Disciplina de. Robôs Móveis Autônomos SSC-0714

Transcrição

1 USP - ICMC - SSC LRM (Lab. de Robótica Móvel) SSC 0714 (RMA) - 1o. Semestre 2013 Disciplina de SSC Abril 2013 Prof. Fernando Santos Osório fosorio [at] { icmc. usp. br, gmail. com } Estagiário PAE: Daniel Sales e Vitor Utino (LRM) Web: Wiki ICMC: ou Aula 05

2 Aula 05 Arquiteturas de Controle Agenda: Arquiteturas de Controle de Robôs Autônomos 1. Controle Reativo e Deliberativo [Puro] 2. Controle Hierárquico: Horizontal, Vertical Horizontal: SMPA Vertical: Arquitetura Subsumption (Brooks) 3. Controle Híbrido e Localização Arquitetura COHBRA Arquitetura SLAM 4. Exemplos de Sistemas com Arquitetura Híbrida 2

3 Arquitetura de Controle Reativo Puro Controle Reativo Puro Controle: Percepção [ => Decisão => ] => Ação Reativo: Percepção => Ação - Reage diretamente aos estímulos externos; - Esquema sensorio-motor; 3 Março 2010 Comportamentos e Tarefas típicas: Reactive Behaviour - Vagar pelo ambiente, evitando colisões e obstáculos; - Acompanhar uma parede ou corredor; - Comportamento direcionado pela luz; - Ir em direção a uma determinada orientação Composição de Comportamentos: Direção x Obstáculo

4 Arquitetura de Controle Deliberativo Controle Deliberativo Puro Controle: [Percepção =>] Conhecimento e Decisão => Ação Deliberativo: Planeja, Delibera => Ação - Possui conhecimento sobre a situação do robô e do ambiente; - Usualmente baseado no uso de mapas e planejamento de trajetórias. Tarefas típicas: Behaviour : Task Planning, Action Sequence 4 Março Execução de scripts de ações planejadas previamente; - Executar uma seqüência de ações previamente determinada; - Seguir trajetórias especificadas com uso de mapas; - Execução de Tarefas de Alto Nível;

5 Arquiteturas de Controle Arquitetura de Controle: Reativo Percebe => Age Deliberativo Planeja/Decide => Age Agentes Autônomos dotados de SENSORES e ATUADORES Reativo: Sensorial Motor Planejamento Deliberativo 5

6 Arquitetura de Controle CONTROLE: Arquiteturas Reativas Ambas possuem problemas e limitações! CONTROLE: Arquiteturas Deliberativas Solução? Buscar aproveitar o que de melhor tem cada uma das duas abordagens... SISTEMAS HÍBRIDOS! 6 Março 2010

7 Arquiteturas de Controle ARQUITETURAS HÍBRIDAS 7 [J. Okamoto Jr & V. Grassi Jr., 2013]

8 Arquiteturas de Controle Controle e Autonomia Arquiteturas de Controle Robótico Arquitetura Reativa Arquitetura Deliberativa Arquitetura Hierárquica Arquitetura Híbrida Controle => Tomada de Decisão para Realizar Ações Arquitetura => Modelo de Tomada de Decisão Autonomia => Independência e Robustez na Tomada de Decisões 8

9 Controle Hierárquico Vertical Hierarquia de Comportamentos: - Evitar/Desviar de obstáculos - Seguir em uma determinada direção - Seguir uma determinada rota 9

10 Controle Hierárquico Vertical Brooks - Arquitetura Subsumption 10 Figures From: Brooks, R. A. MIT A.I. Memo 864 Sept. 1985

11 Controle Hierárquico Arquiteturas Hierárquicas Verticais Brooks-Subsumption Arquitetura Hierárquicas Horizontais SMPA Sense Model - Plan - Act 11

12 Controle Hierárquico/Híbrido: SMPA Controle Híbrido Farlei Heinen 12 PLAN: Dijkstra ACT & ReACT

13 Controle Hierárquico/Híbrido: SMPA Sense MODEL Plan - Act Conflito Cognitivo: -Valor Esperado - Valor Real (lido pelos sensores) Mapeamento: -Nuvem de pontos - Extração de contorno 13 Método de Douglas-Peucker

14 Controle Hierárquico/Híbrido: SMPA Sense MODEL Plan - Act Environment Map: Occupancy Grid 14

15 Controle Hierárquico/Híbrido: SMPA Sense MODEL Plan - Act Environment Map: Occupancy Grid 15 Sebastian Thrun / CMU

16 Controle Hierárquico/Híbrido: SMPA Sense MODEL Plan - Act Environment Map: Occupancy Grid 16

17 Controle Hierárquico/Híbrido: SMPA Sense MODEL Plan - Act Environment Map: Occupancy Grid 17 Flávio Alves

18 Controle Hierárquico/Híbrido: MAPAS: Construção - Exemplo: SMPA Utilização - Exemplo: A* PROBLEMA: LOCALIZAÇÃO! - Para poder construir um mapa precisamos controlar a posição e o deslocamento do robô; - Para poder navegar usando um mapa precisamos saber onde está o robô. 18 Where am I? [Borenstein 1996]

19 Controle Hierárquico/Híbrido: POSE Posição ( X, Y [Z] ) Orientação ϴ ou ϴx, ϴy, ϴz POSE 2D = X, Y, ϴ POSE 3D = X, Y, Z, ϴx, ϴy, ϴz LOCALIZAÇÃO! - Para poder construir um mapa precisamos controlar a posição e o deslocamento do robô; - Para poder navegar usando um mapa precisamos saber onde está o robô. 19 Where am I? [Borenstein 1996]

20 Controle Hierárquico/Híbrido: >> Estimativa da Posição << Posição Inicial + Deslocamentos => Posição Final Integração dos deslocamentos no tempo: Odometria PROBLEMAS: - Como determinar a posição inicial? - Como medir precisamente os deslocamentos: * Avanço em linha reta * Giro para os lados 20

21 Controle Hierárquico/Híbrido: Erro de Odometria... 21

22 PROBLEMA: Erro de Localização => IMPACTO no Algoritmo de Navegação e Deteção de Obstáculos O que ocorre se a posição estimada estiver incorreta? Farlei Heinen, 2000 Planejando a Trajetória do Robo com o uso do Mapa 22 Março Determinar a área onde o robô pode navegar: Espaço de Configuração 2. Gerar o conjunto de rotas possíveis: Grafo de Visibilidade 3. Obter a melhor trajetória dentro das rotas possíveis: Algoritmo de Dijsktra

23 Controle Híbrido Robusto COHBRA / SimRob3D 23

24 Controle Híbrido Robusto COHBRA / SimRob3D Mapa: Geométrico, Grade, Topológico Auto-Localização Planejamento de Trajetória Desvio de Obstáculos 24 Controle Híbrido Reativo / Deliberativo

25 SLAM Controle Híbrido: Arquitetura SLAM SLAM = Simultaneous localization and mapping Refs: SLAM OpenSLAM MATLAB SLAM Book: Probabilistic Robotics - The MIT Press (2005) by Sebastian Thrun, Wolfram Burgard, Dieter Fox 25

26 Arquiteturas Híbridas Controle Híbrido: Arquitetura com Estados Internos (Autômato) 26

27 Autômato Finito / FSM Finite State Machine DARPA Challenge 27 Maio 2010 Ohio State University at the 2004 DARPA Grand Challenge: Developing a Completely Autonomous Vehicle IEEE INTELLIGENT SYSTEMS Sept./Oct. 2004

28 Autômato Finito / FSM Finite State Machine DARPA Challenge Stanley (Stanford) 28 Maio 2010

29 Autômato Finito / FSM Finite State Machine 29 Maio 2010

30 Arquiteturas Híbridas Controle Híbrido: Arquitetura com Estados Internos (Autômato) 30

31 Autômato SEVA: Estacionamento Autônomo Sistema de Estacionamento de Veículos Autônomo: - Modelo de simulação dos sensores; - Modelo de simulação da cinemática do veículo (modelo do deslocamento de um carro Ackerman) - Comandos do atuador relacionado ao deslocamento (avançar / recuar e velocidade); - Comandos do atuador relacionado ao giro do veículo (rotação da direção). SEVA-A Seva Autômato SEVA-H Seva Humano 31 SEVA-N Seva Neural Maio 2010

32 Autômato SEVA: Estacionamento Autônomo 32 Maio 2010 Modelo Sensorial V[1] V[0] V[2] V[4] V[5] V[3] Modelo Cinemático Ackerman Steering -Sensores de distância Infravermelhos (V[0] a V[5]). -Sensores posicionados de forma estratégica, especificamente para estacionamento em vagas paralelas. Comportamento de um automóvel X = V * Cos ( ) * Cos ( ) Y = V * Cos ( ) * Cos ( ) += V / L * Sin ( )

33 Autômato SEVA: Estacionamento Autônomo SEVA-A: Autômato de Controle Procurando_Vaga Posicionando Entrando_Vaga Posicionando_Vaga Parado Alinhando Otimizando_Vaga 33 Autômato de estados finitos (FSA): Estado E, Sensores S => Estado E, Comando C Maio 2010

34 Autômato SEVA: Estacionamento Autônomo Se Estado_Atual(Procurando_Vaga) e Próximo_ao_Obstáculo(V[4]) e Próximo_ao_Obstáculo(V[5]) Então Speed = Avanço_Rápido e RotVel = Direção_Reta; Se Estado_Atual(Procurando_Vaga) e Longe do_obstáculo(v[2])e Longe do_obstáculo(v[3]) e Longe do_obstáculo(v[4]) e Longe do_obstáculo(v[5]) Então Troca_Estado(Posicionando) e Inicializa(Odômetro); Se Estado_Atual(Posicionando) Então Speed = Avanço_Rápido e Rotvel = Direção_Reta; Se Estado_Atual(Posicionando) e Longe_do_Obstáculo(V[4]) e Deslocamento_Suficiente(Odômetro) Então Estado_atual(Entrando_Vaga) e Inicializa(Odômetro); Se Estado_Atual(Entrando_Vaga) Então Speed = Ré_Rápida e RotVel = Giro_Esquerda_Max; 34 Problemas: Usuário deve explicitar as regras, estas regras são pouco robustas, estão sujeitas a erros, são pouco flexíveis e de difícil adaptação a novas situações; Maio 2010

35 Sensores e Atuadores: Simulação SEVA3D Simulador de Estacionamento de Veículos Autônomos 3D Searching Parking Space Positioning Outside Entering Positioning Inside Aligning 35 Março 2011 Sensores: Sonar (configurável pelo usuário) e Odômetro Atuadores: Cinemática Ackerman (velocidade e giro da direção)

36 SEVA 3D Sistema de Estacionamento de Veículos Virtual Environment: 3D Realistic Environment SEVA 3D Simulation Tool 36

37 SEVA 3D Sistema de Estacionamento de Veículos SEVA 3D Simulation Tool 37

38 Arquiteturas Híbridas Controle Híbrido: Arquitetura com Estados Internos (Autômato + Rede Neural) DECISÃO 38

39 Arquiteturas de AGENTES AUTÔNOMOS AGENTES AUTÔNOMOS: - Reativos - Deliberativos - Hierárquicos - Híbridos - Agentes Cognitivos - BDI = Belief / Desire / Intention - MAS Architectures (Multi-Agent) - Agentes Adaptativos (Machine Learning) - Agentes Evolutivos (Genetic Algorithms) 39 Conceitos de Agentes: - Corpo (Agente é um ente físico) - Percepção (Múltiplos canais de percepção) - Cognição: Raciocínio, Aprendizado, Adaptação, - Ação (Múltiplas formas de interação com o mundo) Comunicação - Interação

40 Arquiteturas para Referências do Material Apresentado: HEINEN, Farlei ; OSÓRIO, Fernando S.. HyCAR - A Robust Hybrid Control Architecture for Autonomous Robots. In: HIS Hybrid Intelligent Systems, 2002, Santiago do Chile. Soft Computing Systems - Design, Management and Applications. Frontiers in Artificial Intelligence and Applications Series: IOS Press, v. 87. p ( usp / guest ) [Arquitetura COHBRA] Farlei Heinen. Sistema de Controle Híbrido para [SimRob3D] Dissertação (Mestrado em Computação Aplicada) - Universidade do Vale do Rio dos Sinos Orientador: Fernando Santos Osório. HEINEN, Milton Roberto ; OSÓRIO, Fernando S. ; HEINEN, Farlei ; KELBER, Christian. SEVA3D: Autonomous Vehicles Parking Simulator in a three-dimensional environment. INFOCOMP (UFLA), v. 6, p , HEINEN, Milton Roberto ; OSÓRIO, Fernando S. ; HEINEN, Farlei ; KELBER, Christian. SEVA3D: Using Artificial Neural Networks to Autonomous Vehicle Parking Control.. In: IJCNN IEEE International Joint Conference on Neural Networks, 2006, Vancouver. Proceeding of the WCCI (World Congress on Computational Intelligence) - IJCNN. Vancouver, Canadá : IEEE Press, v. 1. p Farlei Heinen. Robótica Autônoma: Integração entre Planificação e Comportamento Reativo [SimRob2d] Trabalho de Conclusão de Curso. (Graduação em Informática) Univ. do Vale do Rio dos Sinos. Orientador: F. Osório Luciane Fortes. Aplicação de Técnicas de Aprendizado para o Controle Inteligente de Veículos Autônomos Trabalho de Conclusão de Curso. (Graduação em Informática) Univ. do Vale do Rio dos Sinos. Orientador: F. Osório.

41 INFORMAÇÕES SOBRE A DISCIPLINA USP - Universidade de São Paulo - São Carlos, SP ICMC - Instituto de Ciências Matemáticas e de Computação SSC - Departamento de Sistemas de Computação Prof. Fernando Santos OSÓRIO - Laboratório LRM PAE Daniel Sales (Doutorado) & Vitor Utino (Mestrado) - LRM Web institucional: Página pessoal: fosorio [at] { icmc.usp.br, gmail.com } 41 Disciplina de Web Disciplinas: Wiki ICMC: > Programa, Material de Aulas, Critérios de Avaliação, > Material de Apoio, Trabalhos Práticos Abril 2013