Robótica Inteligente L. Enrique Sucar Marco López ITESM Cuernavaca.

Slides:



Advertisements
Presentaciones similares
ENC´99 “ Aprendizaje de Reglas de control en Robots Móviles ” ITESM
Advertisements

Departamento de Sistemas y Computación
Descripción del movimiento: Movimientos horizontales
Nuevos servicios multimedia para trabajo colaborativo: Teleinmersión
Clase # 8: Análisis Conformacional (II)
Henry Carrillo José A. Castellanos with the collaboration of Prof. Ian Reid (University of Oxford) Experimental Comparison of Uncertainty Criteria for.
Grupo de Ingeniería Electrónica aplicada a Espacios INteligentes y TRAnsporte Modelado de arrays de micrófonos como cámaras de perspectiva en aplicaciones.
Robótica Inteligente L. Enrique Sucar Marco López ITESM Cuernavaca.
David G. Lowe Distinctive Image Features from Scale-Invariant Keypoints Aradí Rosales Cruz Visión de alto nivel Enrique Sucar.
Tracking de objetos articulados Model-Based Tracking of Complex Articulated Objects Kevin Nickels, Member, IEEE, and Seth Hutchinson, Senior Member, IEEE.
Sesión 12: Procesos de Decisión de Markov
L. Enrique Sucar Marco López ITESM Cuernavaca
Descripción del movimiento
Capítulo 4 BUSQUEDA INFORMADA.
Tema 3: Sensores y Actuadores
EVELYN CASTRILLON SANCHEZ ISABEL ARAQUE TOBON 11-1
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
Sesión 2: Teoría de Probabilidad “Considero que la probabilidad representa el estado de la mente con respecto a una afirmación, evento u otra cosa para.
Optimización, Búsqueda Heurística
Tema 3: Sensores L. Enrique Sucar Alberto Reyes ITESM Cuernavaca
Sesión 6: Campos de Markov
Sesión 12: Procesos de Decisión de Markov. Incertidumbre - MDP, L.E. Sucar2 Procesos de Decisión de Markov Procesos de Decisión Secuenciales Procesos.
Dibujo y diseño en ingeniería
Laboratorio de Robótica Sistema de Inteligencia Artifical Ernesto Torres Vidal Jesús Rodríguez Ordoñez Profr: Dr. Alfredo Weitzenfeld Ridel INSTITUTO TECNOLÓGICO.
Expedición a Marte Un viaje sin retorno. Marte Uno es una fundación sin fines de lucro que se establecerá un asentamiento humano permanente en Marte.
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.
Tema 7: Control L. Enrique Sucar Marco López ITESM Cuernavaca
Razonamiento con Incertidumbre
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.
“Luciérnaga sincrónica con seguidor de luz”
Hay que tener en cuenta que en las ideas en sí, las cosas no son blancas o negras, sino que existen infinitos matices de grises . Platón.
Bio – Academic Background
Robótica Inteligente L. Enrique Sucar Leonardo Romero Marco López ITESM Cuernavaca.
Alineamiento.
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.
3D structure from motion
Una aproximación a la visión
Sesión 12: Procesos de Decisión de Markov
Robótica AKA Tópicos IV. Rob ó tica Ciencia o rama de la tecnología, que estudia el diseño y construcción de máquinas capaces de desempeñar tareas realizadas.
16/07/07Robótica Probabilista1 Un primer enfoque para solucionar el problema “Lost & Found” basada en PRM y localización local Josué Sánchez Texis.
Tema 6: Programación L. Enrique Sucar Marco López ITESM Cuernavaca
Sesión 12: Procesos de Decisión de Markov
Introducción a la Robótica mecanismos avanzados Coordinación de Ciencias Computacionales, INAOE Dra Angélica Muñoz Dr Eduardo Morales
Modelos Gráficos Probabilistas: Principios y Aplicaciones L. Enrique Sucar INAOE.
Maximino.  Historia de la robótica La historia de la robótica va unida a la construcción de "artefactos", que trataban de materializar el deseo humano.
QUÉ ES ROBÓTICA Es la ciencia encargada de diseñar y construir aparatos y sistemas capaces de realizar tareas por sí mismos. Es una disciplina con sus.
Robots Lynxmotion Marco Antonio López Trinidad Laboratorio de Sistemas Inteligentes Tec de Monterrey Campus Cuernavaca.
Combinación de Programas Lógicos y Redes Bayesianas y su Aplicación a Música Eduardo Morales Enrique Sucar Roberto Morales.
Robótica Inteligente L. Enrique Sucar Marco López ITESM Cuernavaca.
Lego Mindstorms Education
Sesión 2: Teoría de Probabilidad “Considero que la probabilidad representa el estado de la mente con respecto a una afirmación, evento u otra cosa para.
Henry Carrillo José A. Castellanos with the collaboration of Prof. Ian Reid (University of Oxford) On the Comparison of Uncertainty Criteria for Active.
Agentes e IA Distribuida L. E. Sucar / Alberto Reyes Robótica Inteligente.
Los robots.
Análisis de estructuras. Problemas  No hay diferencias evidentes entre un modelo correcto y uno incorrecto  La utilización de una estructura desde el.
R O B O T I C A La Robótica es la ciencia de la ingeniería.
Pablo Arturo Pérez Giraldo Melissa torres 11-C Tecnología e informática.
Razonamiento con Incertidumbre
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.
Tarea 4 Q.bo: Odometría, SLAM y PID
LECTURAS DE PLANOS Los planos son dibujos que representan las vistas de un objeto desde distintas posiciones. Tenemos planos de planta (vistos desde arriba),
VECTORES CONCEPTO DE DIRECCION ESCALARES Y VECTORES
Transcripción de la presentación:

Robótica Inteligente L. Enrique Sucar Marco López ITESM Cuernavaca

Construcción de Mapas " Combinación de sensores (fusión sensorial) " Exploración " Seguimiento de la ubicación

Contexto " Ambientes interiores sin marcas artificiales. " Piso plano. " Robot redondo. " Robot móvil con odómetro, sonares y telémetro láser de bajo costo (cámara + generador de línea láser). " Uso de un mapa métrico probabilista.

Retos Construcción de mapas: " Fusionar la información de los sensores. " Evitar colisiones con obstáculos. " No exceder límites perceptuales de los sensores. " Corregir errores del odómetro del robot.

El problema de construir un mapa Mapa

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

Enfoque: Construcción de mapas

Construcción de mapas Sonares láser mapa " ¿Cómo combinar las lecturas de los sensores? " ¿Hacia dónde mover el robot? " ¿Cómo corregir los errores odométricos?

Componente de Fusión sensorial Idea: Una celda es considerada ocupada si es detectada al menos por un sensor P(O) = P(O sonar ORO láser ORO odómetro ) Asumiendo independencia condicional P(O) = 1 -  [1 - P(O i )] i=sonar, láser odómetro *

Componente de Exploración Idea: Mover el robot hacia la celda inexplorada más cercana " Manteniendo una distancia prudente a los obstáculos (si es posible) " Evitando cambios de orientación (si es posible) Posibles movimientos: Mov = {m 0,... m i,..., m 7 } m i =(dx, dy)

Algoritmo de Iteración de valores V i (x,y) : Costo acumulado de viaje a la celda inexplorada más cercana, si el robot está en la celda (x,y) con orientación  i Inicio: V i (x,y) = 0 si la celda (x,y) es inexplorada = infinito si la celda (x,y) es explorada y libre Regla de actualización: V i (x,y)=min m_j=(dx,dy) en Mov {V j (x+dx,y+dy)(Sig. celda) + C mov ((x,y),(dx,dy)) (avanzar) + C g (i,j)}(girar)

Ejemplo

El costo por avanzar incluye: " Distancia entre celdas " Costo de la celda destino de acuerdo a su tipo Celdas ocupadas Celdas de advertencia Celdas de viaje Celdas lejanas Espacio de viaje

Componente de Seguimiento de la ubicación Idea:Para pequeños desplazamientos del robot, la vista láser del robot y una vista láser calculada a partir del mapa son similares Vista del mapa Vista del láser después del movimiento

Utilizando correlación entre vistas Estimación de orientation (  : Correlación polar entre la vista láser y la vista del mapa. Estimación desplazamiento (x,y): Búsqueda en una vecindad alrededor de la posición dada por el odómetro.

Experimento: simulación Ambiente simulado Mapa

Experimento: robot real

Mapa: robot real Dibujo ideal de una casa Mapa construido

Otro ejemplo de mapa real