Projeto de robô MicroMouse

Transcrição

1 Projeto de robô MicroMouse Gilklayvison Carvalho, Guilherme Ferreira Resumo Este artigo descreve o projeto de um robô solucionador de labirintos baseado no algoritmo de FLOOD- FILL. A detecção de paredes e aberturas no labirinto são realizadas utilizando sensores de distância infravermelhos. O algoritmo para correção no deslocamento do robô em linha reta se baseia em um controle PI(D). O robô é capaz de analisar o labirinto, encontrar todas as possíveis rotas de saída e resolver utilizando a mais curta. Palavras-Chave Navegação autônoma, solução de labirintos, algoritmo Flood-Fill, sensor infravermelho, controle PI(D). Abstract This paper describes an implementation of a mazesolving robot designed to solve a maze based on the FLOOD-FILL algorithm. Detection of walls and opening in the maze were done using infrared range-finders. Algorithm for straight-line correction was based on PI(D) controller. The robot was able to learn the maze, find all possible routes and solve it using the shortest one. II. WALL FOLLOWING Técnicas para MicroMouse O algoritmo WALL FOLLOWING é um das técnicas mais simples utilizadas para resolver labirintos. Essencialmente o robô irá decidir seu deslocamento seguindo a parede da esquerda ou direita, figura 1. Quando o robô encontrar uma bifurcação, ele identifica as aberturas nas paredes e seleciona a direção dando prioridade a parede escolhida a seguir previamente. Utilizando as paredes como guia, essa estratégia é capaz de fazer com que o robô encontre o ponto de chegada do labirinto sem necessariamente solucioná-lo [2]. Keywords Autonomous navigation, maze-solving, FLOOD- FILL algorithm, infrared sensor, PI(D) controller. I. INTRODUÇÃO Em robótica móvel, a navegação autônoma permite que o robô se desloque de um ponto a outro independentemente, sem a necessidade de um operador para o mesmo. Inúmeras técnicas e algoritmos estão disponíveis para esse propósito, cada uma tendo seus méritos e contratempos [1]. Solução de labirintos é uma técnica estruturada e controlada de navegação autônoma na qual sua implementação pode ser preferencial no estudo de aspectos específicos de um problema. Este artigo discute o projeto de um pequeno robô desenvolvido para solucionar labirintos baseado no algoritmo FLOOD-FILL [1]. A tarefa de solucionar labirintos é similar a utilizada em competições de MicroMouse, onde os robôs devem solucionar o labirinto no menor tempo possível e utilizando o caminho mais eficiente. O robô navega de uma das extremidades do labirinto até o centro o mais rápido possível. O robô conhece o ponto em que o mesmo é posicionado no início do labirinto e onde a posição da saída se encontra, porém não conhece nenhuma outra informação sobre os obstáculos entre os dois. O labirinto para as competições é normalmente composto por um quadrado com 256 células onde o tamanho de cada célula é em torno de 18cm x 18cm. As células são arranjadas em 16x16. A posição de partida é formada por uma célula em uma das extremidades do labirinto, já a posição de chegada é composta por 4 células no centro do labirinto. Os requerimentos das paredes do labirinto e plataforma de suporte do mesmo são providos pelas especificações da IEEE [1]. Figura 1: Exemplo de robô utilizando sensor posicionado para seguir parede da direita. DEAD RECKONING Esse algoritmo é usado basicamente como um controle, ou hipótese zero, para determinar se os outros dois algoritmos são melhores, baseado em estatísticas significativas. O rato simplesmente segue reto até encontrar uma bifurcação ou DEAD END. Numa bifurcação, ele segue em uma das direções disponíveis em aleatório. Num DEAD END, ele gira [3]. DEAD END LEARNING Esse algoritmo é semelhante ao DEAD RECKONING, com exceção de que todo DEAD END encontrado é guardado na memória e colocado uma parede virtual em sua abertura para que o rato se lembre e não entre novamente. Esse é o algoritmo mais usado para resolver labirintos. Ele tem a vantagem da simplicidade, mas é bem otimizado os designers de labirinto normalmente e deliberadamente desenham labirintos para dificultar o rato que usa esse algoritmo. Além do mais, esse algoritmo não garante que a rota mais rápida será encontrada se houver loops no labirinto. Dependendo de como o algoritmo é

2 implementado, as vezes ele vai fazer com que o mouse entre em vários loops até encontrar o ponto final [3]. Como isso funciona? Por exemplo, supondo que o rato encontre um quadrado com uma entrada e três paredes. Como mostrado na figura 2 [3]. Figura 2: Rato encontra uma DEAD END Essa passagem com três paredes é uma daquelas que o rato não terá razoes para entrar novamente. Logo, o rato irá virar e mover um espaço a frente, e o programa vai colocar uma parede virtual lá, criando uma sala fechada, onde o rato nunca mais vai entrar, como mostrado na Figura 3 [3]. Figura 4: Rato encontra uma DEAD END Esse algoritmo é o mais simples que também envolve estudo de máquina. Esse tipo de algoritmo resolverá qualquer labirinto que não tenha loops, aleatoriedade tem que ser adicionadas para que ele possa resolver qualquer labirinto, independentemente se tiver loops. A principal vantagem desse algoritmo é que ele é fácil de modificar o simples código de DEAD RECKONING para acomodar aplicações extras. Até mesmo as mesmas variáveis podem ser usadas. A única mudança é que a matriz que armazena os dados do labirinto é estática nós o mudamos no deslocamento por conta dos DEAD ENDS [3]. FLOOD-FILL Este algoritmo é bem mais complexo do que os três anteriores. Ele envolve uma suposição inicial de que não há parede no labirinto. Um número é cadastrado para cada célula. O número corresponde à distância para o ponto final. Esse algoritmo tem a vantagem de sempre encontrar o caminho mais curto entre o começo e o fim. Contudo, o caminho mais curto é apenas em termos de distância; dependendo do número de giros e o tempo associado para girar, o caminho mais curto pode não ser o mais rápido. O conceito é ilustrado na figura 5 [3]: Figura 3: Rato gira 180º e coloca uma parede virtual. Agora o rato criou outra célula com 3 paredes, esta célula pode ser bloqueada também, O rato pode agora fazer uma curva de 90º para esquerda e seguir em frente um espaço, e o programa vai colocar na entrada da DEAD END uma parede virtual, eficientemente bloqueado a entrada da DEAD END assim como é mostrado na figura 4 [3]. Figura 5: O labirinto é iniciado com os menores valores de deslocamento possíveis para as células.

3 O rato sempre começa num canto do labirinto, sempre há uma parede à esquerda, como requer as regras oficiais da Competição de MicroMouse [3]. Tomando como exemplo um labirinto de dimensões 5x5, nota-se que apenas as paredes da borda e da direita são conhecidas pelo rato. As paredes em cinza são, atualmente, desconhecidas para ele. Elas serão atualizadas quando o rato percorrer o labirinto [3]. O número embaixo do rato não é mostrado, mas nesse caso, é o número 4. Novamente, esse número representa o número de movimentos mais otimístico que levará o rato ao ponto final (que é o centro do labirinto, onde é sempre o número 0). Nesse caso, como de costume com os ratos robôs, o rato só pode ver as paredes do espaço que ele se encontra atualmente [3]. O próximo passo é fazer o rato mover uma célula a frente. Ver figura 6 Isso será normalmente preferível a girar, desde que girar leva um tempo adicional. Geralmente, só deve-se girar quando um dead end for encontrado [3]. padrão. Note o número atualizado no quadrado que o rato acabou de sair, na figura 8 [3]. Figura 7: Rato encontra uma parede à sua direita, os números do labirinto agora estão inconsistentes. Figura 6: Rato segue os números em ordem decrescente. O primeiro teste é checar se o rato está no ponto final. Desde que o número abaixo do rato não seja zero, ele não estará no fim, logo, ele checará os números ao seu redor para ver se são consistentes. Nesse caso, eles são, então o próximo passo é mover a frente. Ver figura 7 [3]. O rato achou uma parede e a guardou na memória. Ela está de preto na ilustração. O rato não está no seu destino ainda, logo ele checará a consistência dos números em sua volta. O número abaixo do rato é 2, mas agora ele sabe que há uma parede à esquerda, logo isso é uma violação do algoritmo cada número atualizado representa o número de movimentos até o destino [3]. Para resolver isso, ele checa o valor do quadrado que ele acabou de sair e adiciona 1, para ficar 4. Esse número é aplicado ao quadrado atual. Depois, ele checa a consistência do quadrado da frente, e está correto, pelo menos até onde o rato sabe. Se não estivesse correto, ele teria que fazer várias iterações e atualizar vários números para manter a consistência no labirinto [3]. O próximo passo é mover a frente. Novamente, o rato não conhece o que está a sua frente, então ele move a frente por Figura 8: Após ajustar os valores o rato continua a seguir os menores valores. O próximo passo seria virar à direita e seguir até o 2, depois seguir para o 1. A figura 9 mostra que pode ser necessário mudar mais de um número de uma só vez. Há mais de um modo de fazer isso. Ou uma stack pode ser usada para conter informações das células vizinhas que precisarem ser atualizadas, ou o método da Força-Bruta pode ser usado: o rato pode simplesmente escanear o labirinto inteiro em memória de consistência após cada movimento, e se encontrar uma célula que não seja consistente, ele a mudará e depois repetirá o ciclo até que todas as células fiquem consistentes [3]. Muitos dos números precisam ser atualizados nesse caso. A figura 10 mostra como os valores do labirinto deveria ficar depois dessa ação [3].

4 FLOOD-FILL Reduzido Dang e Song propuseram AN EFFICIENT ALGORITHM FOR ROBOT MAZE-SOLVING que foi baseado no algoritmo FLOOD-FILL reduzindo alguns passos não necessários em certos casos. Como existem canais no labirinto onde o robô é forçado a ir apenas em linha reta não é necessário executar todas as etapas do algoritmo que são: atualizar paredes, atualizar os valores do labirinto, determinar que direção ele deve virar e se deslocar para a próxima célula. Para reduzir o tempo de execução, é apenas necessário atualizar os valores do labirinto quando existe uma curva [1]. Figura 9: O número atrás do rato está inconsistente. III. Algoritmo Escolher o algoritmo apropriado para o robô é de extrema importância, deve-se tanto se observar em limitações de hardware quanto implementação de software. O algoritmo escolhido para o robô foi o FLOOD-FILL Reduzido, devido a seu equilíbrio em eficiência e complexidade. Para esse algoritmo existem 4 etapas principais: 1) Mapeamento do labirinto Para que o robô seja capaz de resolver o labirinto, ele necessita conhecer o tamanho do labirinto e o tamanho das células que compõem o mesmo. Entre duas células pode haver uma parede. Para um labirinto de 6x6 células, teremos 11 paredes por linha, sendo 6 na horizontal e 5 na vertical. As bordas do labirinto e intersecções das paredes são ignoradas pelo programa. Esta informação é guardada em um array de 11x11, como mostrado na figura 11. As células pretas são as que o robô pode se deslocar livremente, as brancas são locais de possíveis paredes [1]. Figura 10: Essa mudança afeta outras células no labirinto. O algoritmo Flood Fill tem uma desvantagem, nisso é quase impossível desenhar num estado de máquina um microcontrolador é normalmente requerido. Um simples microcontrolador como o 8051 da Intel não é poderoso suficiente. Muitos kilobytes de RAM são normalmente necessários apenas para armazenar o labirinto e os dados das paredes, sem mencionar o programa em si. Se o programa for escrito em C, será necessário ainda mais overhead para debugar as informações adicionadas no fim do código [3]. O algoritmo Flood Fill propositadamente evita mover para números que são maiores, mesmo se eles levem a caminhos mais curtos. Isso soa como uma desvantagem, mas não há como descobrir o caminho mais curto se as paredes não forem antes mapeadas. Seguindo o algoritmo estritamente melhorará o tempo ao ponto final em qualquer labirinto. Esse algoritmo sempre funciona, e não é aleatório ele é sistemático e previsível. Um labirinto pode ser deliberadamente desenhado para favorecer um dos algoritmos anteriores, mas não é isso que se deve esperar de quem os constrói [3]. 2) Atualizar estado das paredes Figura 11: Exemplo array labirinto Antes do robô decidir para onde ele deve deslocar-se, o mesmo necessita verificar se existem paredes nas seguintes direções: direita, esquerda e frente. O robô lê a distância de qualquer obstáculo em cada uma das direções e checa se a distância em cada uma é maior que 20cm. As que são menores que 20cm são atualizadas como paredes em suas respectivas

5 direções. Este processo é ilustrado no diagrama abaixo, figura 12. Para que o robô atualize corretamente os dados das paredes, é necessário que ele conheça que direção ele está posicionado. Existem quatro direções que o robô pode estar posicionado: norte, sul, leste, oeste, como é mostrado na FIGURA 13 [1]. 3) Atualizar valores do labirinto Depois de atualizar a informação das paredes da célula atual, o robô começa a atualizar os valores da matriz para encontrar o caminho mais curto para a saída. Ele realiza o mesmos processo para todas as células até encontrar um caminho do robô para a saída. Baseado nisso a célula de saída recebe um valor de 0. Se o robô está na célula com um valor de 4, significa que ele irá levar 4 passos (células) para alcançar a célula objetivo. O algoritmo assume que o robô não pode mover-se em diagonal, apenas curvas de 90º [1]. 4) Atualizar direção do robô Depois que o robô decide que direção ele irá deslocarse ele informa o total de graus necessário para que ele fique de frente com a posição desejada. Após a operação o robô atualiza a direção em que ele se encontra [1]. IV. Design de Hardware O robô projetado possui um comprimento de 140mm e 86,6mm de largura. A figura 14 mostra a vista 3D do protótipo desenvolvido no DesignSpark Mechanical. No robô estão posicionados 3 sensores infravermelhos posicionados na parte frontal e laterais do robô, para identificar a posição das paredes ou possíveis obstáculos. Os motores selecionados para o deslocamento são 2 servo motores modificados para realizar a rotação com 360º contínuos, próximo as rodas estão posicionados os encodeares para captar o deslocamento do robô. Para alimentação foi selecionada uma bateria de 9V recarregável. Figura 12: Processo para atualizar o estado das paredes Figura 13: Mudança nas posição do array dependendo da orientação do robô. 1) Placa de controle: Figura 14: Vista 3D robô O ARDUINO Uno, Figura 15, é uma placa microcontrolada que possui todos os componentes mínimos necessários para o microcontrolador possa interagir com dispositivos externos e periféricos de maneira simples e eficiente. O ARDUINO Uno é composto por um microcontrolador ATmega328, com um regulador de tensão linear de 5v, plug de alimentação, conector USB, conector ICSP, botão de reset, cristal oscilador de 16MHz e um Atmega8U2. A placa, possui dimensões de 68mm x 55mm.

6 O ATmega328 possui 32KB de memória flash que armazena o código, 1KB de EPPROM, 2KB de SRAM, 23 I/O de uso geral, 32 registradores de uso geral, três TIMER/COUNTERS com módulos comparadores, interrupções internas e externas disponíveis, 6 canais de 10bits A/D conversor e WATCHDOG programável com clock interno. Figura 17: Gráfico da tensão de saída pela distância 2) Sensor Infravermelho Figura 15: Placa ARDUINO Uno O sensor infravermelho selecionado foi o Sharp GP2Y0A21YK0F, figura 16, que é capaz de detectar a distância do sensor até objetos em sua frente. O sensor tem uma saída analógica que pode ser facilmente interpretada em ARDUINO, PIC e outros microcontroladores, tomando como base o gráfico Saída(V0) por Distância, figura 17. 3) Placa de controle para os motores Existem várias maneiras diferentes de se controlar um motor DC. Devido a disponibilidade de vários SHILDS que são compatíveis com o ARDUINO, uma SHILD dedicado ao controle de motores ARDUMOTO foi selecionada para este projeto. Como mostrado na figura 18, o ARDUMOTO é enviado pré-montado. O SHILD pode controlar a velocidade e direção de até 4 motores, o mesmo é baseado no CI L298 (Dupla ponte H completa) que é capaz de fornecer até 2A por canal. A placa possui um LED azul e amarelo conectados a ambas as saídas que indicam a direção ativa [2]. Figura 18: ARDUMOTO Figura 16: Sensor Sharp GP2Y0A21YK0F O sensor possui tensão de operação de 5v e uma corrente de consumo média de 30mA. A Facha de distância para medição é de 10cm até 80cm. O tempo de resposta do sensor é de em média 40ms. V. Resultados Devido à natureza do artigo ser apenas uma base para o artigo final para a disciplina de processos estocásticos, o robô não chegou a ser montado para realização de testes dos sensores ou execução dos algoritmos. Ao final do projeto foram verificados algumas falhas no design inicial e escolha de hardware sendo os principais: 1) Dimensões do robô: As dimensões do projeto do robô foram 140mm x 86,6mm, como citado anteriormente. Porém ao verificar as

7 promoções com o desenho 3d do labirinto, nota-se que as dimensões do projeto ficam próximas as paredes, dificultado curvas e o deslocamento sem que ocorram colisões. A sugestão para o projeto final é o reconstrução do protótipo com uma estrutura em PCB. O desenvolvimento do protótipo como uma única placa melhor a estabilidade, reduz peso e tamanho do robô, além de diminuir a possibilidade de mal contatos pois todos os componentes e suas ligações são soldadas a placa. As figura 19 e figura 20 mostram exemplos de um robôs montados tendo a PCB como estrutura principal. fatores para fazer com que o robô encontre o caminho mais rápido, porém isso pode requerer um microcontrolador mais rápido pois irá aumentar consideravelmente a quantidade de operações que o robô irá realizar. Outro ponto que dificulta a aplicação do método no algoritmo é a falta de documentação encontrada sobre a aplicação do fundamento em MicroMouses. VI. Referencias [1] I. Elshamarka e A. B. S. Saman, Design and Implementation of a Robot for Maze-Solving using Flood-Fill Algorithm, International Journal of Computer Applications, [2] M. Alsubai, Algorithms for Maze Solving Robot, Faculty of Science + Engineering, [3] D. M. Willardson, Aalysis of Micromouse Maze Solving Algorithms, Learning from Data, 2001 Figura 19: MicroMouse utilizando PCB como estrutura principal. Figura 20: MicroMouse utilizando PCB como estrutura principal. 2) Motores Os motores selecionados para o projeto foram 2 servo motores de 9G modificados para fazer a rotação continua. Os motivos da escolha dos motores foram o fácil acoplamento à estrutura e o baixo custo. Porém para um melhor funcionamento do robô é de fundamental importância substituir os servos por motores de maior velocidade e força, garantindo assim um robô competitivo. Outro ponto importante na escolha de um novo motor é a possibilidade de possuir um sistema de encoder ou suporte para acoplamento do mesmo. 3) Controle O algoritmo descrito nesse trabalho, pode ser melhorado aplicando Teoria da Decisão como um dos