FUSÃO DE DADOS APLICADA À ROBÓTICA MÓVEL

Transcrição

1 FUSÃO DE DADOS APLICADA À ROBÓTICA MÓVEL ROBERTO SELOW Professor - Engenharia Elétrica e Engenharia da Computação - UnicenP/Centro Universitário Positivo rselow@unicenp.edu.br LAERTE DAVI CLETO Professor - Engenharia Elétrica - UnicenP/Centro Universitário Positivo ldcleto@unicenp.edu.br 143 da Vinci da Vinci,, Curitiba, v. 2 v., n. 2, 1, n. p. 1, , p ,

2 FUSÃO DE DADOS APLICADA À ROBÓTICA MÓVEL RESUMO Este trabalho faz uma breve introdução ao conceito da fusão de dados aplicada à robótica móvel. A fusão ocorre a partir do processo de aquisição de dados provenientes de diferentes sensores, cada qual com características e limitações individuais. São abordados os principais aspectos da fusão de dados, os níveis de fusão e a classificação das arquiteturas. Palavras-chave: fusão de dados, robôs móveis, sensores. ABSTRACT This work makes a brief introduction to the concept of data fusion applied to the mobile robotics. The fusion occurs after de data acquisition from different sensors, each one with characteristics and individual limitations. The main aspects of the data fusion are reported, the fusing levels and the classification of the architectures are boarded. Key words: data fusion, mobile robots, sensing. 144

3 ROBERTO SELOW E LAERTE DAVI CLETO FUSÃO DE DADOS APLICADA À ROBÓTICA MÓVEL ROBERTO SELOW / LAERTE DAVI CLETO 1 INTRODUÇÃO No passado houve máquinas feitas de chapas de aço com a aparência de baldes e que eram operadas por usuários remotos e se passavam por robôs móveis. Atualmente requisitos de alto desempenho demandam precisão e soluções científicas da indústria robótica (SINGHAL, 1997). Dentre as características desejadas para os robôs estão a mobilidade, inteligência e flexibilidade para desenvolver diferentes tarefas, em diversos ambientes, segundo scheduling próprio e tudo isto sem o auxílio de operadores (BORENSTEIN et al., 1996; JOCHEM & POMERLEAU, 1996; TSUBOCHI et al., 1993). Um grande número de pesquisadores têm trabalhado buscando a integração destas capacidades em um único robô devido às novas possibilidades de operação dos robôs móveis. Uma solução definitiva ainda está longe de ser alcançada e restam vários problemas a serem resolvidos. O projeto de um robô não é uma tarefa simples e em função da complexidade e incertezas do tema em questão, pode-se dividi-lo em subtemas assim enumerados (SINGHAL, 1997; ROSENBLATT, 1997): - A localização do robô. - O reconhecimento de objetos e de marcos (landmark). - O planejamento de trajetórias. - O processamento de sinais e a combinação dos dados provenientes dos sensores. - A estratégia de controle. Existe, entretanto, algo em comum entre todos os subtemas apresentados anteriormente. Cada um dos módulos do robô depende, direta ou indiretamente, de informações do mundo que o rodeia para desempenhar as tarefas que lhe foram destinadas. A utilização de sensores se torna, portanto, indispensável. Quanto melhores os sensores e mais eficientes os algoritmos que tratarão estas informações tanto melhor será o desempenho do robô. Os sensores de um robô são classificados em duas categorias: sensores internos e sensores externos para navegação. Os sensores internos monitoram os estados próprios do robô, como, por exemplo: velocidade, deslocamento, orientação, inclinação, tensão, corrente, etc. Os sensores externos para navegação têm o propósito de medir e abstrair características do ambiente, como, por exemplo: distância, cor, larguras das vias de trânsito, tamanho dos cômodos, contorno de objetos, etc. Os sensores externos para navegação podem, por sua vez, ser classificados em sensores baseados em visão e sensores que não são baseados em visão. Os sensores de visão, em muitas ocasiões, permitem imitar o sentido da visão humana obtendo grandes quantidades de informações úteis à navegação do robô. A grande quantidade de informações, à medida que enriquece a capacidade de integração do robô com o 145

4 FUSÃO DE DADOS APLICADA À ROBÓTICA MÓVEL ambiente, também exige uma grande demanda de processamento. Esta característica representa uma dificuldade em se tratando de respostas em tempo real. Os sensores não baseados em visão utilizam diversos princípios físicos dentre os quais destacam-se: luz infravermelha, raio laser, rádio freqüência (RF), força, som, cheiro, etc. Estes sensores, normalmente, apresentam sinais de saída fáceis de serem tratados e interpretados. Novos sensores vêm sendo desenvolvidos e incrementam a lista de possibilidades dos projetistas. Como exemplo, pode-se citar o sonar com uma vasta utilização na robótica móvel. Este sensor tem exigido um grande esforço dos pesquisadores que têm que interpretar os sinais obtidos para transformá-los em informações úteis. O scanner a laser para medição de distâncias desenvolvido pela SICK 1, por outro lado, é um exemplo da nova geração de sensores que têm muito melhor resolução angular e de distâncias se comparado àquelas apresentadas pelo sonar. O sensor da SICK além de preciso é de fácil utilização e apropriado para as tarefas de navegação do robô. Apesar da evolução e por melhor que um sensor seja, não é possível utilizá-lo isoladamente pois este não é capaz de coletar todas as informações necessárias. Também observa-se um grande esforço dos pesquisadores para a obtenção de modelos matemáticos dos sensores que sejam cada vez mais precisos. Estes modelos procuram descrever as capacidades e limitações dos sensores restringindo, por outro lado, a ação do ruído. Os modelos adaptativos, com capacidade de aprendizado autônomo, são apropriados para sistemas dinâmicos em que a resposta deve ocorrer em tempo real. Apesar da evolução dos sensores não é possível descrever todos os aspectos do ambiente utilizando um único sensor, ele proporciona apenas uma visão parcial do mundo. Além disso todos os sensores sofrem com a ação indesejada de ruído, desgaste ao longo do tempo, imprecisão, etc. O grande desafio está em: como projetar um robô que execute suas tarefas, navegando na presença de pessoas, sem risco de colisão, utilizando sensores com capacidades limitadas. A solução baseia-se no fato de que cada sensor pode proporcionar diferentes tipos de informação que, ao serem unidas, geram uma descrição completa do ambiente. Em outras palavras, a fusão de dados resolve o problema da limitação individual dos sensores e torna o conhecimento sobre o ambiente mais completo e robusto (HUOSHENG & GAN, 2005). A fusão de dados não é nova e muitos trabalhos sobre o tema já foram realizados. Porém há muito pouco sobre a sua definição formal. Lucien WALD (1998 e 1999) define fusão de dados como uma estrutura formal usada para expressar a convergência de dados de diferentes fontes nas quais está explícito o significado e as ferramentas necessárias à sua união. O Departamento de Defesa do Estados Unidos através do JDL 2 definiu a fusão de dados como o processo em vários níveis concernentes com a detecção automática, associação, correlação, estimação e a combinação de dados de uma ou mais fontes (U.S. Department of defense, 1991). Na fusão de dados as informações podem ser de vários tipos, que vão desde medições numéricas até relatórios linguísticos. (CARVALHO et al., 2003). Justificar a utilização da fusão de dados unicamente na associação de vários sensores é insuficiente, torna-se necessário analisar novas possibilidades. A seguir as principais justificativas para o emprego da fusão de dados (JOSHI & SANDERSON, 1999): 1 A Sick é um dos líderes mundiais na produção de sensores e soluções para aplicações industriais. A Sick produz o sensor S 3000 que pode ser utilizado para a medição de distâncias de até 7 m com uma resolução de 70 mm. 2 JDL - The Joint Directors of Laboratories o f the U.S. Department of defense. 146

5 ROBERTO SELOW E LAERTE DAVI CLETO -A possibilidade de redução de custo pela utilização de sensores mais baratos e pela de distribuição do processamento devido às inúmeras fontes de sinal. - A possibilidade de redução do tempo devido ao paralelismo no processamento ou pela utilização de sensores mais rápidos. - A possibilidade de tornar o sistema mais robusto devido à utilização de um maior número de sensores e por basearem-se em diferentes princípios físicos. - A possibilidade de obtenção de um sistema mais preciso através da utilização de informações redundantes de vários sensores. A seguir apresenta-se uma breve discussão sobre os detalhes de maior relevância envolvidos na fusão de dados. 2 PRINCIPAIS ASPECTOS DA FUSÃO DE DADOS Ao iniciar-se a implementação de um módulo de fusão de dados, é necessário estabelecer uma discussão prévia sobre os principais aspectos envolvidos na fusão de dados e sobre o cenário em que esta ocorrerá. A lista que segue detalha os itens de maior relevância do assunto (JOSHI & SANDERSON, 1999). - Alinhamento das informações: cada sensor possui diferentes formas de representação dos dados. Antes de se promover a fusão de dados é necessário alinhar as informações. - Incerteza: as informações dos sensores são inerentemente incertas devido a erros de medição ou devido ao ruído presente no sinal. - Dados incompletos: quando as informações obtidas pelo sensor não são suficientes para descrever o ambiente diz-se que os dados são incompletos. - Inconsistência de dados: os dados são ditos inconsistentes quando permitem várias interpretações diferentes. - Granularidade: diferentes sensores apresentam diferentes níveis de granularidade. Os dados podem ser esparsos ou densos. - Ambientes estáticos ou dinâmicos: os sensores podem observar ambientes estáticos em que os objetos estão sempre nos mesmos lugares e que não há a circulação de pessoas ou ambientes dinâmicos em que os objetos podem se movimentar e há a circulação de pessoas. - Escalas de tempo: em ambientes dinâmicos os sensores podem atuar em diferentes escalas de tempo, conforme o tempo de resposta de cada sensor. - Modularidade: é a capacidade de processamento das informações de forma modular o máximo possível. Esta característica está diretamente relacionada à arquitetura utilizada na construção do robô móvel. Os cenários da fusão de dados dividem-se em complementar, competitivo e cooperativo (Figura 1). No primeiro caso sensores observam características diferentes do ambiente e cada um apresenta uma parcela de informações necessárias para a composição do ambiente como um todo. No segundo caso existe uma competição entre os sensores que detectam a mesma informação do ambiente porém de forma reduntante, a competição pode ser útil na redução da incerteza. E, por fim, a cooperação entre os sensores em que estes auxiliam um aos outros gerando uma dependência entre eles (JOSHI & SANDERSON, 1999) 147

6 FUSÃO DE DADOS APLICADA À ROBÓTICA MÓVEL Figura1 - Cenários da fusão de dados.(joshi & SANDERSON, 1999) 3 NÍVEIS DE FUSÃO DE DADOS A subdivisão da fusão de dados em níveis foi proposta originalmente pelo governo dos Estados Unidos através do JDL. O modelo conhecido como Modelo de Processo de Fusão de Dados JDL estabeleceu objetivos específicos através dos 4 níveis que se iniciam com a coleta de dados (nível 0), passa pela compreensão da entidade (nível 1), conhecimento da situação (nível 2), conhecimento da ameaça (nível 3) e,finalmente, a realocação de recursos e processos para enfocar lacunas existentes entre o plano e as ameaças (nível 4). Este modelo, apesar de ter sido utilizado em larga escala em aplicações militares, é bastante específico e de difícil adaptação para outras áreas, como no caso da robótica móvel (Figura 2)(STEINBERG et al.,1999). No trabalho de LUO & KAY (1992) é apresentada uma subdivisão dos níveis de fusão de dados em quatro categorias. A subdivisão proposta neste trabalho é muito parecida com aquela proposta pelo JDL. Na relação a seguir são apresentados os níveis e alguns exemplos de métodos utilizados para a fusão de dados. - Nível de sinal: neste nível ocorre a combinação de sinais provenientes de sensores similares em que um sinal de melhor qualidade, semelhante aos originais, é gerado. - Nível de pixel: neste nível ocorre a fusão de imagens através da correspondência espacial ou da associação de dados. Nesta etapa encontram-se os filtros digitais, morfologia matemática, álgebra da imagem e simulated anneling 3. - Nível de características: neste nível ocorre a fusão decorrente de sinais e imagens que formam uma representação única do ambiente. Os métodos mais empregados são a estimação Gauss-Markov e o Filtro de Kalman Extendido (EKF). - Nível de símbolos: neste nível, símbolos (que representam uma decisão) associados a um nível de incerteza são combinados formando uma decisão composta. Os métodos empregados são: Estimação bayesiana, Teoria da evidência de Dempster-Shafer e lógica fuzzy 3 Simulated Annealing (SA) é um método de otimização heurístico para determinação de mínimos de um sistema. 148

7 ROBERTO SELOW E LAERTE DAVI CLETO No trabalho de CARVALHO et al. (2003), os níveis da fusão de dados são aplicados à engenharia biomédica e não têm uma abordagem militar conforme as demais. Neste trabalho os autores sugerem que os dados podem ser provenientes de um sensor, sensores redundantes, variáveis 4 redundantes e finalmente variáveis e sistemas. Também é possível fazer a fusão de diferentes níveis de dados. A classificação do nível de fusão de dados dependerá, portanto, da origem dos dados. Figura 2 Modelo revisado de fusão de dados JDL. (STEINBERG et al.,1999) 4 ARQUITETURAS DE FUSÃO DE DADOS Os diferentes algoritmos encontrados na literatura, de acordo com a arquitetura de fusão de dados empregada, podem ser classificados nas seguintes categorias: centralizada, hierárquica e descentralizada. Não é possível afirmar qual destas arquiteturas é a melhor. Entre os autores existem aqueles que defendem a fusão descentralizada e outros que adotam uma arquitetura centralizada principalmente pelos problemas que a arquitetura anterior apresenta. A seguir serão discutidas as três arquiteturas e as vantagens e desvantagens de cada uma delas. 4.1 Arquitetura Centralizada Nesta arquitetura um processador central está conectado a todos os sensores para, após coletar as informações, processá-las (Figura 3). O processador tem a sua disposição todas as informações possíveis (MUTAMBARA, 1998). Esta arquitetura tem como vantagem a sua simplicidade e a impossibilidade de propagação indevida de pedaços de informação. (HALL 4 Segundo CARVALHO et al. (2003) as variáveis são as características obtidas dos dados após um processamento prévio das informações. 149

8 FUSÃO DE DADOS APLICADA À ROBÓTICA MÓVEL & LLINAS, 2001). As grandes desvantagens desta arquitetura são a sobrecarga computacional e a baixa tolerância a falhas (BAR-SHALOM et al., 2001). Figura 3- Arquitetura centralizada. (MUTAMBARA, 1998) 4.2 Arquitetura Hierárquica O princípio desta arquitetura baseia-se na redução de sobrecarga de comunicação e do esforço computacional através da distribuição do processamento. Os processadores responsáveis pela fusão local (centros de fusão local), após efetuarem a fusão de dados, enviam as informações a um processador central (Figura 4). Apesar da divisão de sobrecarga de processamento entre diversos processadores, algumas desvantagens da arquitetura centralizada ainda se fazem presentes nesta arquitetura. Adicionalmente tem-se a desvantagem de uma camada adicional a qual acrescenta um nível a mais de dificuldade na construção do algoritmo (MUTAMBARA, 1998). Figura 4- Arquitetura hierarquizada. (MUTAMBARA, 1998) 150

9 ROBERTO SELOW E LAERTE DAVI CLETO 4.3 Arquitetura Descentralizada Um sistema descentralizado é aquele em que todas as informações são processadas localmente, sendo constituído por uma rede de nós, sem a figura de um processador central. Neste sistema as informações estão sempre próximas aos nós e são eles os responsáveis pela fusão de dados sendo a única forma de comunicação a de nó para nó. Nesta arquitetura cada sensor é um nó que faz observações locais e troca informações com outros nós. Os outros nós assimilam a informação comunicada e fazem estimações locais. Em um sistema de controle descentralizado os nós utilizam o resultado da fusão para gerar um sinal de controle local. Além da idéia de que haja uma distribuição do processamento, a arquitetura descentralizada também possibilita a utilização de um sistema plug-and-play para a conexão dos sensores sem que haja a necessidade de nenhuma modificação nas rotinas (MUTAMBARA, 1998). Apesar de a noção de descentralização, que intuitivamente teve um grande apelo durante muitos anos, antecipar os seus resultados, ela se mostrou extremamente difícil. As pesquisas mostraram que, se a comunicação não for extremamente controlada, os pedaços de informação se propagam de forma redundante pela rede e podem ser reutilizadas de forma indevida. Várias abordagens buscaram resolver este problema porém nenhuma se mostrou inteiramente satisfatória. Nos meados da década de noventa este problema revelou-se como uma limitação teórica deste tipo de arquitetura que não pode ser resolvido através do uso tradicional de controle Bayesiano e métodos de estimação como o filtro de Kalman (HALL & LLINAS, 2001). Figura 5- Arquitetura descentralizada. (MUTAMBARA, 1998) 151

10 FUSÃO DE DADOS APLICADA À ROBÓTICA MÓVEL 5 CONCLUSÃO O desenvolvimento de projetos de robôs móveis não é mais possível sem a utilização de diversos tipos de sensores. As informações que estes sensores apresentam são heterogêneos entre si e têm pouca relevância se analisados separadamente. Neste trabalho é apresentada uma visão geral da fusão de dados como forma de integração das informações para a criação de um único mapa do ambiente. No artigo são apresentados os diversos níveis de fusão de dados e a classificação que auxilia no estudo do módulo de fusão. Na última parte as diferentes arquiteturas aplicadas à fusão de dados são estudadas e os pontos fortes e fracos de cada arquitetura são discutidos. Apesar da divisão entre os grupos de pesquisa quanto ao tipo de arquitetura a ser utilizada nos diferentes projetos, todos são unânimes em que a escolha está diretamente relacionada à aplicação em que a fusão de dados será utilizada. Na continuidade dos trabalhos pretende-se aprofundar o estudo teórico do tema e em seguida implementar um algoritmo de fusão de dados aplicando-o a um robô móvel que está em fase final de montagem nos laboratórios do UnicenP. A implementação permitirá a validação dos conceitos teóricos em um modelo prático. 152

11 ROBERTO SELOW E LAERTE DAVI CLETO REFERÊNCIAS BIBLIOGRÁFICAS BAR-SHALOM, Y.; LI, R.X.; KIRUBARAJAN, T. Estimation with applications to tracking and navigation. New York: Wiley-Interscience, BORENSTEIN, J.; EVERETT, H.R.; FENG, L. Navigating mobile robots: systems and techniques. Wellesley: A K Peters, CARVALHO, H. et al. A general data fusion architecture. In: Conference on Information Fusion, 6.,2003. Proceedings... HALL, D.L.; LLINAS, J. Handbook of multisensor data fusion. Boca Raton: CRC Press, HUOSHENG, H.; GAN, J. Q. Sensors and data fusion algorithms in mobile robotics: technical report: CSM-422. United Kingdom: University of Essex, JOCHEM, T.; POMERLEAU, D. Life in the fast lane: the evolution of na adaptive vehicle control system. AI Magazine, v. 17, n.2, p , JOSHI, R. ; SANDERSON, A.C. Multisensor fusion using minimal representation methods. World Scientific, LUO, R.C.; KAY, M.G. Data fusion and sensor integration: state-of-art 1990s. In: ABIDI, M.A.; GONZALEZ, R.C. Data fusion in robotics and machine intelligence. Academic Press, p MUTAMBARA, A.G.O. Decentralized estimation and control for multisensor systems. Boca Raton: CRC Press, ROSENBLATT, J. D. A distributed architeture for mobile navigation. Carnegie Mellon University Robotics Institute Technical Report CMU-RI-TR-97-01, Pittsburgh, PA, SINGHAL, A. Issues in autonomous mobile robot navigation. Rochester, Dissertação (Mestrado) - Universidade de Rochester. STEINBERG, A.N.; BOWMAN, C.L.; WHITE, F.E. Revisions to the JDL data fusion model, in Sensor Fusion: Architectures, Algorithms, and Applications, Proceedings of the SPIE, v. 3719, TSUBOCHI, T.; HIROSE, A.; ARIMOTO, S. A navigation scheme with learning for a mobile robot among multiple moving obstacles. Proceedings of IROS 93. Intelligent Robots for Flexibility, n.3, v.2317, p ,

12 FUSÃO DE DADOS APLICADA À ROBÓTICA MÓVEL 154