Robots autónomos : arquitecturas y control

~ ROBOTS AUTONOMOS: ARQUITECTURAS y CONTROL José Manuel Molina López, Vicente Matellán Olivera P- .... ntre los diferentes tipos de arquitecturas de control propuestas a lo largo de los últimos años existen dos perspectivas mayoritarias: ~ __ .. aquellas que mantienen la posibilidad de alcanzar la consecución de objetivos complejos basándose únicamente en un conjunto de reacciones simples, denollÚnense instintos, módulos, agentes, agencias, controladores o comportamientos, y aquellas que necesitan tener un modelo intemo del mundo sobre el que razonar. La segunda de estas arquitecturas obliga a una representación fehaciente del mundo. Únicamente, a partir de resultados intermedios de razonamiento sobre dicha representación será posible la resolución de problemas complejos. En ambos casos es necesario de tener un conjunto de acciones básicas que permitan al robot interaccionar con el entorno en el que se encuentra inmerso. Los controladores desarrollados para dar respuesta a esta necesidad han sido desarrollados por personas provenientes del campo del control clásico o por aquellos cuya base se centra en el campo de la inteligencia artificial. Ambos enfoques difieren en la definición de las especificaciones de control, en un caso se busca la región espacial de control definida a través de JOSÉ MANUEL MOLINA LÓPEZ y VICENTE MATELLÁN OLIVERA Laboratorio de Agentes Inteligentes (LAI) Departamento de Informática Universidad Carlos III de Madrid ClButarque 15, 289Il Leganés Tfno: 6249431 Fax:6249430 E-mail: {molina.vmate}@ia.uc3m.es • RAMAS DE ESTUDIAN~ES DEL IEEE una fórmula matemática que liga las entradas con las salidas y en el otro las entradas se traducen en conceptos semánticos que forman parte de un sistema de reglas mediante las cuales se toma la decisión del tipo de movimiento a ejecutar. Aunque la perspectiva en principio parece diametralmente opuesta, estudiando detenidamente los distintos sistemas de razonamiento mediante reglas, en particular aquellos basados en lógica borrosa, se pueden extraer conclusiones muy similares a las obtenidas mediante los sistemas clásicos de control. A la hora de integrar todas las acciones básicas para dar respuesta a problemas complejos el investigador debe decidir si en realidad deben o no existir niveles jerárquicos en la estructura de control. Para evaluar esta necesidad es necesario comprender las distintas clases de representación del mundo haciendo especial hincapié en la aplicación última del robot desarrollado. Cuando el entorno en que se desarrollan las pruebas está perfectamente definido (bien porque sea una simulación bien porque el entorno es constante y definido a priori) se puede obtener una alta precisión en la representación interna del mundo sobre la que trabajará el robot, pero si el entorno es real y no constante se debe proveer al robot de la capacidad de generar su propia representación a partir de los valores que obtiene de los sensores. Este problema no es fácilmente abordable debido a los problemas de ruido en la medida e indeterminación de las posiciones por las que va pasando el robot, en estos casos la representación del entorno es en muchos casos aproximada y el razonamiento sobre ella no produce los resultados que se obtienen en simulación. Por último, deben analizarse los distintos modelos de razonamiento que se pueden aplicar, por un lado aquellas técnicas basadas en planificadores, que presentan una clara limitación en la realización secuencial de tareas, y por otro aquellas basadas en sistemas multiagente, que permiten explotar al máximo las particularidades distribuidas de muchos de las tareas encomendadas a grupos de robots. 1. Niveles de Control La definición de los distintos niveles de control se basa en las características de las tareas que se desean realizar sobre la plataforma de la que se dispone. Una tarea puede, en términos coloquiales, definirse como sencilla o compleja, en función de la capacidad del robot para realizarla. Por ejemplo, al pedir a un robot ejecutar un giro de 90° sobre si mismo, si es cilíndrico con dos ruedas motrices la tarea resulta muy sencilla pero si consideramos un robot con patas ese mismo giro necesita de una composición de movimientos compleja que no es realizable mediante sencillos algoritmos de control. Siguiendo este razonamiento se pueden distinguir dos niveles de control (Figura 1). El nivel más alto realiza el razonamiento a largo plazo, describiendo un plan para alcanzar la tarea compleja que se desea realizar a base de ir dividiéndola en sub-acciones más sencillas, y se encarga de que cada una de estas sub-acciones alcanza el sub-objetivo que se ha dispuesto, es 19 decir, realiza la monitorización de la ejecución del plan. El nivel más bajo se encargará de la realización de las tareas más sencillas, resolviendo los problemas más inmediatos con los que se puede encontrar el robot y que no requieren de una planificación. Las distintas arquitecturas de control desarrolladas difieren en el peso específico dado a cada uno de los niveles en los casos más extremos constan de un único nivel. El alto nivel para poder razonar necesita de una representación detallada del entorno en el que se va a mover. A partir de dicha representación utilizando árboles de ( Tareas Corq:d~as ) 2. Funciones de Control En cualquiera de las arquitecturas se debe llegar a la implementación de controladores eficientes para la realización de las tareas sencillas que en última instancia debe ejecutar el robot. Para la realización de estos controladores vamos a tener en cuenta dos perspectivas distintas: ,Teoría clásica de Control .Sistemas basados en Reglas La teoría clásica de control define la función de control en base al valor de una variable de estado que ALTO NIVEL - ( Tareas Sendllas ) ~ Ramnmiffito a Cürto plazo BNONIVEL ~ Eva! U3.Ci én re los rerultados Figura 1.- Niveles de control búsqueda, encuentra un plan para salvar los problemas que plantea el entorno. Esta representación es el mayor problema al que se enfrenta pues, si sólo se considera la existencia del alto nivel, es necesario recurrir a la replanificación cada vez que el entorno se ha modificado y difiere de la representación interna del robot. Desde la otra perspectiva el robot es más robusto pues sólo necesita de un conjunto de acciones básicas, a veces denominadas instintos, que componen el bajo nivel y únicamente hay que decidir cuál de esas acciones es la que debe ejecutarse en la situación actual. El problema aparece al considerar problemas complejos, dond~ el espacio de búsqueda de la solución es tan amplio que resulta imposible, en la práctica, alcanzar la solución mediante la ejecución, sin un plan previo, de distintas acciones básicas. 20 define la situación actual del sistema y de su evolución temporal a través del los conceptos de la derivada y la integral. Por ejemplo, el comportamiento básico: «Seguir una Línea Recta», puede estudiarse a través de la variable de estado «Ángulo con la Dirección Deseada», Figura 2. Este problema se resolvería mediante una función de control que combina de manera lineal la variable de estado y su derivada de la forma: F = K) q+ K2 dq/dt. Si se representa la superficie generada por dicha función se obtiene un plano. Mediante la variación del valor que tienen las constantes se pueden obtener distintos planos de control. Interesa un plano más pendiente en el caso de situaciones alejadas de la situación de equilibrio (régimen transitorio) y menos pendiente cuando nos encontramos cerca de la situación estable (régimen permanente), Figura 3. Figura 2.- Definición del problema: Seguir una línea recta. El problema de estos sistemas es la imposibilidad de obtener un único sistema que pueda responder automáticamente a las dos situaciones. La única solución es utilizar varios sistemas que se activen cuando se encuentra en un modo u otro. Este problema puede se puede resolver utilizando sistemas basados en reglas que permitan subdividir el espacio de control en tantas partes como intervalos hayamos definido en los espacios de entrada, el formato de las reglas será de la forma: SI <los valores de entrada se encuentran en este rango> ENTONCES <los valores de salida se ponen a este valor> Figura 3.- Superficies de Control en un controlador clásico. BURAN N°7 ABRIL 1996 En este caso la superficie de control resulta fraccionada (Figura 4) en distintas partes, una para cada situación. Así se pueden realizar distintos controles en función de la situación, aunque aparece el problema de las discontinuidades, que provocan una aNJUNTO Q..ASCO Noma ejecución brusca al ir saltando el con1.0 mm~~f~ mlm~ trolador entre las distintos estados de salida definidos por las distintas configuraciones de las entradas. El problema de las discontinuidades puede resolverse utilizando un sistema borroso para la ejecución del controL En este caso la pertenencia a los rangos de las situaciones de entrada no son VERDADEROS o FALSOS, sino que existe una gradación en los valores de verdad o de posibilidad de pertenencia (Figura 5), lo que provoca la ejecución en paralelo de un conjunto de reglas que producen una salida promedio en función, dados distintos grados de activación generados por las entradas, de todas las salidas posibles. Los procesos involucrados en la ejecución de un sistema borroso son (Figura 6): la fuzzificación, la evaluación de las reglas y la defuzzificación. El primero de ellos consiste en la obtención de variables borrosas que definan las entradas a partir de los datos numéricos suministrados por los sensores. La segunda propaga el grado de verdad de las premisas a las salidas. La última permite obtener un valor numérico a partir de la variable borrosa que se obtuvo en el punto anterior. Para cada uno de estos pasos existen distintas formas de ................................... . . . Figura 4.-Superficie de Control en un Controlador basado en Reglas . • RAMAs DE ESTUD[A~TES DEL IEEE 6 9 vatict:i e-B1tral3 Figura 5.- Definición de un Concepto Borroso. implementación. En cualquier caso, la superficie de control que resulta (Figura 7) está fraccionada en distintas partes, existiendo superficies continuas que evitan los saltos del controlador. La superficie de control presenta más o menos zonas suaves en función del número de particiones que realicemos en las variables de entrada y salida, y en función de los métodos de evaluación de reglas y de defuzzificación que se hayan elegido. Mediante la modificación de las reglas se puede lograr el ajuste de las distintas situaciones, transitoria y permanente, con un único sistema, haciendo que el sistema funcione sin brusquedades. 3. Arquitecturas de Control Una vez desarrolladas las funciones de control el problema aparece en cómo integrar todas esas funciones en un único robot. La arquitectura FU1Zyt:aj , •••••••••••••••••••••• O" :(. Figura 7.- Superficie de Control de un Sistema Borroso. puramente reactiva no necesita de ningún otro nivel y la actuación final del robot se basa en la importancia para cada situación de la función que se puede ejecutar. Existe una relación dada entre las acciones básicas de modo que una aéción puede bloquear a otra e impedir su ejecución. Por ejemplo (Figura 8), si consideramos un robot móvil que tiene dos acciones posibles: Figura 6.- Definición de un Sistema Borroso. 21 evitar obstáculos y seguir un objeto, cuando la situación del entorno es tal que la función de evitar tiene que ser ejecutada, ésta bloquea automáticamente la acción de seguir. Para problemas sencillos esta arquitectura es válida pero no es así en situaciones donde la acción a desarrollar es muy compleja y necesita de una secuencia de acciones concreta que no se puede alcanzar mediante la ejecución de la acción básica que mejor se adapte a la situación presente. Para la realización de un alto nivel es necesario tener una representación del mundo y un modo de razonamiento sobre ese mundo. La representación del mundo puede darse a priori o bien puede construirse a partir de la información sensorial, como por ejemplo mediante el algoritmo QUADTREE (Figura 9). Este método parte de la división del mundo en celdas y en la agregación de estas para tener una visión más global del espacio sobre el que se mueve el robot. Cualquier método de obtención de la representación del mundo llevado a una ejecución en un medio real se encuentra con dos problemas: la incertidumbre de los sensores que están explorando dicho mundo y la imposibilidad de localizar al robot dentro del mundo con unas coordenadas precisas si no se cuenta con una referencia externa. Para razonar sobre esa representación se utilizan planificadores. Un planificador genera de forma automática y gestiona un plan, que no es más que la secuencia de acciones necesaria ROBOT T L'-----_------'t 1 Figura 9.- Representación del mundo mediante un Quadtree. para la consecución de una meta. Este problema se puede visualizar representando el espacio de búsqueda en forma de árbol (Figura 10), de tal manera que el plan es el camino óptimo dentro del árbol para alcanzar la meta propuesta. Este procedimiento presenta una serie de limitaciones cuando consideramos la posibilidad de realizar acciones concurrentemente. Además es necesario que se ejecuten los pasos anteriores con el efecto deseado para poder realizar el siguiente paso, cuando esto no ocurre es necesaria la replanificación de toda la solución. En estos casos se debe abordar el problema desde una perspectiva distinta basada en técnicas multiagente. 4. Robots Existentes Las arquitecturas de control que se presentan en las secciones anteriores se implementan sobre un soporte hardware, es decir, un robot físico. Dentro del mundo de los robots autónomos y dejando de lado los robots industriales, existen en la actualidad multitud de robots autónomos. Muchos de ellos en los centros de investigación, pero también existen empresas, desde las grandes multinacionales a las de aficionados, que fabrican y comercializan robots autónomos. De entre ambos mundos hemos seleccionado los siguientes ejemplos para dar una visión del estado actual en la fabricación de robots: 4.1. Empresas . Cybermotion: Empresa americana dedicada desde 1984 a la construcción de robots móviles autónomos. Su producto estrella es el robot SR2. Un robot de vigilancia para entornos industriales y de oficinas, capaz de Figura 8.- Ejemplo de Arquitectura Reactiva. Fuerza de la salida de BJitar obliga a elegir ffitre una de r--- S 1 as dos acci ones E distancia n N SEGUIR UN ángulo : OBJETO .J S O distancia EVITAR R - a obstáculos : OBSTÁCULOS E S ~ 22 BURAN N"7 ABRIL 1996 Tarea 4 MtaJ Tarea 3 modulares de bajo coste para la in ve ti gación. Uneje mplo e el Trilobot. F igur a 10 .- Represent ac ión de la búsqueda de un plan. . R eal W or ld Interface: Fa bri ca rob o t s rrnyajtalarrelle para los centros de in vesti gación. Su di señ oess imilar al de patrullar 12 h. s in recargar baterías. Es capaz de detectar fugas de gases, in - ce ndi o , intrusos, etc. . Nomadic Technologi es: Unade l as empresas Líd eres en la fa bri cación de robots para la in ves ti ga ci ón. Su No mad 200 ha ganado el concurso del AAAl en 1995. En E paña hay v ari os ejemplares, por ej emplo, en la Facultad de Info rm ática de la U.P.M. y en la E.T.S. 1. de Telecomunicación. . Ar ri ck Robo ti cs: Es un a empresa tejana que se dedica fundamentalme nt e a la fabricación de robots N o m a di c, siendo su pro du cto estre ll a el B21 (Figura 11 ) Ad em ás de esta pl atafo rm a di sponede multitudde perifé ri cos como manipuladores, cámaras, etc. En España ta mbi én se pu eden en contrar, por ejemplo en la U ni vers id ad Carlos m o en el In stituto de Automá ti ca Indus tri al del e. S. Le. . . U bli ge So ft ware y Robo ti cs: Es un a empresa dedicada al desarro ll o de conchas de so ft ware para el control de robots a utónomos de tipo in secto con múltiples patas. ca se están utilizando en el estudio comportamiento colectivos. · Universidad Libre de Br uselas: Es el centro europeo que ha seguido m ás de cerca el trabajo del MIT ame ri cano. Su enfoque tradicional e ha basado en robot con capacidades de aprendizaje, aunque actualmente es - tán muy vo lc ados hacia los agentes so ftw are. · Ecole Polytechnique Federal de Lausanne (EPFL ): Centro s ui zo dedicado a la fabricación de robots a ut ónomo , en la mejor tradición de la mecá ni ca s ui za de precesión .. Entre e ll os destaca el mini-robot Khepera (Figura 13)queel LaboratoriodeAgentes Inte li gentes presen ta en la demostr ac ión prác ti ca. 4.2. Universidades Figura 12: Mi cro-Robot Hormiga (Ants) Figura 11.- El robot B2l • RA MAS DE ESTUDIANTES DEL IEEE Ma ssac huselts In stitute of Technology: Es el centro que revo lu - cionó, de la mano de Ro dn ey Brook s, la fo rm a de abo rd ar los p ro bl em as del control de ro bots a ut ónomos, pasa nd o del co ntrol clásico basado en el razona mi ento sobre un modelo inte rn o del mundo, a un control reac ti vo. En la ac tu al id ad dentro de MIT existen varios grupos trabaja nd o con ro bots a ut ónomos, quizá un o de los ro bots más espectaculares por su re du c id o tamaño sea el ro bot ho rmi - ga ( Fi gura 12 ). Estos robots de un a pul gada c úbi - 4.3. Dónde encontrarlos La sig ui ente pregunta que e debe fornlular es do nd e se puede encontrar m ás info rm ac ión acerca de estos robots. La me jor fuente de in fo rm ación, en espec ial obre tecnol og ía es la inte rn et, y dentro de inte rn et el World Wide Web. Al g un as URLs interes an - tes sobre robó ti ca so n: · http://w ww .robotstor e.com: Una empresa que se de di ca a ve nd er productos de robó ti ca para aficion ados, desde pa lt e a ro bots completos a mu y bu en preci o. · http://www.c s .indiana. e du/ robotics/world.htmJ: Es el lu gar donde se pu ede encontrar prác ti camente todo lo relacionado con robó ti ca: Centros de in ves ti gación, empresas, e tc . 23 Figura 13.- Mini -Robot Khepera · http://www. s m.luth. se/cs ee/ ra/ s m-roa/Robotics/WhoSWho: Listado de estudiantes interesada en tem as de robó ti ca. · hUp://www.robotic.com/ robonews.html: RoboNews! Las ú lti - m as info rm aciones sobre ro bo ts mo bil es y sobre la indus tri a de la robó ti ca. La mantiene la empresa Robo tÍ c Systems, ln c. · http://www.fr.ri .cm u .edu:80/robotics-faq : La FAQ del grupo de news comp.robo ti cs en versión HTML. · http://www.fwi.uva.nl/ re s earch/neuro/ia s -ra s /ias.html: La pág in a de la Intelligent Autonomous Systems (lAS) Societ y. • http://www.robotic s .com : Ar ri ck Robo ti cs, empresa ya comentada ante ri o rm ente. ·h t t p / / www.cy bermotion.com/-c y berdog : Cybermo ti on. La empresa fa brica nt e del robot vig il a nt e. · http://i s r.com/-i sr : IS Robo ti cs Co rpora ti on. La empresa fa bricante de muchos de los robots que utilizan en los experime nt os del MI T. • http://www.rwii.com : Real World Interface, fabrica el 821, prese nt ado ante ri or mente .. · http://www.e ss i.fr/robo s oft : Robo o ft es una empresa francesa clásica en la fa br icación de plataformas robó ti cas para la experimentación. fabrica y comercia li za robots tipo in secto. h p / / hp1.e s sex.ac.uklEurobot s: Arch ivo con robots europeos. ·http://h y p.j s k.t.utok y o.ac.jp/-tom/r s j.html : Archivo con robots japone ses. Por supuesto existen muchas otras URL tan in teresantes o más que éstas, pero ese es uno de los muchos encantos de Internet, navegar y encontrar. Happy Surfin g. 5. Bibliografía Relacionada . INTE Ll GE CIA ARTIFICIAL G. F. LU GER , W. A. STU BBLEFIELD , Arrificial I nr elligence. S/rucrures and Srraregies fo r Complex Pr ob lem Solving, The Benjam in /Cu mmi n gs Pub l. , 1993. AJ . G ON ZA LEZ , D.D: D ANK E L. The Engineering of Kn ow l edgeBa se d Sysre ms , P re nti ce Ha ll , 1 993. R. M. H ARA Ll C K. L. G. SH AP IR O, «The Consis rel11 l abel ing Probl em : P ar / ¡", Tran s. on P AM I, vo l. 1, n° 2, Ap r. 1 979. K. B. I RANI, S. 1. Yoo, «A me rhodolo gy for Sol ving Probl e ms : P rob l em Mode li ng and He uri s/ic Ge nera ri on», Tran s. on PA MI , vo l. 10, n° 5, Sep . 1988. . LÓGICA BORRO SA L. A. Z ADE H, «Ou/li ne of a New Approa ch /0 / he Ana l ys is of Comp l ex Sys /e msand D ec ision Processes », Trans. on SM C, vo l. 3, n° 1, Jan. 1973. L. A. Z ADE H, « Fu ~y Logi c», l EE T ra ns on Compuler s, Apr. 1988. L. A. Z ADEH, « Th e R ole of Fuzzy Logic in /he Management of Uncerw in ry in Exper/ Sys/ems », Fuzzy SeIs and Sy s tems 11 , 1 983. H. M AMDANI, « Apli ca/ion of Fu zzy Logi c /0 Apro xi mat e R easo ning Us ing Lin guisric Syn /h es is». l EE Trans on Computers, vol. 26, n° 12, Dec. 1977. 1. B. TU RKSEN, Z. ZH ONG, « An Approx i ma/ e Analogical R easo nin g Approach Ba se d on Similari/y M eas ur es», Tran s. on SMe. vo l. 18, nO 6, ov/D ec 1988. E. BI NA G HI ET AL. « Fu ::2 y Reasoning Approach ro Similarity Evaluarion in I ma ge Analysis », In ternatio na l Journal of In lellig en l Syslem s, vo l. 8, 749 - 769( 1 993) , Jo hn W il ey&Son . K UR & F OLG E R. Fu ~~y Se/s , Uncerw inry and Informarion, P ren l ice \ Ha ll . 1 992. • http://www.traveller.com/H.J : ZIMM ERMA N, Fuzzy Sers. -in s ecta : Ub li ge Sof tware & Robo ti cs 24 Th eory and ir s Appli cariolls. KIlI we r 19 5. D. DUB OIS & H. PR ADE. FII ~Y Sers and S. ysrel1ls. rheory and applicarions. A ca dem ic Pr ess 1980. W A G & K UR Fu--y Measllre Th eory. Pl e num Pr ess 1 992 . ·ARQ ITECT RAS DE CONTROL BA DR E DDIN. E ., FII~ ~ y Rela ri ons for Beh(/\'ior-FlIsioll of Mobil e R ob o /s. Pr oceedin gs of I EEE I nt. Conference on Ro boli cs a nd AUl o mali o n. 3278-3283, 1994. B RAIT E NB ERG, V., Vehi cl es . Experimenrs in Synrheric P syco logy. The MIT P res s, Cambr idg e, Massac hll se ll s, 19 84 . BR OOK S, R .A .. A R obo ll sr L ayer ed Conrrol S ys rem fo ra M ob ile R obo l. l EEE J Ollrna l ofRobolics and Automat io n RA2. 14 -23, 1986. BR OOKS . R.A., I l1f elligence w irh o Llf r ep r ese n/ation. Artificial Int e lli ge nce, 47 , 1 39-159, 1 99 1. Co ELL J. H. Minimali s/ M ob ile Roborics: A Colony-Sryle Archi/ec/ lI re for an Ar/ i ficial Cr earure. Ac ademic P res s. B os t on, MA , 1 990 . G OODR I DGE, S. G ., L uo, R. e. F II ~~y Be havior Fusionfor R eac rive Con/rol of an Au / onomous Mobile Robo/: MAR GE Procced in gs of I EEE Inl. Co n fe ren ce on R obo li cs and A lIl oma li on, 1 6221 627 , 1 994 . [S HIKAW A, S. A merh od of au/onomo us mobil e robo rna vi ga /i on by usin gfu z zy con/rol. Ad va nced Robol ic s. Vo l. 9, No. 1, pp. 29.52 , 1 995. Jo ES L. J ., FLY NN A. M. Mobile R obo rs: Inspira/ion /0 I mplementa/i on. Ed. A. K. Peters, We ll esley, Massac hll se ll s, 1 993 . MI NSKY M. The Sociery of Milld. Si mo n and Sch ust er. ew York , NY . 1 986 . M ONDADA, F., FR ANZ I, P. I. ,M obile R obo / min i a/uri sa /ion: A r oo l for in ves ti ga /ion in co n/r ol algori/h/lls. Proceedi ng s of ¡he lh ird Inlernal ion al Sy mp os illm on Experime nta l Roboti cs. Kyoto, Japan, 1993. I LSSO , N .1 . (ED.), Shakey /he roboro S RI A. l. Center T ec hni ca l NOle 323, Apri l, 1 984 . P IN , F. G. , W AT ANA BE. Y. Dril'ing a Car using Reflexil'e Fu ~~y B ehCl\ 'ior s. Proceedings of Ih e Sec o nd I nlern alional Co n fere nceon Fu zzy S ys tems, pago 14251 430 , San Fr a nci sco , 1 993 . REIG I ER, P ., FU ~ 2 Y l ogic / ec hinqu es for mo bil e robo/ obstacle avoidance . Robo ti cs and Au tonomolls Sy slems, 12. pago 1 43-15 3, 1994. B URAN N"7 AB RIL 1 996