No podrás conectarte si excedes diez intentos fallidos.
La Agencia SINC ofrece servicios diferentes dependiendo de tu perfil.
Selecciona el tuyo:
Un robot móvil autónomo es aquel que es capaz de desplazarse por su entorno sin colisionar, sin perderse y recuperándose de eventuales situaciones de desorientación. Investigadores de la Universidad Politécnica de Madrid (UPM), en colaboración con el European Centre for Soft Computing, han publicado una técnica de construcción de mapas para robots móviles basada en "antónimos" que mejora los actuales sistemas de navegación.
Un primer trabajo realizado por Sergio Guadarrama, investigador del European Centre for Soft Computing y Antonio Ruiz, profesor de la Universidad Politécnica de Madrid, se centra en la construcción de mapas, "una de las capacidades relacionadas con la navegación autónoma, en la que el robot debe explorar un entorno desconocido (recintos, plantas o edificios) y confeccionar un mapa del mismo".
Para ello debe percibir los obstáculos usando sus sensores. Los principales tipos son: de visión y rango. "Aunque los sensores de visión pueden capturar mucha más información del entorno, en esta investigación se utilizaron sensores de rango por ser poco precisos -en particular, sensores de ultrasonido- para mostrar que el modelo presentado obtiene mapas correctos a partir de datos de entrada escasos e imprecisos", apuntan los expertos.
Este sistema tiene como ventaja adicional. "Los sensores de ultrasonido utilizados tienen un coste reducido, están presentes en casi todas las plataformas robóticas, y producen un menor volumen de datos para procesar", explica el estudio.
Una vez capturados los rangos, el robot debe traducir tales distancias a obstáculos en su mapa. "La imprecisión de los rangos no permite dibujar el mapa mediante rectas, ni siquiera puntos aislados, sino por medio de nubes de puntos. Es más, dado que la ubicación del robot mismo tampoco es conocida con precisión, no hay garantía de que cada nube de puntos esté ubicada correctamente, por lo que el mapa obtenido dista mucho del mapa arquitectónico del recinto", afirman los investigadores.
Antónimos "libre" y "ocupado" para solucionar informaciones contradictorias
Un mismo obstáculo puede ser percibido correctamente desde una posición del robot, pero no serlo desde otra, lo que puede producir informaciones contradictorias –obstáculo y no obstáculo- en un mismo espacio del mapa en construcción. ¿Cuál de ambas es la interpretación correcta
La solución está basada en descripciones lingüísticas de los antónimos “libre” y “ocupado” e inspirada en la computación con palabras y en la teoría computacional de percepciones, propuestas ambas por Lotfi A. Zadeh de la Universidad de California (EEUU).
"Mientras que otros trabajos publicados consideran los obstáculos y los espacios libres conceptos complementarios, esta investigación no los considera de ese modo, sino que asume que los obstáculos y los espacios libres forman un par de antónimos en vez de ser complementarios. Así, por ejemplo, si un cierto espacio está ocupado podemos inferir que no está libre, pero si un cierto espacio no está ocupado no podemos inferir que está libre sino que podría ser desconocido o ambiguo, ya que el robot tiene una información limitada de su entorno", apunta la investigación.
Espacios desconocidos: por contradicción y por inexplorados
También se representan explícitamente las contradicciones entre “libre” y “ocupado”. Así, el robot es capaz de distinguir entre dos tipos de espacios desconocidos: los desconocidos por contradicción y los desconocidos por inexplorados, lo que le llevaría a navegar con cuidado en los primeros y a explorar los segundos.
El mapa se construye mediante reglas lingüísticas del estilo “Si la distancia medida es corta, entonces asignar un grado de confianza alto a la medida”, o bien “Si un obstáculo ha sido percibido varias veces, entonces incrementar la confianza en su presencia”, siendo “corta”, “alto” y “varias” conjuntos difusos, según la teoría de conjuntos difusos (también llamados conjuntos borrosos). Las contradicciones se resuelven confiando más en los rangos más cortos y combinando múltiples medidas.
Los resultados alcanzados, que se han comparado con los obtenidos a través de otros métodos, muestran que los mapas obtenidos con esta técnica capturan mejor la forma de las paredes y la de los espacios libres y contienen menos errores por capturas del sensor incorrectas, lo que abre posibilidades de mejora a los actuales sistemas de navegación autónoma de robots.
Enlaces de interés
European Centre for Soft Computing
Probabilistic Robotics. MIT Press
------------------------------------
Referencia bibliográfica:
Guadarrama S., Ruiz-Mayor A. Approximate robotic mapping from sonar data by modeling perceptions with antonyms. INFORMATION SCIENCES 180 (21): 4164-4188. Nov 2010. (Artículo completo).
La Fundación BBVA ha galardonado al informático japonés, de la Universidad Carnegie Mellon (EE UU), por crear los algoritmos que permiten a las máquinas comprender las imágenes y procesar los movimientos. Sus técnicas están presentes en los coches autónomos, los drones y todos los robots con capacidad de visión, como los que se usan en cirugía.
Investigadores de la Universidad de León han aplicado redes neuronales artificiales a imágenes captadas con drones para reconocer, con un 95 % de acierto, la huella que dejaron las explotaciones auríferas de los romanos en el noroeste peninsular. El sistema se puede aplicar para reducir los riesgos asociados a las minas abandonadas, que causan pérdidas humanas y económicas en todo el mundo.
