Scan-matching para localização de robôs móveis em ambientes virtuais

Abstract

Robótica móvel refere-se ao campo da robótica que se concentra na concepção, construção e operação de robôs capazes de navegar autonomamente em seu ambiente. Esses robôs empregam sensores e outras tecnologias para perceber seu entorno, tomando decisões com base nessas informações. Dentro do amplo escopo do tema, um dos problemas clássicos é o de localização em ambientes fechados, onde, especificamente para o caso de rastreamento de posição, o filtro de Kalman se destaca como uma das metodologias mais proeminentes. Tratando-se de um algoritmo bastante estudado, ele deve lidar com inconsistências de medição ao longo do rastreamento - que, neste projeto, advém de um erro sistemático no balanceamento das rodas do robô no seu deslocamento -, e há diferentes implementações dele, buscando diversificar a sua abordagem. O scan-matching, ou correspondência de escaneamento, é uma técnica que consiste em comparar duas leituras de sensoriamento de posições próximas (no caso, leituras de distância medidas em 360°) e, a partir delas, descobrir o deslocamento (linear e angular) relativo entre as duas. Dessa forma, o scan-matching é adequado para a etapa de correspondência do filtro de Kalman, onde são comparadas a predição de posição e as observações dos sensores a fim de gerar um nova estimativa de posição mais confiável, além de compensar o desbalanceamento das rodas. No presente trabalho, todo esse processo é sustentado pelo algoritmo Particle Swarm Optimization (PSO), que, como enquanto enquanto um algoritmo bioinspirado, consiste em simulações computacionais de comportamentos observados na natureza utilizados para otimização matemática. Com isso, um modelo meta-heurístico bioinspirado foi desenvolvido em ambiente virtual a partir da integração entre o software CoppeliaSim e a linguagem de programação Python. Tratando-se de um ambiente virtual, um erro sistemático de desbalanceamento das rodas do robô foi modelado para gerar as inconsistências de localização vistas em condições reais, emulando adversidades existentes para as quais o robô deverá se adaptar. Os resultados demonstraram que o algoritmo de scan-matching alcançou uma acurácia superior a 97,13% em diversas simulações, realizadas em cenários distintos. Para testar a correção do desbalanceamento das rodas, foram realizadas simulações com diferentes entradas: (1,00, 1,00), (0,95, 1,00), (0,95, 0,95), (1,05, 1,05) e (1,05, 0,95), representando diferentes intensidades de desbalanceamento nas rodas. As saídas médias obtidas foram, respectivamente: (0,997, 0,997), (0,958, 1,00), (0,959, 0,958), (1,035, 1,036) e (1,038, 0,956), valores que se aproximam dos correspondentes de entrada, comprovando a eficiência do algoritmo de localização.