Sistema de Monitoreo Autnomo Basado en el Robot Mvil Khepera

Jorge S. Bentez Read1, Erick Rojas Ramrez2 y Tonatiuh Rivero Gutirrez Instituto Nacional de Investigaciones Nucleares Carretera Mxico-Toluca s/n, La Marquesa, Ocoyoacac, Edo. de Mxico, C.P.52750 Instituto Tecnolgico de Toluca, Divisin de Estudios de Posgrado e Investigacin 1 2 jsbr@nuclear.inin.mx; rojas.erick@gmail.com Telfono: (52)-55-5329-7200 Ext. 2432
ResumenSe describen los resultados del diseo y

construccin de un sistema prototipo de navegacin e identificacin de puntos de prueba, basado en el robot mvil Khepera, en el cual se implantaron estructuras de algoritmos basados en lgica difusa en cascada para el control de navegacin mediante una percepcin difusa de su entorno, y el uso de una red neuronal de Kohonen de tipo no supervisada en la identificacin de puntos de prueba. El robot debe seguir una determinada trayectoria, marcada por una lnea negra evadiendo obstculos localizados en la misma hasta llegar a un punto determinado e identificar las zonas con inters de medicin de alguna variable (puntos de prueba).
Palabras clave: Robtica mvil, navegacin. lgica difusa, evasin de obstculos, redes neuronales.

supervisada en la identificacin de puntos de prueba. El robot debe seguir una determinada trayectoria, marcada por una lnea negra evadiendo obstculos localizados en la misma hasta llegar a un punto determinado e identificar las zonas con inters de medicin de alguna variable (puntos de prueba).

Figura 1. Robot mvil Khepera. En este trabajo se utiliz un modelo de control difuso en cascada (ver figura 2) para la navegacin del robot. La primer estructura difusa realiza una fusin sensorial de 8 seales de proximidad del robot y de dos seales provenientes de los sensores que detectan una lnea negra, dando como resultado los cuatros grupos de percepcin parcial del entorno, abreviados por PDI, PDD, PDT y PL.

I.

INTRODUCCIN

El monitoreo de variables potencialmente peligrosas para el ser humano como la radiacin, corrosin, alta humedad o temperaturas superiores a los 70 C, proveen la necesidad de contar con sistemas de monitoreo de alguna de estas u otras variables, en zonas de difcil acceso o que impliquen un riesgo para el personal encargado de realizar la medicin. Actualmente, implantar sistemas de monitoreo sobre robots mviles ofrece la versatilidad de navegar sobre ambientes de inters con cierta autonoma. Debido a esto, en las ltimas dos dcadas muchos investigadores se han concentrado en la realizacin de estrategias y tcnicas de control para solucionar el problema de la navegacin en entornos no estructurados o parcialmente estructurados [Floreano et al., 2000], pues es el ambiente real al que se enfrentan. Muchas de estas tcnicas se basan en el control de navegacin utilizando algoritmos genticos [Lee and Cho, 2001], lgica difusa [Braunstingl and Sans, 1995] o el uso de redes neuronales artificiales [Sugihara et al., 2001]. En este artculo se describen los resultados del diseo y construccin de un sistema prototipo de navegacin e identificacin de puntos de prueba, basado en el robot mvil Khepera (ver figura 1), en el cual se implantaron estructuras de algoritmos basados en lgica difusa en cascada para el control de navegacin mediante una percepcin difusa de su entorno, y el uso de una red neuronal de Kohonen de tipo no

Figura 2. Esquema de control de navegacin utilizando percepcin difusa del entorno.

Congreso Nacional de Control Automtico A.M.C.A. 2007

24-26 de octubre, Monterrey, N.L.

As, estos cuatro grupos constituyen las entradas de la segunda estructura difusa la cual se encarga de controlar la velocidad de cada motor. Una segunda etapa, denominada deteccin e identificacin de puntos de prueba, es la encargada de la bsqueda de puntos de prueba a lo largo de la trayectoria marcada. Dicha bsqueda se basa en la implementacin de una red neuronal como mecanismo de deteccin de fuentes emisoras de luz infrarroja. A su vez, un algoritmo de procesamiento de datos de visin lineal es el encargado de reconocer el tipo de punto de prueba. En cada punto de prueba se hacen mediciones de temperatura para su posterior transferencia a una PC mediante una interfaz grfica de usuario que se ejecuta desde MATLAB. II. DESARROLLO Percepcin difusa del ambiente.- El diseo de un controlador difuso con gran nmero de entradas implica un nmero considerable de reglas. Por ejemplo, si se tienen 8 entradas y cada entrada tiene asociados dos conjuntos difusos, entonces la memoria asociativa difusa tendr un total de 256 reglas. Esto puede resultar inapropiado para un sistema que debe procesar esta informacin en tiempo real. Para resolver el problema se propone el diseo de una fusin sensorial de datos compuesta de una estructura de cuatro sistemas difusos los cuales tienen como objetivo reducir el nmero de entradas en el sistema de control de velocidad y direccin. Por lo tanto, se generan cuatro grupos sensoriales que procesan la informacin de 8 sensores infrarrojos de proximidad y dos seales provenientes de sensores infrarrojos que se encargan de sensar una lnea negra. Fusin sensorial.- En la primera estructura difusa, parte de la informacin se obtiene de la medicin de proximidad entre el robot y los objetos que se localizan en sus alrededores con la ayuda de 8 sensores infrarrojos. Con la recopilacin de esta informacin se lleva a cabo el establecimiento de la zona de seguridad alrededor del robot.

indica el camino a seguir, para lo cual se implant un bloque de sensores infrarrojos que se encargan de reconocerla. Estas tareas forman la fusin sensorial (ver figura 3). Descripcin de la primera estructura difusa.- El primer sistema difuso se denomina PDI (percepcin difusa parte izquierda); para este sistema se consideraron las seales de los sensores S0, S1 y S2. El segundo sistema, PDD (percepcin difusa parte derecha), utiliza las seales de S3, S4 y S5. Para el tercer sistema difuso, PDT (percepcin difusa parte trasera), las seales utilizadas provienen de S6 y S7. Finalmente, para los sensores L1 y L2 se estableci el sistema difuso percepcin difusa de la lnea abreviado por PL. Los tres primeros grupos de percepcin no representan una descripcin exacta del ambiente que rodea al robot, pero s representan una descripcin difusa de ste. As, los cuatro sistemas difusos anteriores forman la fusin sensorial compuesta de 10 entradas y 4 salidas. A su vez, las 4 salidas de la fusin sensorial son utilizadas como entradas del sistema difuso de control de velocidad para cada motor del robot. Control de velocidad y direccin.- Una segunda estructura difusa se encarga de controlar la velocidad y direccin del robot; esta estructura depende de los valores obtenidos en la fusin sensorial: PDI, PDD, PDT y PL. Sin embargo, un algoritmo residente permite elegir entre dos posibles acciones de control, que son seguimiento de una lnea evasin de un obstculo. Si la actividad en PDD, PDI, PDT genera valores que indiquen que el robot est cerca de un obstculo, entonces se ejecutar solo la base de reglas correspondiente a la evasin de obstculos. Si por el contrario, la actividad indica que el obstculo est lejos y a su vez se puede sensar la lnea negra, entonces se evaluar solo la base de reglas correspondiente a seguimiento de lnea. Conjuntos difusos.- En la primer estructura difusa, las entradas que provienen de los sensores de proximidad se difusifican en los conjuntos difusos definidos como Bajo y Alto (la figura 4 muestra las funciones de membresa asociadas a estos conjuntos difusos). A su vez, las entradas L1 y L2 tienen dos conjuntos difusos definidos por Blanco y Negro (la figura 5 muestra las funciones de membresa correspondientes).

Figura 3. Fusin sensorial. Por otro lado, una trayectoria definida por una lnea negra

Figura 4. Funciones de membresa de los conjuntos asociados a la proximidad en la primera estructura.

Congreso Nacional de Control Automtico A.M.C.A. 2007

24-26 de octubre, Monterrey, N.L.

PDE2 y PTE2 se difusifican usando los conjuntos difusos Lejos y Cerca, mientras que la entrada PLE2 es difusificada usando los conjuntos difusos Izquierda, Centro y Derecha. Las funciones de membresa de estos conjuntos se muestran en las figuras 8 y 9.

Figura 5. Funciones de membresa de los conjuntos asociados al sensado de lnea en la primera estructura. Para cada una de las seales de salida PDI, PDD y PDT existen tres conjuntos difusos asociados para cada variable con tres atributos definidos por Lejos, Medio y Cerca (la figura 6 muestra las funciones de membresa de estos conjuntos).

Figura 8. Funciones de membresa asociadas a las variables de entrada de la 2 estructura (PIE2, PDE2 y PTE2).

Figura 6. Funciones de membresa asociadas a las variables de salida de la 1 estructura (PDI, PDD y PDT) Finalmente, en el sistema difuso PL se tienen tres conjuntos difusos asociados a esta variable, los cuales se definen por Izquierda, Centro y Derecha como se muestra en la figura 7.

Figura 9. Funciones de membresa asociadas a PLE2.

Figura 10. Funciones de membresa asociadas a Vi

Figura 7. Funciones de membresa asociadas a la variable PL En la segunda estructura difusa, correspondiente al control de velocidad, se tiene un esquema compuesto de dos sistemas difusos. Cada uno de estos sistemas tiene como entradas las salidas de la primera estructura difusa. Estas entradas se desdifusifican nuevamente en la segunda estructura difusa y se denotan por Percepcin Izquierda, Percepcin Derecha, Percepcin Trasera y Percepcin de Lnea de la estructura 2, abreviadas por, PIE2, PDE2, PTE2 y PLE2, respectivamente. Cada una de las entradas PIE2,

Figura 11. Funciones de membresa asociadas a Vd

Congreso Nacional de Control Automtico A.M.C.A. 2007

24-26 de octubre, Monterrey, N.L.

Finalmente, las seales de salida de la segunda estructura corresponden a la velocidad en el motor izquierdo, Vi, y la velocidad en motor derecho, Vd, a las cuales se les asocian los conjuntos difusos Reversa, Cero y Adelante, cuyas funciones de membresa se muestran en las figuras 10 y 11. Base de reglas.- Con cierta frecuencia, la base de reglas difusas se propone con base a la experiencia; es aqu donde se relaciona la planeacin de las tareas a realizar, utilizando la informacin sensorial como antecedente y las acciones de control como los consecuentes. Estas tareas tienen que ver con la evasin de obstculos y con el seguimiento de lnea. Para los sistemas difusos PDI (Percepcin Difusa parte Izquierda), PDD (Percepcin Difusa parte Derecha), y PDT (Percepcin Difusa parte Trasera), de la primer estructura difusa (fusin sensorial), se plantearon las reglas difusas mostradas en las tablas I, II y III, respectivamente. Tabla I Base de reglas para PDI Proximidad Nivel de (lgica AND) #Regla Percepcin PS0 PS1 PS2 1 Bajo Bajo Bajo Lejos 2 Alto Alto Bajo Cerca 3 Alto Cerca 4 Alto Bajo Medio 5 Alto Bajo Bajo Lejos Tabla II Base de reglas para PDD Proximidad Nivel de (Lgica AND) #Regla Percepcin PS3 PS4 PS5 6 Bajo Bajo Bajo Lejos 7 Alto Alto Bajo Cerca 8 Alto Cerca 9 Bajo Alto Medio 10 Bajo Bajo Alto Lejos Tabla III Base de reglas para PDT Proximidad Nivel de PDT (Lgica AND) Percepcin PS6 PS7 11 Bajo Bajo Lejos 12 Bajo Alto Cerca 13 Alto Bajo Cerca 14 Alto Alto Cerca Si algn valor de los sensores L1 y L2 se encuentra dentro del conjunto difuso Negro, el robot entender que se encuentra sobre la lnea negra que debe seguir y por lo tanto se activar el sistema difuso PL (Percepcin de Lnea), en el cual se evaluarn las 4 reglas difusas mostradas en la tabla IV.

Tabla IV Base de reglas para PL Sensor L1 PL Negro Blanco Sensor Negro Centro Izquierda L2 Blanco Derecha Como se mencion con anterioridad, las salidas de la fusin sensorial sirven de entradas para los dos sistemas difusos que controlan la velocidad en cada motor del robot Khepera. Sin embargo, un algoritmo implantado entre estas dos estructuras determina qu acciones de control se deben realizar, como se muestra en la figura 2. Si algn valor de PDI, PDD o PDT tiene un valor de membresa distinto de cero en el conjunto difuso Cerca, se deber ejecutar una evasin de obstculos ya que existe un objeto dentro de la zona de seguridad que puede daar al robot. Las reglas difusas que intervienen en esta tarea son las que se muestran en la tabla V. Tabla V Base de reglas para evasin de obstculos Percepcin Difusa Velocidad (Lgica AND) Motor Motor PIE2 PDE2 PTE2 Izquierdo Derecho (Vi) (Vd) Lejos Lejos Lejos Adelante Adelante Lejos Cerca Lejos Cerca Cerca Cerca Cerca Cerca Lejos Reversa Cero Reversa Adelante Reversa Cero Reversa Cerca Lejos Lejos Adelante

Mientras los valores de PDI, PDD y PDT se encuentran dentro del conjunto difuso Lejos, no existen objetos dentro de la zona de seguridad del robot y por lo tanto el robot se encuentra en una zona despejada. En este caso se analiza la informacin de los sensores L1 y L2, que provienen del bloque de percepcin difusa de lnea, PL, conforme a las reglas de la tabla VI para el seguimiento de lnea. En caso de que no sea posible sensar la lnea negra, el robot deber ejecutar las reglas correspondientes a la evasin de obstculos. Tabla VI Base de reglas para seguimiento de lnea Percepcin de Lnea (PLE2) Izquierda Centro Derecha Velocidad Motor Izquierdo (Vi) Adelante Adelante Reversa Motor Derecho (Vd) Reversa Adelante Adelante

Congreso Nacional de Control Automtico A.M.C.A. 2007

24-26 de octubre, Monterrey, N.L.

III. DETECCIN DE MARCAS USANDO REDES NEURONALES Usando el arreglo de los 6 sensores de proximidad que se encuentran en la parte frontal del robot Khepera, fue posible implantar un algoritmo computacional correspondiente a una red neuronal de Kohonen tipo no-supervisada, cuya funcin es detectar la posicin angular de una fuente de luz infrarroja y el eje relativo del robot Khepera (figura 12). El trabajo de Malmostrom and Munday (1994) se tom como base para el desarrollo de esta etapa.

3.

Se propaga el patrn de entrada hasta la capa de competicin. 4. Se selecciona la neurona ganadora utilizando el criterio de el que gana se lleva todo (winner takes all). 5. Se actualizan las conexiones entre la capa de entrada y la neurona ganadora, as como las de su vecindad. 6. Si la red tiene la convergencia deseada entonces se finaliza la adaptacin; en caso contrario se vuelve al paso 2.

Figura 12. Determinacin de la posicin de la fuente luminosa respecto al robot. Caractersticas de la red de Kohonen.- La red neuronal consta de una arquitectura de dos capas (figura 13). En la primera capa se tienen las seales de entrada, las cuales se obtienen por medio de 6 foto-transistores localizados en los sensores de proximidad que se ubican en la parte frontal del robot Khepera. La segunda capa (capa de competicin) est formada por 90 neuronas, las cuales virtualmente cubren un campo de visin frontal de 180, tenindose una resolucin de segmentos de 2 grados por neurona.
S 0 S 1 S 2 S 3 S 4 S 5

Figura 14. Datos de entrenamiento de la red de Kohonen. En la figura 15 se muestra la respuesta de la red.

90

Figura 13. Estructura de la red de Kohonen. Figura 15. Respuesta de la red de Kohonen. Datos de entrenamiento.- Un total de 1023 muestras componen los datos de entrenamiento de la red neuronal, las cuales se obtuvieron colocando una fuente de luz infrarroja a una distancia de 20 centmetros del robot y realizando movimientos circulares con el robot respecto a la fuente. Los datos correspondientes se muestran en la figura 14. Descripcin del algoritmo neuronal y resultados obtenidos con la red de Kohonen.1. Se inicializan los pesos con valores pequeos y aleatorios y se propone un ancho de vecindad formado por 2 neuronas vecinas. 2. Se presenta un vector de entrada formado por las 6 seales provenientes de los foto-transistores. Reconocimiento de puntos de prueba.- Mediante la utilizacin del mdulo de visin lineal K213 fue posible la implantacin de un algoritmo para el reconocimiento de marcas (puntos de prueba) utilizando cdigos de barras. El barrido (escaneo) de un cdigo de barras con dicho mdulo arroja una matriz de datos de 1x64 pixeles. Posteriormente, estos datos son tratados pixel a pixel mediante la ecuacin Gi = pi pi +1 , donde i es el i-simo valor asociado a cada pixel y Gi es el gradiente resultante del i-simo pixel. Despus se someten los datos de gradiente a un umbral definido por Gi < 40 Gi = 0 , con la finalidad de

Congreso Nacional de Control Automtico A.M.C.A. 2007

24-26 de octubre, Monterrey, N.L.

suprimir el ruido presente en los datos obtenidos. El resultado de este clculo se muestra en la figura 16, donde la lnea continua muestra el escaneo del cdigo de barras y la lnea punteada muestra el gradiente resultante de cada pixel. Por cada dato de Gi diferente de cero se obtiene informacin de los cambios entre blancos y negros (cdigos de barras) detectados por la cmara de visin, con los cuales se procede a reconocer el tipo de marca.

valor se visualiza mediante una brjula (ver figura 17). IV. RESULTADOS Y CONCLUSIONES El uso de una estructura difusa para obtener una fusin sensorial de datos del ambiente que rodea al robot reduce el nmero de datos de entrada en un sistema de control difuso, que a su vez reduce el nmero de reglas, con lo cual se simplifica su implementacin y se optimizan las acciones de control. Estas acciones se deben actualizar con cierta rapidez para evitar retardos que puedan daar el robot. Adems, la fusin sensorial reduce las perturbaciones ocasionadas por el ruido, principalmente de fuentes de iluminacin, logrando con ello una gran robustez en los sistemas difusos dedicados al control de velocidad ya que el robot se desplaza con suavidad. Por otro lado, la red neuronal tiene una respuesta con un comportamiento muy aproximado al lineal, siendo limitada por la disposicin no homognea de los sensores. Sin embargo, ofrece una resolucin de dos grados, con un tiempo de ejecucin que ocurre en aproximadamente 10 milisegundos, lo cual es ideal para aplicaciones que requieren procesamiento en tiempo real. V. AGRADECIMIENTOS Este trabajo ha sido apoyado por el CONACYT a travs del programa de becas para estudios de maestra y cuenta con el apoyo del Instituto Nacional de Investigaciones Nucleares para su desarrollo. VI. REFERENCIAS
Braunstingl, R. and Sans, P.; Fuzzy Logic Wall Following of a Mobile Robot Based on the Concept of General Perception; Proceedings of the 7th International Conference on Advanced Robotics, Vol. 1, pp. 367-376; Spain 1995. Cuesta, Federico and Ollero, Anbal; Intelligent Mobile Robot Navigation; Springer tracks in advanced robotics; Springer-Verlag, Vol 16, pp. 90100, 2005. Floreano, D.; Godjevac, J.; Martinoli, A.; Mondada, F.; Nicoud, D.J.; Design, Control, and Application of Autonomous Mobile Robots; Swiss Federal Institute of Technology in Lausanne, 2000. Lee, Seung-Ik and Cho, Sung-Bae; Emergent Behaviors of a Fuzzy SensoryMotor Controller Evolved by Genetic Algorithm; IEEE Transactions on Systems, Man, and Cybernetics, Vol. 31, Num. 6, pp. 919-929, 2001. Malmostrom, Kurt and Munday Lance; A Simple Robust Robotic Vision System Using Kohonen Feature Mapping; Proccedings of the 2nd IEEE Australia and New Zealand Conference on Intelligent Information System, pp. 135-139, 1994. Sugihara, Kei ; Tabuse, Masayoshi; Shinchi, Tatsuro; Kitazoe, Tetsuro; Control System for the Khepera Robot by a Neural Network with Competition and Cooperation; Artificial Life and Robotics; Springer Japan, Vol. 5, Num. 6. pp. 26-28, 2001.

Figura 16. Escaneo de cdigo de barras con clculo de gradiente. Interfaz grfica de usuario.- La figura 17 muestra la interfaz grfica de usuario, por medio de la cual se realiza la comunicacin entre el robot Khepera y una PC.

Figura 17. Interfaz Grfica de Usuario. En la interfaz se puede configurar la velocidad de comunicacin con el puerto serie (estndar RS-232), as como tambin realizar un monitoreo de los sensores del robot, como son: temperatura, proximidad, intensidad de luz ambiental, sensado de lnea, la velocidad aplicada a cada motor y del escaneo de las imgenes resultantes de las lecturas de cdigos de barras. Tambin se puede visualizar el valor de posicin de las fuentes de luz infrarroja respecto al robot usando para ello la red neuronal Kohonen; este

Congreso Nacional de Control Automtico A.M.C.A. 2007

24-26 de octubre, Monterrey, N.L.