Multiarquitectura distribuida para el desarrollo de misiones multi-robot

Abstract

[ES] La Robótica Autónoma es un campo en rápido crecimiento relacionado con un extenso grupo de líneas de investigación, como localización, tracking, mapping, planificación de caminos, algoritmos IA, flujo óptico, etc. e interesantes retos para la industria, como nuevas plataformas robóticas, sensores y actuadores. Todos estos progresos están enfocado a la realización de tareas cada vez más complejas (búsqueda y destrucción de explosivos, localización de víctimas de catástrofes, asistencia a personas, ...) por medio de robots, o grupos de robots, trabajando de forma coordinada.

El desarrollo y la implementación de robots autónomos capaces de realizar estas tareas entraña una gran complejidad para investigadores y desarrolladores, por lo que se necesitan Entornos de Desarrollo de Robots (RDE - Robot Development Environments) que nos faciliten su implementación. Aunque existen varios RDEs de código abierto bastante conocidos: ROS, MissionLab, CARMEN, Player / Stage, OROCOS y otros, todos ellos presentan importantes inconvenientes de cara a la implementación de tareas complejas. La implementación de este tipo de tareas requiere, por un lado, un sistema capaz de abstraer toda esa complejidad, permitiendo incluso a personas sin conocimientos de programación el desarrollo rápido de misiones mediante herramientas gráficas y, por otro lado, un sistema que cuente con una gran cantidad funcionalidades ya implementadas (localización, mapping, planificación de caminos...). MissionLab es especialmente fuerte en el primer punto, ROS es especialmente fuerte en el segundo y CARMEN destaca en sus soluciones para construcción de mapas y algoritmos de localización y navegación. Sin embargo, ninguno de los RDEs existentes cuenta con ambas características.

En esta Tesis Doctoral se desarrolla la integración completa de MissionLab con CARMEN, con el fin de solucionar sus carencias y obtener un entorno de desarrollo de robots realmente potente. Puesto que ninguno de los dos entornos proporciona una solución satisfactoria para la localización global en interiores, se ha desarrollado, además, un nuevo algoritmo de localización global basado en un doble filtro de partículas, un Sistema de Información Geográfica, la odometría del robot, y un algoritmo de detección de puertas desarrollado recientemente. El algoritmo resultante es capaz de funcionar en tiempo real en entornos extensos, con una tasa de acierto muy elevada y sin necesidad de introducir marcas en el entorno.

Se presentan los resultados de la integración entre MissionLab y CARMEN mediante una serie de casos de estudio, incluyendo misiones multi-robot y la navegación autónoma de una carretilla industrial automatizada durante más de 20 minutos. Los resultados del algoritmo de localización se basan en el análisis de las pruebas de uso en un entorno de más de 5000 metros cuadrados.