html5-img
1 / 68

Robótica Inteligente

Robótica Inteligente. L. Enrique Sucar Alberto Reyes ITESM Cuernavaca. Temas avanzados. Laboratorios virtuales Interacción humano-robot Robots de servicio Coordinación – MDPs factorizados y paralelos. Laboratorios Virtuales.

juana
Download Presentation

Robótica Inteligente

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Robótica Inteligente L. Enrique Sucar Alberto Reyes ITESM Cuernavaca

  2. Temas avanzados • Laboratorios virtuales • Interacción humano-robot • Robots de servicio • Coordinación – MDPs factorizados y paralelos

  3. Laboratorios Virtuales • Un laboratorio virtual permite realizar experimentos sin contar con un laboratorio “físico”: • Simulación • Telecontrol • Aplicaciones: • Educación y entrenamiento • Investigación y cooperación • Experimentación a distancia

  4. Interfaz de acceso con un Tutor Inteligente Telecontrol + Telemetría Simulador Lab. Real

  5. Ventajas de los Laboratorios Virtuales • Permite acceso a equipo a usuarios dispersos geográficamente • Reduce costos y promueve transferencia de tecnología • Permite la comparación de resultados de experimentos • Reduce riesgos • Permite incorporar estrategias didácticas, tutores, ayudas en líneas, etc.

  6. Telecontrol Programación y observación remota del equipo • Programación: • lenguaje de alto nivel • comandos gráficos interactivos • Observación: • retroalimentación (imágenes, video y audio) • medidores virtuales gráficos o textuales

  7. Laboratorio Virtual de Robótica • Experimentación con robots móviles • programación • planeación de trayectorias • construcción de mapas • localización • Laboratorios: • Telecontrol • Simulación

  8. Telecontrol

  9. Telecontrol • El laboratorio virtual mediante telecontrol permite hacer experimentos a distancia con un robot móvil a través de Internet • El laboratorio incluye: • Un módulo de programación • Un módulo de observación • Un módulo de seguridad • Servidor e interfaz al cliente

  10. Configuración Internet Red local Red local

  11. Robot Móvil

  12. Arquitectura de Telecontrol

  13. Elementos del Laboratorio Remoto • Servidor de páginas Web • Conexión con el robot móvil • Conexión con el sistema de video para observación • Conexión con el cliente • Sistema de visualización del experimento • Vista del robot y su ambiente mediante video • Sistema de programación • Ambiente para edición y envio de comandos

  14. Módulo de Programación

  15. Módulo de Programación • Basado en un lenguaje de diez instrucciones: • avanza • alto • desplaza_derecha • desplaza_izquierda • gira_derecha • gira_izquierda • gira_torreta_derecha • gira_torreta_izquierda • inicio, fin

  16. Módulo de Navegación • Interpreta los valores obtenidos en el Módulo de Programación y los traduce a instrucciones ejecutables en el robot • Envia las instrucciones para su ejecución en el robot • Al terminar la secuencia se inicializa el robot (alinean las ruedas y la torreta) para ejecutar una nueva secuencia

  17. Módulo de Seguridad • Vigila la integridad del robot • Se toman continuamente lecturas de los sonares • Se establece una zona de seguridad en torno del robot • El modulo de Seguridad es independiente del modulo de navegación y puede detener las acciones que realiza el módulo de navegación

  18. Arquitectura Robot Observación Navegación Seguridad

  19. Arquitectura Jerárquica

  20. Módulo de Visualización • Captura de video para visualización remota del experimento. Dos cámaras: • Vista externa del robot y su ambiente • Vista interna desde el robot • Compresión de imágenes (JPEG) • Envio al cliente en forma continua a través del servidor

  21. Ejemplo de Programación

  22. Simulación • Modelo del ambiente (interiores) • Modelo del robot (cinemática, dinámica) • Modelo de sensores (sonar, “bumper”, cámara) • Programación “ánaloga” ambiente real • Simuladores: • 2-D (Nomadic) • 3-D (en desarrollo)

  23. Simulador en 2-D

  24. Simulador en 3-D • Modelador en 3-D • Simulación del ambiente del robot • Simulación del robot móvil • Scripts para manipulación de objetos y vistas del ambiente • Conversión del lenguaje de alto nivel del robot (telecontrol) a scripts

  25. Simulador en 3-D

  26. Simulador para minirobótica

  27. Simulador para minirobótica

  28. Simulation Model Interface analysis Pedagogical Actions Tutor M odel Arquitectura- incorpora un tutor inteligente - Initial Stereotype Interface of user Knowledge Base Graphical Environment Lessons Behavior and help Student analysis Model Results and Student Pedagogical Actions

  29. Interacción multimodal humano-robot • Facilitar la comunicación humano robot utilizando diferentes modos de interacción, como: • reconocimiento de voz • interacción con dispositivos móviles • comandos mediante ademanes Alto!

  30. Navegación con comandos de voz

  31. Comandar a un robot con dispositivos móviles (PDAs)

  32. Prototipo - Menú principal • Dos opciones de manipulación: • Mapas • Control remoto • Configuración del sistema

  33. Prototipo • Lugares marcados con significado semántico • Botones para avanzar, detener, retroceder y dirección • Retroalimentación de imagen en vivo

  34. Comunicación mediante ademanes

  35. Ademanes • Útiles para la comunicación humano-robot • Comunicar información geométrica • Ve para allá • Toma ese objeto • Qué es eso? • Complemento a la voz • Para! • Ven!

  36. VenAtenciónDerechaIzquierdaAlto

  37. Reconocomiento de ademanes • Extracción de características • Modelado • Reconocimiento M Images Features Gestures FE R

  38. Extracción de características • Detección de piel • Segmentación de la cara y manos • Seguimiento de la mano • Parámetros de movimiento

  39. Detección dePiel

  40. Segmentación Búsqueda radial Agrupamiento de pixels de piel

  41. Seguimiento Localiza cara y mano Seguimiento de la mano

  42. Parámetros • Cambio en X (DX) • Cambio en Y (DY) • Cambio en área (DA) • Cambio en razón de lados (DR) • Valores: (+, 0, -) X2,Y2 X1,Y,1 A2 A1

  43. Reconocimiento • Basado en modelos ocultos de Markov (HMM) • Un modelo por ademán: • 3 estados: gestos “simples” • 5 estados: gestos “complejos”

  44. Ejemplos de comandos

  45. Robots de servicio • Guías – un robot me sirve de guía en un museo, me explica las exibiciones, ... • Ayudantes – un robot corta el pasto, aspira la casa, vigila cuando no estoy, ayuda a personas discapacitadas, ... • Rescate – un grupo de robots localiza a los sobrevivientes en un terremoto, ... • Exploración – un grupo de robots explora un volcán, un arrecife, marte, ... • ....

  46. De robots industriales a ... • Tarea repetitiva • Ambiente conocido y controlado • No hay interacción con personas • Poca flexibilidad • Poca movilidad

  47. ... a robots de servicio • Ambientes desconocidos • Ambientes dinámicos • Necesidad de movilidad • Interacción con personas • Ambientes exteriores • Necesidad de flexibilidad

  48. Retos • Explorar y modelar el ambiente • Navegar en ambientes desonocidos y dinámicos • Localizarse en el ambiente • Reconocer y manipular objetos • Comunicación remota • Interacción natural con personas

  49. Coordinación de Tareas • Un robot móvil que realiza una tarea compleja requiere de múltiples capacidades: • Planeación de trayectorias • Evasión de obstáculos • Localización • Mapas • Interacción con personas • Síntesis y reconocimiento de voz • Generación de expresiones • …

  50. Coordinación de Tareas • Cada tarea puede implementarse relativamente independientemente mediante módulos de software • El reto entonces es como coordinar estos módulos de forma que se seleccione la mejor acción en cada situación • Una alternativa es utilizar teoría de decisiones: realizar la acción que maximice la utilidad esperada • En particular, en ambientes dinámicos con incertidumbre, esto corresponde a Procesos de Decisión de Markov

More Related