f
L
cos
j
Compensacin
p
dinmica
Se define el mapa y su inversa:
h1 x + L cos
h
y
L
sin
+
2
&
z = (x) = h1 = u cos L sin
&
h
u
sin
+
L
cos
z1 L cos z5
z
L
sin
z
2
5
z5
x = (z) =
z
cos
z
+
z
sin
z
3
5
4
5
L1 z3 sin z5 + L1 z 4 cos z5
z&1 z3
z& = z
2 4
z&3 u sin L 2 cos m1 cos
+ 1 sin
z& =
2
4 u cos L sin m
z&5 = L1 z3 sin z5 + L1 z 4 cos z5
Lj sin
L
cos
Compensacin
p
dinmica
Tomando la ley de control
cos
=
sin
1
m
1
m
sin
i
L
cos
L
j
u sin L 2 cos
2
u
cos
sin
L di
La
dinmica
i d
dell sistema
i t
d
de lazo
l
cerrado
d resulta
lt
z&1 z3
z& = z
2 4
z&3
z& =
4
z&5 = L1 z3 sin z5 + L1 z 4 cos z5
Tomando
~
~&
= h& d K p h K d h
z1
h=
z2
&h = z3
z
4
z&5 = 0
la cual
Compensacin
p
dinmica
Experimentacin:
Validacin del modelo identificado
Trayectoria
Pioneer 3-DX
Compensacin
p
dinmica
Errores de control
Velocidades y aceleraciones
u
C
Control adaptable
p
Seguimiento
de trayectoria adaptable
i 0
u cos a sin
u sin + a cos
&
x
0
y&
0
0
0
& = 3 2 4
+ 1
u
&
0
0
0
u
1
1
1
&
05
06
0
0
0
2
2
Cinemtica
ref
+0
0 ref
1
02
0
0
0
Dinmica
Control adaptable
p
Estructura de control
xd
u ref
u ref
yd
To the Robot
x& d
y& d
ref
Kinematic
Controller
Dynamic
Controller
ref
Control adaptable
p
Control cinemtico (de cinemtica inversa): sin incertidumbres
x& cos
y& = sin
& 0
&
&h = x = cos
y& sin
cos
c
uref
c = 1
ref sin
a
a sin
u
a cos
a sin u
a cos
h = [x
u cos
= 1 sin
a
kx
sin x&d + lx tanh l
x
1
cos
ky
a
y& d + l y tanh
ly
y]
x%
y%
sin x&
1
cos y&
a
~
x = xd x ~
x& = x&d x&
~
y = yd y ~
y& = y& d y&
Control adaptable
p
Se supone por ahora que
kx
lx tanh
lx
&h% =
l tanh k y
ly
y
% =0
h% (t ) + L(h)
u = ureff , = ref
(sin dinmica)
1 %T%
V
=
h h>0
2
x%
kx
T&
y%
&
%
%
%
V = h h = xlx tanh
lx
Estabilidad asinttica:
h% (t ) 0
ky
% y tanh y% < 0
x% yl
l
Control adaptable
p
Control dinmico (modelo dinmico parametrizado)
uref u& 0 2 u 0 0 0
0
0
0
0
0 T
0
=
1 2 3 4 5 6 = G (u, , u, )
0
0 u
ref 0 &
u
0 0 u&
2 u 0 0
T
ref
0
0
1
0
0
0
0
0
0
=
+
1
2
3
4
5
6
0 & 0 0
u
0
0
ref
2
donde : u = u ref
ref ]T ,
10 0
D=
,
0
0 2
Definiendo
= [ 1 2 ] ,
T
u = Dv& +
0 0 2 u 0 0 0
0
0
0
0
0
=
1
2
3
4
5
6
0
0
0
0
u
c
c
u& = u&ref
+ ku u% = 1 , u% = uref
u, ku > 0,
0
c
c
& = & ref
+ k% = 2 , % = ref
, k > 0,
Control adaptable
p
Ley de control dinmica:
u
ref
ref
0 0
T
0 0 2 u 0 0 0
1
0
0
0
0
0
=
+
1
2
3
4
5
6
0 2 0 0
0
0
u
u = D +
Parametrizacin lineal:
u = G ( 1 , 2 , u , )
0
d d :G = 1
donde
0 2
2
0
u 0 0
0 u
0 = 10 20 30 40 50 60
Considerando incertidumbre paramtrica:
u = G 0 = G0 + G% 0 = D + + G% 0 ;
)
%0 = 0 - 0
Control adaptable
p
Lazo cerrado
Dv& + = D + + G% 0
& = G% 0
D( - v)
D( v&% + Kv% ) = G% 0
Ley de adaptacin:
& 0
-11 T
= G v%
Lyapunov:
V=
1 T
1
v% Dv% + % 0T % 0
2
2
V& = v% T DKv
DK % 0 ESTABLE
Como v% es de cuadrado integrable, y
v&%
v% , %
acotados
% 0 con t
v(t)
Control adaptable
p
Con la siguiente
g
ley
y de adaptacin
p
se evita la deriva p
paramtrica:
& 0
= -1G T v% -1
Error de control del controlador adaptable
Relajando la hiptesis de seguimiento perfecto de velocidad:
% = Av%
h% (t ) + L(h)
Nota: Si v% (t ) 0 entonces h% (t ) 0
Control adaptable
p
Experimentos: con carga 23kg
Control en pasillos
p
Control de robots en pasillos
Cinemtica
~
x& = u sen
& =
Variables de estado
X = (
T
~
x)
Di
Dd
Objetivo de control
( (t )
T
~
x (t ) ) 0
~
x
Control en pasillos
p
Clculo de variables de estado (lser o ultrasonidos). Tambin
visin (lneas de perspectiva)
Di Dd
~
x=
2
1 n
= tan
Dd
Di
Dd
~
x
Dd
Control en pasillos
p
Ley de control
u = u( , ~
x)
= -kk ( ) - k ~x ( ~x ) ~x u
Lazo cerrado
k1
k ( ) =
a1 +
sen
x) =
k ~x ( ~
~
x& = u sen
sen
~
~
& = -k ( ) - k ~x ( x ) x u
equilibrio
(~x )T
=0
k2
a2 + ~
x
Control en pasillos
p
Estabilidad
V=
2
2
~
x
+ k ~x ( )d
0
V& = & + k ~x ( ~
x )~
x~
x& =
sen
~
~
+ k ~x ( ~
= - k ( ) - k ~x ( x ) x u
x )~
x u sen =
= -k ( ) 2 0
~
x , aco
acotados
ados
Aplicando teorema de La Salle, en la regin el nico invariante es ~
x =0
~
~
x & ~
x ~
x
= : V ( x , ) = 0 =
0
~
x (t ), (t ) 0
Control en pasillos
p
Seleccin de ganancias
k ( ) =
k1
a1 +
De la ley de control
k ~x ( ~
x) =
k2
a2 + ~
x
ki , ai > 0
~
xu
k1
+ k2
a1 +
a2 + ~
x
k1 + k 2 max((u )
Elegir
u(~
x , ) = (umax k ~
x ) cos
k >0
Control en pasillos
p
En pasillo interiores con sensor lser
Control en pasillos
p
Entornos externos:
Con medicin visual de lneas de perspectiva
Control hbrido
Control hbrido (conmutacin de controladores)
Familia de controladores
x& = f p (x ),
pP
Supervisor
Conmutacin
x& = f (x )
f1((x))
Informacin
sensorial
Robot
mvil
Generacin
de referencias
: seal de conmutacin
fn(x)
Estabilidad
Caso I. Funcin de Lyapunov Comn.
Caso II. Mltiples Funciones de Lyapunov.
x,y,
Control hbrido
Caso I. Funcin de Lyapunov Comn
Problema de control: Seguimiento de un contorno
Mantener una distancia constante a un objeto desconocido, cuyo tamao
sea por lo menos comparable al del robot.
Problemas: Prdida de visibilidad del contorno (a)
Colisiones (b)
1
5
4.9
0.8
4.8
0.6
4.7
0.4
4.6
4.5
0.2
4.4
0
4.3
4.2
-0.2
4.1
-0.4
2.4
2.6
2.8
3.2
3.4
3.6
3.8
4
2.4
2.6
2.8
3.2
3.4
3.6
Invasin de la regin
de deteccin frontal
Control hbrido
Lgica de conmutacin
Seguimiento de contorno
Re-orientacin
5
4.9
4.8
4.7
4.6
4.5
4.4
4.3
4.2
4.1
4
2 4 2.6
2.4
2 6 2.8
28
=1
3
3 2 3.4
3.2
34
36
3.6
=0
Seguimiento
de p
pared
=2
Realizar un
crculo
1
08
0.8
0.6
0.4
0.2
0
-0.2
-0.4
2.4 2.6 2.8 3 3.2 3.4 3.6 3.8 4
Control hbrido
Subsistemas: Controladores individuales
1. Seguidor de pared
Errores
~
d = d des d obj
~
= obj
Modelos
()
~&
~
d = v sin
~&
=
Acciones de control
v = vmax 0
Funcin de Lyapunov
V =
~
d
1 ~2
+ k d~ ( ) d
2
0
()
~
~ ~ sin
= K~ tanh k~ + k d~ d d v ~
( )
~
k d~ =
k1
~ 0
1+ d
()
Control hbrido
Subsistemas: Controladores individuales
2. Reorientacin
Error
= d
Modelo
~&
=
Acciones de control
v=0
= K~ tanh k~
Funcin de Lyapunov
V~ =
~2
Control hbrido
Subsistemas: Controladores individuales
3. Ejecucin de crculo
Acciones de control
v = vmax 0
= vmax / Radio
R di
Objeto
Radio
Control hbrido
Estabilidad
1~
V = 2 + k ~y ( ) d
2
0
Orientacin
1~
V= 2
2
Funcin de
Lyapunov
comn
Control hbrido
Resultados experimentales: Trayectoria descripta
Trajectories
Trajectories
1
0.5
0
y [m]
-1
-0.5
-2
-1
-1.5
0.5
1.5
2.5
3
x [m]
3.5
4.5
5.5
-4
Trajectories
-5
-6.5
-6
-7
-7.5
-7
7
y [m]
y [m]
-3
-8
-8
-8.5
-9
-9
-9.5
-10
4
x [m]
5
x [m]
Control hbrido
Resultados experimentales: error de distancia
Measured distance to the wall "y w all" and desired distance to the wall "y des "
3500
y w all
y des
3000
Dis
stance [mm]
2500
2000
1500
1000
500
200
400
600
800
1000 1200
k [samples]
1400
1600
1800
2000
Control hbrido
Seal de conmutacin
Switching Signal
2
1.8
1.6
Switch
hing Signal
1.4
1.2
1
0.8
0.6
0.4
0.2
0
200
400
600
1400
1600
1800
2000
Control hbrido
Video
Control hbrido
Video
Control hbrido
Caso II. Mltiples funciones de Lyapunov
Problema de control:
Mover al robot desde un punto inicial a otro deseado bordeando los
obstculos que existan entre estos dos puntos, conmutando dos
controladores:
Controlador de seguimiento
g
de contornos ((SdC)) Visto en Caso I.
Control hbrido
Seal de conmutacin:
5
4.9
4
9
4.8
4.7
4.6
4.5
4.4
4.3
4.2
4.1
4
2.4 2.6 2.8
Point-to-Point
Contour-Following
3
th h ld = Vd
threshold
OBSTACLE passed = false
Y
1 ~2
Vd = d
2
d2
yd
x=xd
y=yd
=d
X
x=0
y=0
=0
xd
Only if
{Vd < threshold
andd
Control hbrido
Mltiples funciones de Lyapunov: Simulacin
Trajectories
3
3 4
y [m]
-1
-2
0
x [m]
V
V2
Vswitch
20
15
5- Llegada
10
Lyapunov functions
25
2- Obstculo (Controlador
SdC) Se marca el umbral de
distancia
100
200
300
400
500
k [samples]
600
700
800
900
Control hbrido
Mltiples funciones de Lyapunov: Simulacin
Trajectories
j
3
3
1
y [m]
1 2
-1
-2
-3
x [[m]]
5- Obstculo
5
Ob t l (Controlador
(C t l d SdC) S
Se marca
el umbral de distancia
Lyapunov functions
25
20
V
V2
Vswitch
Threshold
15
6- La distancia es menor p
pero el obstculo
no fue an superado
10
200
400
6 7
600
800
k [samples]
1000
1200
1400
8- Llegada
Control hbrido
Mltiples funciones de Lyapunov: Simulacin
Trajectories
2- Obstculo (Controlador
SdC) Se
S marca ell umbral
b ld
de
distancia
y [m]
-1
p
el obstculo,,
3- Ha superado
pero la distancia es an
mayor al umbral de distancia
-2
-3
-4
-2
x [m]
4-La
4
La distancia es menor y el
obstculo ya fue superado.
Nuevo controlador PaP
Lyapunov functions
25
V
V2
Vswitch
Threshold
20
5- Llegada
15
10
200
400
600
800
k [samples]
1000
1200
1400
Control hbrido
Mltiples funciones de Lyapunov: Experimentacin
Control hbrido
Otros ejemplos de control hbrido
Control de vehculos tipo auto: conmutacin de maniobras para
solucionar las limitaciones cinemticas que plantea la no holonoma.
y
Lgica de conmutacin
Controlador 1
[v ]
Tipo auto
Controlador 6
[ ]
Robot
Clculo
coordenadas
polares
[ xc yc ]
Control hbrido
Control de postura final (posicin
y orientacin) con objetivo muy
prximo.
Mltiples funciones de Lyapunov
Manipuladores
p
mviles
Manipulador
p
mvil: brazo robtico sobre pplataforma mvil
expande el rea de trabajo del manipulador
Manipuladores
p
mviles
h = [ xee
y ee zee ]
Manipuladores
p
mviles
Escribiendo
h = h( x, y, ,1 , 2 ... n ) = h(q)
Derivando en el tiempo
h& (t ) = [ x&ee
h& (t ) = J (q) v (t )
z&ee ]
y&ee
T
&
&
&
v (t ) = u 1 2 ... n
(
(
C aS bS S l1C +l2C
1
2
2 3
x&ee
y& = S aC +bC C l C +l C
1 1 2
2 23
ee
z&ee 0
0
)
)
(
(l C
)
(
) S (l S
S1 l1C2 +l2C23 C1 l1 S 2 + l2 S 2 3
C1
1 2
+l2C23
1 2
+ l2 S 2 3
l1C 2 + l2 C 2 3
)
)
l2 C1 S 2 3
l2 S1 S 2 3
l2 C 2 3
&1
&
2
&3
Manipuladores
p
mviles
Controlador de mnima norma de vc:
v c = uc
v c (t ) = W J
( JW
h& (t )
v c = J + h&
h& = Jv c
1 T
1 T
1c
&
T
&
3c
&
2c
))
h% = x%ee
v0
y%ee
z% ee
x%ee = xd xee
y% ee = yd yee
z%ee = zd zee
Control de la
estructura interna
Velocidad
V
l id d con efecto
f t slo
l en lla estructura
t t
iinterna,
t
no afecta la posicin h
Manipuladores
p
mviles
Lazo cerrado:
h& = Jv c
))
&
h% + L K tanh L K 1K h% = 0
Estabilidad:
1 %T%
%
V (h ) = h h
2
V& (h% ) = h% TLK tanh LK 1K h% < 0
h% (t ) 0
Manipuladores
p
mviles
Seleccin de v0 p
para controlar la estructura interna del robot ((espacio
p
nulo del
Jacobiano).
Dos criterios:
1. Manipulabilidad: facilidad de cambio arbitrario de posicin y orientacin del
extremo operativo del robot.
2. Evasin de obstculos:
Manipuladores
p
mviles
Se elige v0 como:
v 0 = [ 0 obs
1d 1 2 d 2 3d 3 ]
qd
obs
h%
c. cinematico
vc
c. dinamico
v ref
Manipuladores
p
mviles
Resultados: seguimiento de una senoide en 3D
0.7
0.6
0.5
err x
err y
err z
Error [m]
0.4
0.3
0.2
0.1
0
-0.1
-0.2
10
20
30
40
50
60
Tiempo [s]
70
80
90
100
Manipuladores
p
mviles
Resultados experimentales:
Control coordinado
Control coordinado (lder y seguidor)
Objetivo de control
vT
Modelo cinemtico
sin
+v
d
d
~ 0
cos
v
cos
T
e&
v
~
sin
~& = vT sin +
1
d d
~& = + vT
y1 e
y = ~
2
Target
v
Follower Robot
x& = f(x)
( ) + g(
g(x)u
)
y = h(x)
e
v
e
x = ~ u = y = ~
Control coordinado
~ 0
v
cos
cos
T
y&1
v
~
cos ~
u=
~
sin
0
(Ky f(x))
1
1
[k1e vT cos ]
~
cos
vT sin
sin ~
sin ~
~
~ vT sin
[
]
k
e
v
k
v
k
=
cos
1
2
2
T
d cos ~
d
d
d
v=
Control coordinado
Resultados experimentales
Medicin de
, , d
ZC
X
yA
yB
B
hR
hL
yD
yC
zR
zT
zL
Marks B and D
Marks A and C
d
xA, xC
f
xB xA
xB, xD
z L = f + 1 ,
hL
xL =
zL f
xA ,
f
z R = f + 1
hR
xR =
zR f
xB
f
XC
xL
zR zL
= tan
xR xL
1
= +
xT
xR Image Plane
xT
zT
= tan 1
d=
xT2 + zT2
Control coordinado
Resultados experimentales
Estimacin de la velocidad del lder para perodo de muestreo 0.1s
100
50
0
-50
-100
-150
150
-200
5
6
Tim e [s ecs ]
10
(d k d k 1 ) / 0.1 + v cos ~
vT
cos
Control coordinado
Resultados experimentales
Estimacin de la velocidad del lder para perodo de muestreo 0.1s
Distancia al objetivo
Distanc e [m m ]
1000
900
800
700
600
500
400
300
200
100
0
5
6
Tim e [secs]
10
Control de formacin
Control de formacin
Controlar en forma coordinada un grupo de robots (control cooperativo,
control de formacin)
Aplicaciones
Vigilancia, bsqueda o exploracin, rescate, inspeccin
y mapeo, manipulacin cooperativa.
Motivacin
Posibilitar tareas con robots
ms simples y baratos
baratos.
Distribucin de sensores y procesamiento.
Menor
M
titiempo d
de ejecucin.
j
i
Robustez a fallos.
Control de formacin
Soluciones
Control basado en estructuras virtuales (K. Tan, 1996): la formacin
completa se trata como una simple entidad o estructura rgida virtual, los
robots intentan ajustarse a la estructura virtual y viceversa
viceversa.
Control basado en el seguimiento de lderes (Desai, 1998): el robot lder
planea la trayectoria para la formacin
formacin, mientras los otros siguen al lder
lder.
Control basado en comportamiento (T. Balch, 1999): inspirado en el
comportamiento de los animales
animales. Los comportamientos reactivos son
combinados (agrupamiento, dispersin, evitar colisiones moverse hacia el
objetivo, evitar colisiones, mantener la formacin).
Control basado en teoras de control (A. Das, 2002): enfocado en la
dinmica y la estabilidad de las formaciones multi-robot. Se prueba
estabilidad.
Control de formacin
Objetivo: La coordinacin permite que los robots mantengan una
formacin mientras alcanzan un destino final.
Control de formacin
Objetivo: La coordinacin permite que los robots mantengan una
formacin mientras alcanzan un destino final.
Control de formacin
Objetivo: La coordinacin permite que los robots mantengan una
formacin mientras alcanzan un destino final.
Control de formacin
Objetivo: seguimiento.
Control de formacin
Enfoques
Control centralizado de formacin
g g
genera
Utiliza la informacin de los estados de todos los robots y luego
seales de control para todos los robots. Monitoreo y control de todos los
robots en conjunto.
Control
C t ld
descentralizado
t li d de
d formacin
f
i
Cada robot genera su accin de control en funcin a las posturas relativas de
sus vecinos.
vecinos
Control de formacin
Control centralizado de formacin
Posicin de i-simo robot:
xi
i =
yi
Li
Linealizacin
li
i por retroalimentacin
t li
t i d
de lla di
dinmica
i d
dell ii-simo
i
robot:
b t
&& =
i
i
Modelo linealizado del sistema de n robots:
d2
v2
d3
d1
d4
n=4
&& =
&&1 1
... = ...
&&
n n
Estados:
T
&
X=
Control de formacin
Se define z vector de estados de formacin: posiciones relativas entre
robots posicin del centroide
robots,
centroide, orientacin de la formacin
formacin, etc
etc.
Transformacin de coordenadas difeomorfismo (suave, invertible)
z 1 ( )
& ) J( ) = 1 ( )
=
=
(
,
&
&
J(
)
Inversa
11(z )
11 (z)
1
= (z,
& =
z z& ) J(z) =
z
J(z) z&
Derivando & en el tiempo
Control de formacin
Reemplazando el sistema multirobot
&& =
&z& = 0
K 1 ~z + K 2 ~z& + ~
Clculo de los estados
robots:
zz, z&
~z (t ) 0
z 1 ( )
1 ( )
&
=
= (,
) J( ) =
&
z& J( )
Control de formacin
Estructura multicapa:
Planificacin fuera lnea
Planificacin en lnea
z d , z& d , &&
zd
C t ld
Control
de fformacin
i
Robots
Medio
,& , d obs
Control de formacin
Experimentacin
Estados de la formacin de dos robots
( x x )2 + ( y y )2
d12
2
1
2
1
x1
x
z = 1 = 1 ( ) =
y1
y
1
f (x x , y y )
c
1
2
1
2
C
((x1,y1)
d12
2
Transformacin inversa
x1
x1
y1
y1
1
= = 1 (z ) =
x1 d12 cos c
x2
y
y d sen
c
2
1 12
1
1
0
J(z) =
=
cos c
z
sen
c
1
0
1
0
0
0
1
0
0 d12 sen c
1 d12 cos c
Control de formacin
Robots mviles y cmara omnidireccional
Valores deseados
1.2
0.5 + 0.005t
zd =
Control de formacin
Videos: formacin son sensor cmara omnidireccional
Control de formacin
Formacin con evasin de obstculos
Objetivo: evitar la colisin preservando la formacin.
Control de formacin
Formacin con evasin de obstculos
Objetivo: evitar la colisin preservando la formacin.
TI
I
rm
yo
pm2
y
xo
O
pm f
I1
fI2
dmax
dI
dmin
hI
Control de formacin
Videos: formacin y evasin de obstculos
Control de formacin
Videos: formacin flexible con desvo de obstculos
Control de formacin
Otras experiencias
Control de formacin
Otras experiencias
II.8 SLAM
ROBOTS MVILES
II.8 SLAM
Localizacin y Reconstruccin Simultnea de
Entornos (SLAM)
Construccin de mapas del entorno
Navegacin,
Localizacin y
Reconstruccin
Simultnea de
Entornos
en funcin de la informacin
capturada por los sensores
Mapeo
peo
Autnomo
SLAM
Mapeo
SLAM
Autnomo
El vehculo recorre
((de manera
reactiva o
planificada) el
entorno donde se
encuentra
Exploracin/
Navegacin
Localizacin
Localizacin del
vehculo de acuerdo a
lo que observa en el
entorno
II.8 SLAM
Mapeo con
SLAM
Mapeo sin
SLAM
II.8 SLAM
EKF SLAM : basado en esquinas y
l
lneas
del
d l entorno
t
B
A
Con SLAM
Basado en odometra
II.8 SLAM
EKF SLAM Aplicaciones: Cruzar por una puerta
x2
x2
II.8 SLAM
EKF SLAM Aplicaciones: Giro en espacios restringidos
x2
x2
II.8 SLAM
EKF SLAM Autnomo: Navegacin basada en
Puntos de Frontera
M
Mapa
por odometra
d
t (x2)
( 2)
x4
II.9 APLICACIONES
ROBOTS MVILES
Aplicaciones
p
1. Robtica de Asistencia
Sistemasdecontrol
Comportamiento
basadoendecisin
Teorade
d
probabilidad
Mecatrnica
i
SLAM
Robotsmviles
R b
il
Manipuladores
Asistencia
Minusvlidoso
Minusvlidos
o
ancianos
Aplicaciones
p
Lneas de investigacin
g
en el INAUT
Robot mvil comandado por interface cerebro-computador (BCI)
Barrido probabilstico de mapas para definicin de la navegacin
basada en BCI
Control de seguimiento de caminos para una silla de ruedas
robotizada
SLAM aplicado a una silla de ruedas robotizada
Aplicaciones
p
Trabajos recientes
- Controlador adaptable robusto para seguimiento de caminos de una
silla de ruedas robotizada (W. Cardoso Celeste et al., con la
Universidade Federal do Esprito Santo, ES, Brazil)
Aplicaciones
p
Aplicaciones
p
- Algoritmo SLAM aplicado a asistencia robtica (F. Auat et al., Instituto de
Automtica,, Universidad Nacional de San Juan,, Argentina)
g
)
Aplicaciones
p
Video
Aplicaciones
p
Robtica en Agricultura de Precisin
Dificultad de la navegacin en medios agrcolas: terreno, variaciones
ambientales del medio y de la vegetacin. Necesidad de sistemas de sensado
y control robustos.
Ambientes semiestructurados: lneas de plantas: frutales, vides, olivos
Uso de sensores lser (deteccin de paredes vegetales) y visuales
(deteccin de lneas de perspectiva) para navegacin entre los vegetales.
GPS para navegacin absoluta.
Navegacin autnoma para captura de datos fitosanitarios y de estado
vegetativo, relevamiento autnomo de mapas, tareas crticas.
Aplicaciones
p
1. Navegacin en pasillo vegetal (control visto en II.4)
Ecuaciones cinemticas
~
x& = u sen
& =
Estados
X = (
T
~
x)
Objetivo
( (t )
T
~
x (t ) ) 0
Aplicaciones
p
Medicin de
x% ,
Di
Dd
~
x
Aplicaciones
p
Medicin de
x% ,
Imagen original
Contorno tierra-vegetal
Deteccin de verde
Deteccin lneas
(transf. Hough)
Binarizacin
Lneas detectadas
Aplicaciones
p
Medicin de
x% ,
xv
xv
k
1
= arctan
x% =
cos( )
[ x k3 tan( )]
k2
Aplicaciones
p
Ley de control (ya vista en II.4)
% ( x% , )
= ks ( ) ksx% ( x% ) xv
Experimentacin
Con lser
sin( )
v ( x% , ) = vd k x% cos ( )
(movimiento cauteloso)
Con visin
Aplicaciones
p
2. Cuatriciclo robotizado AGRIBOT
Actuadores y encoder:
Direccin
Freno
Acelerador
Encoder
Aplicaciones
p
Cuatriciclo robotizado
Sensores externos:
GPS
Lser
Cmara estreo
Sensores de vegetacin
(cmara multiespectral, lser)
Aplicaciones
p
Cuatriciclo robotizado
Esquema funcional general
Sensores
Externos: GPS
GPS, Lser,
Lser
Visin
Internos: Encoder,
Potencimetro
AGRIBOT
PC
Remota
(LAN)
INTA
WI FI
Unidades de
Cmputo y
Comunicacin
Local
WI FI
Instrumentacin
Electromecnica
PALM
TCP/IP
PC
Remota
(Web)
INAUT
Aplicaciones
p
Cuatriciclo robotizado
Arquitectura de la red CAN
MINI PC
Sensor Laser
Cmara Visin
MINI PC
MINI PC
CONTROL
ALTO
NIVEL
CONTROL
BAJO
NIVEL
SENSADO
EXTERNO
RS232/CAN
RS232/CAN
RS232/CAN
Sensores Variables
Vegetales
Red
ed CAN
C
Direccin
Acelerador
Freno
Sensor
Velocidad
IMU
GPS
Emergencia
Aplicaciones
p
Cuatriciclo robotizado
Control Bajo Nivel
Computador: Mini PC Marca Epia
PX1000
Dimensiones: 12x12 cm
Sistema Operativo: QNX 6.4
Licencia: Educativa
Aplicaciones
p
Esquema de conexiones
Pulsador de parada
Alimentacin de
actuadores
Alim.
sensor
l
laser
A
CAN BUS
PC
bajo
nivel
E-Stopp
F/E
Alimentacin
uC y PC
Pulsador de parada
D
PC
alto
nivel
Aplicaciones
p
Cuatriciclo robotizado
Experimentos de navegacin no tripulada
Aplicaciones
p
Cuatriciclo robotizado
Experimentos de navegacin no tripulada
Teleoperacin
III. 1 Modelos
ROBOTS MVILES
III. 1 Modelos
Aplicaciones de robots areos:
Inspeccin en entornos de grandes dimensiones
Seguridad pblica (supervisin de trfico y espacio areo)
Gerenciamiento de riesgos naturales y ambiental (polucin, incendios,
volcanes)
l
)
Mantenimiento de infra-estructuras (lneas elctricas, oleoductos)
Agricultura de precisin
Tipos de UAVs:
Aeronaves de alas fijas (aviones y planeadores)
Aeronaves de alas rotativas (helicpteros)
Dirigibles
Helicptero: una de las aeronaves ms complejas
complejas, con capacidades de
maniobrabilidad (despegue y aterrizaje vertical, giro y desplazamiento lateral,
suspensin en el aire).
Sistema
S
s e a inherentemente
e e e e e inestable,
es ab e, no
o lineal,
ea , multivariable,
u a ab e, sub
sub-actuado,
ac uado, de
dinmica compleja y altamente acoplada.
III. 1 Modelos
UAV unmanned
UAV:
d aerial
i l vehicles
hi l (vehculos
( h l no tripulados)
ti l d )
III. 1 Modelos
o Sensores de Posicin y Orientacin
o
o
o
o
o
o
o
Inclinmetro
Acelermetro
Altmetro
Girscopo
Brjula
GPS
Unidade de medicin inercial (IMU)
o Sensores de Proximidad
o Cmaras de vdeo (sistema de visin artificial)
o Sensores de utrasonido
III. 1 Modelos
Modelo de helicptero segn Sira-Ramirez, et al. (2000)
III. 1 Modelos
o Modelo Dinmico Reducido
o Vuelo vertical (eje Z)
lt
oE
Estrategia
t t i de
d control
t l
o Control de altitud
o Control del ngulo de cabeceo
o Control del desplazamiento longitudinal
=
o Objetivo de control
o Funcin candidata de Lyapunov
y p
I yy
lh
3 = 3 & 2
&&
z=
cos g
considerando
co
s de a do
donde
o En lazo cerrado
o Tomando la derivada temporal de V2
o Utilizando La Salle
con
&
%&&&% = %& ( K tanh( K % ) + I&& )
V&3 (%,% ) = K 1 tanh( K 2% )% + I
1
2
1
d
o Tomando
I=
I yy
lh
o
donde
o Asumiendo
o Resulta
o Asumiendo
o Aplicando La Salle
para
Trayectoria recorrida
Seales de control
Matriz de inercias
Matriz de fuerzas centrfugas y de Coriolis
Vector de gravedad
Anti-simtrica
Modelo destacando la parte activa y la parte pasiva
4 grados de libertad
actuados (activos) y
2 indirectamente
actuados
d ((pasivos)
i
)
Restriccin no
holonmica de segundo
orden, permite obtener
referencias compatibles
a
&& + JM F = JM = D a
Jq
0 p
1
~
xa (t), ~
x& a (t) 0