Filtro de partículas aplicado à localização de robôs móveis no domínio da Robocup Humanoide
Nenhuma Miniatura disponível
Citações na Scopus
Tipo de produção
Dissertação
Data
2017
Autores
Almeida, A. C.
Orientador
Bianchi, Reinaldo Augusto da Costa
Periódico
Título da Revista
ISSN da Revista
Título de Volume
Citação
ALMEIDA, A. C. Filtro de partículas aplicado à localização de robôs móveis no domínio da Robocup Humanoide. 2017. 100 p. Dissertação (Mestrado em Engenharia Elétrica) - Centro Universitário FEI, São Bernardo do Campo, 2017 Disponível em: . Acesso em: 3 ago. 2018.
Texto completo (DOI)
Palavras-chave
Futebol,Particulas,Robôs-Programação,Localização de Monte-Carlo,Robô humanóide
Resumo
Para que robôs humanoides possam jogar futebol competitivamente de maneira autônoma é necessário que os robôs conheçam suas posições no campo, essa informação é essencial para o desenvolvimento de estratégias. A posição pode ser estimada a partir do conhecimento de como o robô se move pelo domínio e por observações feitas pelo próprio robô. Mas isso não é uma tarefa trivial. Os movimentos executados pelos robôs são imprecisos, além de problemas não modeláveis que surgem por problemas da parte física do robô. As observações feitas pelo robô são ruidosas, o que impedem que informações precisas de direção e distância sejam obtidas, pois seus poucos sensores estão em constante movimento devido ao balanço necessário para manter o robô em movimento. É comum encontrar trabalhos acadêmicos sobre localização de robôs autônomos para diversos domínios, mas são poucos os trabalhos que lidam com um domínio tão restrito quanto o deste trabalho. Além disso, os trabalhos sobre este domínio apresentam
algoritmos e resultados que não são reprodutíveis, devido às diferenças de hardware e software dos robôs utilizados. Assim, este trabalho implementa um sistema de localização, baseado no algoritmo de localização de Monte-Carlo, para que robôs humanoides autônomos sejam capazes de estimar suas posições no domínio. O sistema implementado apresenta um método para estimar o quanto o robô se move ao longo do tempo e métodos diferentes para calcular quanto cada partícula representa a posição do robô real, além de métodos para se recuperar de erros de estimativa, para alterar a quantidade de partículas conforme o necessário e para estimar qual a melhor observação que o robô poderá fazer em instantes futuros. Foram realizados experimentos simulados e em robôs reais que validam os métodos implementados e mostram que os métodos propostos são eficientes para resolver o problema de localização. Por fim, trabalhos futuros incluem verificar o funcionamento do sistema em situação de jogo, além da expansão do sistema para um domínio genérico para observar o funcionamento dos métodos propostos e compará-las à outros métodos do estado da arte.
In order to enable humanoid robots to play soccer competitively and autonomously, the robot needs to know its own position on the field, this information is important for strategy development. Informations regarding the movement of the robot and the observation made by the robot can be used to estimate its position on the domain. However, this is not a trivial task. The movements executed by the robots are inaccurate, and there are problems that can not be modeled which emerges from the physical problems of the robot. There is noise in the observations of the robot, which prevents the acquisition of precise informations regarding distance and direction, caused by the swing needed to keep the movement of the robot. Academic works about autonomous robot localization can be found for various domains, but there are a small quantity of works about the restricted domain of this work. Furthermore, the works presenting algorithms and results for this domain are not reproducible, because of the differences in hardware and software of the robots used. Thus, this work implements a localization system, based on Monte-Carlo Localization, in order to enable autonomous humanoid robots to estimate their position on the domain. The implemented system presents a method which estimates the movement of the robot over time, and methods to compute how much a particle represents the real position of the robot, besides a method to recover from position estimation errors, a method to adapt the quantity of particles in order to represent the probability distribution and a method to estimate which observation should give the best information in a near future. Experiments in simulated and real environments were performed which validates the implemented methods, and the results show that the proposed methods can effectively solve the localization problem. Finally, future works includes verifying the operation of the system in game, besides the expansion of the system to a generic domain, in order to observe the implemented methods and compare then with state of the art methods.
In order to enable humanoid robots to play soccer competitively and autonomously, the robot needs to know its own position on the field, this information is important for strategy development. Informations regarding the movement of the robot and the observation made by the robot can be used to estimate its position on the domain. However, this is not a trivial task. The movements executed by the robots are inaccurate, and there are problems that can not be modeled which emerges from the physical problems of the robot. There is noise in the observations of the robot, which prevents the acquisition of precise informations regarding distance and direction, caused by the swing needed to keep the movement of the robot. Academic works about autonomous robot localization can be found for various domains, but there are a small quantity of works about the restricted domain of this work. Furthermore, the works presenting algorithms and results for this domain are not reproducible, because of the differences in hardware and software of the robots used. Thus, this work implements a localization system, based on Monte-Carlo Localization, in order to enable autonomous humanoid robots to estimate their position on the domain. The implemented system presents a method which estimates the movement of the robot over time, and methods to compute how much a particle represents the real position of the robot, besides a method to recover from position estimation errors, a method to adapt the quantity of particles in order to represent the probability distribution and a method to estimate which observation should give the best information in a near future. Experiments in simulated and real environments were performed which validates the implemented methods, and the results show that the proposed methods can effectively solve the localization problem. Finally, future works includes verifying the operation of the system in game, besides the expansion of the system to a generic domain, in order to observe the implemented methods and compare then with state of the art methods.