Robótica Inteligente L. Enrique Sucar Marco López ITESM Cuernavaca.

Slides:



Advertisements
Presentaciones similares
Robótica Aplicada: Construyendo un Robot MC. Juan Fco. Robles Camacho Instituto de Investigación y Desarrollo Tecnológico de la Armada de México. (INIDETAM)
Advertisements

Inteligencia Artificial
COMPONENTIZACIÓN DE ALGORITMOS GENETICOS Y SU IMPLEMENTACIÓN EN UNA PLATAFORMA ABIERTA PARA APRENDIZAJE COMPUTACIONAL.
Inteligencia artificial
Definición de robot industrial
Robótica Inteligente L. Enrique Sucar Marco López ITESM Cuernavaca.
Sesión 12: Procesos de Decisión de Markov
L. Enrique Sucar Marco López ITESM Cuernavaca
ROBÓTICA EDUCATIVA: MÁQUINAS INTELIGENTES EN EDUCACIÓN
Sesión 13: Lógica y Probabilidad. Incertidumbre - LD y LP, L.E. Sucar2 Contenido Lógica probabilista Redes bayesianas con nodos lógico Modelos relacionales.
EQUIPO 1 INTEGRANTES: Laura Josefina Galván Hernández Martha Guadalupe Galván Hernández Julissa Nereyda García Núñez Beatriz Urieta Acevedo Magdalena Villarreal.
Tema 3: Sensores y Actuadores
TRABAJO DE ROBÓTICA Integrantes: Laura Henao Mª Fernanda Rodríguez
L. Enrique Sucar M. López Robótica Inteligente Los robots del futuro: Robots de Servicio.
Solución de problemas por Búsqueda
CONCEPTOS DE NUEVOS SISTEMAS 1. Un sistema de manejo de información 1. Un sistema de manejo de información Desde la perspectiva del usuario final todas.

Realidad virtual Integrantes: Segundo Agurto Cristian Venegas.
Paradigma Jerárquico.
Agentes Inteligentes Capítulo 2.
Tema 3: Sensores L. Enrique Sucar Alberto Reyes ITESM Cuernavaca
Sesión 12: Procesos de Decisión de Markov. Incertidumbre - MDP, L.E. Sucar2 Procesos de Decisión de Markov Procesos de Decisión Secuenciales Procesos.
Administración de Memoria
Desarrollo de aplicaciones para ambientes distribuidos
Almacenamiento de la información Conabio CNA INEGI Conanp Profepa INE Otras dependencias Conafor Semarnat.
La robótica es la ciencia y la tecnología de los robots. Se ocupa del diseño, manufactura y aplicaciones de los robots. La robótica combina diversas disciplinas.
Robótica Inteligente L. Enrique Sucar Leonardo Romero Marco López ITESM Cuernavaca.
Sistemas Inteligentes Distribuidos Sistemas Inteligentes Distribuidos Sesión 13 L. Enrique Sucar / Marco López Sesión 13 L. Enrique Sucar / Marco López.
Sistemas Inteligentes Distribuidos Sistemas Inteligentes Distribuidos Sesión 8 Eduardo Morales / L. Enrique Sucar Sesión 8 Eduardo Morales / L. Enrique.
Robótica Inteligente Tema 3: Mecánica L. Enrique Sucar Alberto Reyes ITESM Cuernavaca.
Robótica Inteligente L. Enrique Sucar Leonardo Romero Marco López ITESM Cuernavaca.
Yo soy responsable de mi bienestar
Robótica Inteligente L. Enrique Sucar y Marco López ITESM Cuernavaca.
Introducción a la Robótica mecanismos avanzados Coordinación de Ciencias Computacionales, INAOE Dra Angélica Muñoz Dr Eduardo Morales
Robótica Inteligente L. Enrique Sucar Leonardo Romero Marco López ITESM Cuernavaca.
Una introducción a la computación evolutiva
Robótica M.C. Fco. Javier de la Garza S.
Dr. Dennis Barrios Aranibar
Sesión 12: Procesos de Decisión de Markov
ROBÓTICA Jennifer Olarte H. Mateo Restrepo S. 11ºC.
Tema 6: Programación L. Enrique Sucar Marco López ITESM Cuernavaca
MODELO DE SISTEMAS ABIERTOS
Sesión 12: Procesos de Decisión de Markov
Introducción a la Robótica mecanismos avanzados Coordinación de Ciencias Computacionales, INAOE Dra Angélica Muñoz Dr Eduardo Morales
Maximino.  Historia de la robótica La historia de la robótica va unida a la construcción de "artefactos", que trataban de materializar el deseo humano.
Mateo zapata Granada 11°c Tecnología 2012
Navegación autónoma de actores virtuales en entornos dinámicos M. Lozano*, F. Barber, L. Vera*, J. Carrasco*, M. Fernández* (*)Grupo Artec, Instituto de.
Ingeniería de Requisitos
Los robots. ¿Qué es la robótica? La robótica es la rama de la tecnología que se dedica al diseño, construcción, operación, disposición estructural, manufactura.
Robótica Inteligente L. Enrique Sucar Marco López ITESM Cuernavaca.
Fundamentos de Sistemas Expertos
Juan camilo obando gaviria 11c
UML.
REDES NEURONALES TEORÍA MODERNA DE LA FIRMA 2010.
Agentes e IA Distribuida L. E. Sucar / Alberto Reyes Robótica Inteligente.
Los robots.
LA ROBOTICA HECHO POR: ESTEBAN DIAZ T ALEJANDRO MESA GRUPO 11°A.
R O B O T I C A La Robótica es la ciencia de la ingeniería.
INTELIGENCIA ARTIFICIAL APLICADA A LA ROBOTICA
Pablo Arturo Pérez Giraldo Melissa torres 11-C Tecnología e informática.
Modelos del Proceso Omar de Jesús Rosales Hernández.
Adal Memo Mario. Arquitectura Híbrida ¿Por que? ¿Por que? Tenemos planeado que sea de acción- reacción. Tenemos planeado que sea de acción- reacción.
Marco de Trabajo para Indexación, Clasificación y Recopilación Automática de Documentos Digitales Javier Caicedo Espinoza Gonzalo Parra Chico.
Representación del Robot Pablo Montero Paul Vallejos.
UNIVERSIDAD DE LAS FUERZAS ARMADAS-ESPE DISEÑO E IMPLEMENTACIÓN DE UN SISTEMA DE NAVEGACIÓN POR VOZ PARA ROBOTS MOVILES CON RUEDAS (RMR) UTILIZANDO LA.
Modelo de procesos de software
Programa Sobre Procesos de Negocios SCM y Logística. Integración de procesos que permite a empresas en crecimiento implementar las mejores prácticas en.
El diseño de la interfaz de usuario requiere el estudio de las personas y el conocimiento tecnológico adecuado.
Conociendo el modelo Cliente-Servidor
Transcripción de la presentación:

Robótica Inteligente L. Enrique Sucar Marco López ITESM Cuernavaca

Arquitecturas de Robots Arquitectura Arquitecturas deliberativas –Mapas y Planes Arquitecturas reactivas Arquitecturas híbridas Lab: arquitecturas robots Lego y PPRK

Arquitectura “organización de la generación de acciones a partir de las percepciones del robot” “arreglo de módulos de software para un robot móvil.”

Ejemplo Ir a la meta (luz) evitando los obstáculos

Arquitecturas básicas Arquitectura deliberativa Arquitectura reactiva actuadoressensores

Arquitectura deliberativa Basada en el paradigma de sensa-planea- actua (SPA): –Se tiene un modelo completo (mapa) del ambiente –Se construye un plan de acción para realizar la tarea basado en el modelo –Se ejecuta el plan

Arquitectura deliberativa Sensado Modelo del mundo PlanControl Ejecu- ción

Mapas Modelo del ambiente – generalemnte se representa el espacio libre y el espacio ocupado (obstáculos) mediante una representación geométrica: un mapa Tipos de mapas: –Mapas métricos Decomposición espacial Representaciones geométricas –Mapas topológicos

Mapas métricos Se representa el espacio libre y/o obstáculos directamente mediante una discretización. Dos formás básicas: decomposición y geométrico Decomposición: se representa mediante una discretización en un con junto de celdas básicas, por ejemplo: –Rejilla de ocupación espacial (occupancy grids) Geométrico: se representa mediante figuras geométricas básicas en 2 ó 3 dimensiones, por ejemplo: –Triangulación

Ejemplo: mapas métricos

Ejemplo triangulación

Ejemplo rejilla

Ejemplo rejilla

Mapas Topológicos Se considera el ambiente como una serie de lugares y conexiones entre dichos lugares. Esto se puede considerar como un grafo: –Nodos: lugares –Arcos: conexiones Se le puede incorporar información métrica al grafo – longitud y orientación de los arcos

Ejemplo: mapa topológico Grafo de conectividad entre “cuartos”

Ejemplo: mapa topológico Grafo de conectividad entre “cuartos”

Plan Un plan es un conjunto de acciones (operadores) que permiten a un agente (robot) ir de un estado inicial a un estado final o meta Los elementos básicos para hacer un plan son: –Estados (p. ej. Posición del robot), incluyendo el estado incial y el estado meta –Operadores: acciones que llevan de un estado a otro, Si  Sj

Ejemplo de Plan Considerando el mapa de rejilla: Estados: –posición X,Y en el mapa –Estado inicial: 0,0 –Estado meta (luz): Xm, Ym Acciones: –Movimiento a alguna de las celdas vecinas –X+1, Y+1, X-1, Y-1

Ejemplo de Plan Plan: buscar una serie de acciones básicas que lleven al robot de la posición inicial a la meta

Ejemplo: plan en el mapa topológico Plan = búsqueda de una trayectoria en el grafo, del nodo inicial al meta

Ejemplo: enfoque deliberativo Construir mapa del ambiente, incluyendo obstáculos y meta Generar un plan para ir de la posición inicial a la meta evitando los obstáculos Ejecutar el plan

Arquitectura deliberativa Ventajas: –El tener un modelo del ambiente permite optimizar las acciones para obtener el “mejor” plan Limitaciones: –Necesidad de un modelo preciso del ambiente –Altos requerimientos de cómputo y memoria –Dificultad de operar en un mundo dinámico o desconocido –Reacción “lenta” a situaciones imprevistas

Arquitectura Reactiva En el enfoque reactivo hay una conexión directa de percepción a acción sin necesidad de un modelo del mundo Normalmente se considera una serie de niveles de comportamiento que realizan diferentes comportamientos en forma “paralela” (subsumtion architecture)

Arquitectura basada en Comportamiento Planear Explorar Deambular Evitar objetos sensores actuadores

Manejo de Conflictos Al existir varios módulos en paralelo pueden existir conflictos, que se resuelven dando prioridades a los diferentes comportamientos El comportamiento de mayor prioridad “suprime” los otros comportamientos Deambular Evitar objetos motores

Ejemplo: enfoque reactivo Ir a la luz Evitar objetos motores Buscar luz

Arquitectura Reactiva Ventajas: –Bajo requerimiento de cómputo, respuesta rápida –Facilidad de desarrollo modular –No requiere un modelo del mundo Limitaciones: –Difícil de extender a tareas complejas –Limitaciones sensoriales pueden ocacionar problemas al no contar con un modelo –No garantiza la mejor solución (óptimo)

Arquitecturas Híbridas Combinación de arquitecturas deliberativas y reacticas que intentan aprovechar ventajas de ambas Ejemplos: –Arquitecturas jerárquicas (3 capas) –Arquitecturas de pizarrón (blackboard) –Arquitecturas probabilísticas

Arquitectura de 3 capas Tres componentes básicos: –Capa de habilidades: Mecanismo de control reactivo (controlador) –Capa de secuenciación: Mecanismo de ejecución de plan (secuenciador) –Capa de planeación: Mecanismo deliberativo (deliberador) El secuenciador selecciona los mecanismos básicos de la capa de habilidades en base al plan de la capa de planeación

Arquitectura de 3 capas: ejemplo Planeador Secuenciador sensoresactuadores avanzar sin chocar girar ir a luz

Arquitectura de Pizarrón Conjunto de módulos o procesos que interactuan mediante un espacio de información común llamado pizarrón (blackboard) Cada módulo implemente una función específica y en conjunto todos realizar la tarea Todos los módulos pueden ver la información en el pizarrón y actuan en forma oportunística, de acuerdo al que más pueda aportar en ese momento (coordinador)

Arquitectura de Pizarrón Obtener info. sensores Ir a la meta Evitar obstáculo control planeación PIZARRÓN

Arquitectura probabilística Consideran la incertidumbre inherente en el mundo real, tanto en la información de los sensores como en la ejecución de los actuadores Representan en forma excplícita dicha incertidumbre mediante distribuciones de probabilidad: –Integración probabilística de sensores –Mapas probabilísticos –Acciones basadas en teoría de decisiones (maximizar utilidad)

Arquitectura probabilística sensoresactuadores Fusión sensorial Mapa probabi- lístico Control basado en utilidad

Mapa de Rejilla Probabilístico Cada celda tiene asociada una probabilidad de estar ocupada

Mapas de Celdas Ejemplos de mapas de celdas probabilísticos

Selección de arquitectura Depende de la tarea, medio ambiente, capacidad de cómputo,... Deliberativa: mundos estáticos, tarea bien definida, conocimiento previo del mundo, alta capacidad de cómputo Reactiva: tareas sencillas, poca capacidad de cómputo, no hay modelo del mundo Híbridas: mundos dinámicos, incertidumbre, tareas complejas

Referencias [Jones, Flynn] Cap 9 [Kortenkamp et. al] – Parte III [Russell y Norvig] – Cap 25 [Dodek y Jenkin – Cap 6]

Actividades Conocer la plataformas de robots: –Lego –PPRK Plantear una arquitectura (y plataforma tentativa) para tu proyecto –Entregar breve reporte y hacer presentación en clase  lunes 21 de enero