Sistema de Navegación de Robot Terrestre para Agricultura

SISTEMA DE NAVEGACIÓN DE ROBOT TERRESTRE PARA AGRICULTURA Y DESARROLLO DEL ENTORNO DE SIMULACIÓN i Sistema de Navegación de Robot Terrestre para Agricultura Autor: Julio Román Fernández Tutor: Ángel Rodríguez Castaño Trabajo Fin de Máster Ingeniería Industrial Dpto. de Ingeniería de Sistemas y Automática. Escuela Técnica Superior de Ingeniería Universidad de Sevilla Sevilla, 2023 SISTEMA DE NAVEGACIÓN DE ROBOT TERRESTRE PARA AGRICULTURA I Trabajo Fin de Máster Ingeniería Industrial Sistema de navegación de robot terrestre para agricultura Autor: Julio Román Fernández Tutor: Ángel Rodríguez Castaño Profesor Contratado Doctor Dpto. de Ingeniería de Sistemas y Automática Escuela Técnica Superior de Ingeniería Universidad de Sevilla Sevilla, 2023 SISTEMA DE NAVEGACIÓN DE ROBOT TERRESTRE PARA AGRICULTURA III Trabajo Fin de Máster: Sistema de navegación de robot terrestre para agricultura Autor: Julio Román Fernández Tutor: Ángel Rodríguez Castaño El tribunal nombrado para juzgar el Proyecto arriba indicado, compuesto por los siguientes miembros: Presidente: Vocales: Secretario: Acuerdan otorgarle la calificación de: Sevilla, 2023 El Secretario del Tribunal SISTEMA DE NAVEGACIÓN DE ROBOT TERRESTRE PARA AGRICULTURA V A mi familia, por su apoyo incondicional. A Pablo G-C., por su ayuda desinteresada. Resumen Este proyecto detalla el proceso de desarrollo de un entorno de simulación y la implementación de funciones de guiado para un robot terrestre agrícola, permitiéndole navegar autónomamente por un campo de brócolis sin causar daños. Para llevar a cabo este trabajo, se utilizó ROS en su versión Melodic y Gazebo para la simulación del entorno. Se implementó el algoritmo de navegación Pure Pursuit y, a través de una serie de experimentos, se analizó el impacto de dos de sus parámetros clave: la velocidad lineal y el valor de Look-Ahead. Los resultados de estos experimentos demuestran que el algoritmo produce resultados satisfactorios cuando se utilizan los valores adecuados para dichos parámetros. Como una extensión del alcance del proyecto, se implementa un sistema de navegación más sofisticado conocido como Move Base Flex (MBF). Sorprendentemente los resultados obtenidos son menos satisfactorios en comparación con Pure Pursuit. No obstante, se cree que aún no se han alcanzado los parámetros óptimos. Existe confianza en que una vez se logre ajustar adecuadamente estos parámetros, el comportamiento del robot mejorará. En cualquier caso, MBF aporta nuevas funcionalidades interesantes que Pure Pursuit no, como por ejemplo la evasión de obstáculos. SISTEMA DE NAVEGACIÓN DE ROBOT TERRESTRE PARA AGRICULTURA VII Abstract This project details the process of developing a simulation environment and implementing guidance functions for an agricultural ground robot, allowing it to navigate autonomously through a broccoli field without causing damage. To carry out this work, ROS was used in its Melodic version and Gazebo was used to simulate the environment. The Pure Pursuit navigation algorithm was implemented and, through a series of experiments, the impact of two of its key parameters were analysed: the linear velocity and the Look-Ahead value. The results of these experiments demonstrate that the algorithm produces satisfactory results when appropriate values for these parameters are used. As an extension of the project scope, a more sophisticated navigation system known as Move Base Flex (MBF) is implemented. Surprisingly, the results obtained are less satisfactory compared to Pure Pursuit. However, it is believed that the optimal parameters have not yet been reached. There is confidence that once these parameters are properly tuned, the robot's behavior will improve. In any case, MBF brings new interesting functionalities that Pure Pursuit does not, such as obstacle avoidance. SISTEMA DE NAVEGACIÓN DE ROBOT TERRESTRE PARA AGRICULTURA en la parte de navegación y de simular el entorno por donde se mueve el vehículo. Los objetivos pueden dividirse en dos: objetivos técnicos y objetivos personales. Los objetivos técnicos son aquellos que se han acordado con el tutor del proyecto y cuyo propósito es darle una funcionalidad concreta al robot. Son los siguientes: - Crear un modelo en Gazebo de una plantación de brócolis. La plantación debe ser de 10 metros de largo por 8 metros de ancho. Tendrá 6 hileras, a su vez con dos filas de brócolis en cada hilera. La separación entre hileras es de 1.6 metros. La separación entre brócolis de una misma hilera debe ser equidistante. - Diseño y desarrollo de un sistema de navegación autónoma del vehículo basado en un sistema de localización externo absoluto, como un sistema GNSS. El objetivo del sistema de navegación es circular por las calles de la plantación sin dañar los brócolis. Las coordenadas que definen cada calle se suponen conocidas a priori. Los objetivos personales son la razón por la que se ha realizado este proyecto. Son todos aquellos que se ha propuesto el autor por motivación propia. Son los siguientes: - Tener una visión general y aproximada de qué implica trabajar como ingeniero en un departamento de Desarrollo e Innovación de una empresa de robótica móvil. Para ello se propone una metodología de trabajo (ver Sección 1.3) que sea la más cercana a la realidad posible. - Mejorar los conocimientos de programación, especialmente en los lenguajes más usados en robótica móvil, como por ejemplo C++ y Python. - Aprender software específico de robótica usado en las empresas del sector hoy día, como por ejemplo ROS. - Aprender aplicaciones empleadas en empresas para el desarrollo de código en equipo y control de versiones, como por ejemplo Git y GitHub. 1.3 Metodología En este apartado se presenta de forma descriptiva la metodología seguida para la ejecución del presente proyecto, indicando las actividades llevadas a cabo en las distintas fases del proyecto. En las etapas iniciales del proyecto, se definieron tanto el alcance como los objetivos del mismo. Posteriormente, se llevó a cabo una investigación sobre diversas tecnologías para su implementación, considerando la posibilidad de usar ROS2. Sin embargo, esta opción se descartó finalmente porque todo el trabajo previo del que parte este proyecto está desarrollado en ROS1, lo que podría generar problemas de compatibilidad. Para gestionar las versiones del código y permitir la revisión por parte del tutor del trabajo fin de máster, se optó por utilizar Git y GitHub. Además, para facilitar la colaboración y el trabajo conjunto, se eligió Google Drive Docs para la redacción de la memoria, permitiendo que varias personas pudieran editar el documento simultáneamente. Dado que ROS, Gazebo, Git y GitHub eran tecnologías nuevas para el autor de este trabajo, se realizaron tutoriales previos al inicio del proyecto. Una vez se adquirieron los conocimientos necesarios se comenzó con el trabajo. En primer lugar, se diseñó y desarrolló el entorno de simulación para poder probar visualmente todas las implementaciones que se llevarían a cabo a posteriori. Luego, se investigaron diferentes algoritmos de navegación y se seleccionaron los más adecuados para la implementación. Para ello, se buscaron alternativas en GitHub desarrolladas por otros usuarios, asegurándose de que fueran compatibles con la versión de ROS y Ubuntu utilizada, y estuvieran bien documentadas y estructuradas. El ajuste de los parámetros del algoritmo al robot utilizado y a la aplicación en cuestión se realizó de forma experimental mediante ensayo y error. Este proceso implicó varias iteraciones para observar el comportamiento del robot en la simulación y comprender cómo afectan los valores de los parámetros al desempeño del autómata. 2 DESCRIPCIÓN DEL SISTEMA 7 2. DESCRIPCIÓN DEL SISTEMA En esta sección se muestra el robot utilizado, se explica brevemente su modelo cinemático, los componentes que forman el sistema de accionamiento del vehículo y el sistema de dirección y navegación. 2.1 Modelo cinemático del vehículo Para la recolección de brócolis se usa un robot móvil terrestre diferencial con orugas ( Figura 1). Este tipo de vehículos tienen el mismo movimiento/configuración que un robot diferencial con ruedas en cuanto a modelo cinemático. Es por eso que, tal y como se menciona en la sección 4, puede utilizarse en la simulación el modelo de un robot diferencial con ruedas. Figura 1 - Robot seleccionado Un robot con tracción diferencial es un sistema que utiliza un sistema de transmisión de dos ruedas independientes, cada una de ellas unida a su propio motor. Por lo tanto, la locomoción del vehículo se basa en la diferencia de velocidades de cada una de sus ruedas instaladas en un único eje. Normalmente, además de las ruedas activas, se coloca una rueda libre que gira pasivamente y sirve para dar estabilidad al robot. En el caso del vehículo con orugas utilizado el funcionamiento es equivalente, salvo que no necesita ruedas adicionales para la estabilidad. El principio de funcionamiento de un robot diferencial es el siguiente: - Movimiento en línea recta: Las dos ruedas activas giran en el mismo sentido y velocidad. Dependiendo del sentido de giro el robot se desplazará hacia adelante o hacia atrás (Figura 2a) - Movimiento de giro: Las dos ruedas activas giran en el mismo sentido, pero con velocidades diferentes. La rueda con mayor velocidad hará girar el vehículo sobre la rueda con menor velocidad. Es decir, si la rueda izquierda tiene mayor velocidad que la derecha el vehículo girará hacia la derecha (Figura 2b). - Movimiento de giro sobre el propio eje del robot: Ambas ruedas activas giran a la misma velocidad, pero en sentidos opuestos (Figura 2c). SISTEMA DE NAVEGACIÓN DE ROBOT TERRESTRE PARA AGRICULTURA Figura 2 - Movimientos de un robot diferencial 2a) Recto. 2b) Giro. 2c) Giro sobre su propio eje Puede encontrar más información sobre robots diferenciales en la ref. [3] Aunque el diseño del vehículo a nivel mecánico está fuera del alcance de este proyecto, se describe brevemente su accionamiento y funcionamiento para la recogida de brócolis. La siguiente información ha sido directamente extraída del documento que recoge la definición y requisitos de movimientos del robot para el proyecto ELISA (Ref. [4]). 2.2 Accionamientos en la cosechadora ● Oruga: Cada oruga dispone de un motor hidráulico en circuito cerrado con una bomba de caudal variable controlada por una válvula proporcional con una señal de intensidad de 4 a 20 mA. Estas bombas están accionadas por un motor eléctrico asíncrono de 15 kW. Figura 3 – Conjunto motobomba 2 DESCRIPCIÓN DEL SISTEMA 9 ● Robot cartesiano: Compuesto por 3 servomotores para los movimientos X,Y y Z más un motor paso a paso para un movimiento en Z de 200 mm. Figura 4 - Estructura del robot cartesiano ● Cabezal de corte: A definir. ● Cinta transportadora: Dispone de un motor eléctrico asíncrono (potencia estimada de 1,5 KW). Figura 5 - Cinta transportadora ● Tolva: Dispone de dos accionamientos, un motor eléctrico para el movimiento transversal y dos cilindros hidráulicos controlados por una electroválvula con dos bobinas de 24V DC para la apertura y cierre de ésta. Un encoder proporciona la lectura de la posición transversal y dos sensores de posición indican si está abierta o cerrada. Figura 6 – Tolva de descarga SISTEMA DE NAVEGACIÓN DE ROBOT TERRESTRE PARA AGRICULTURA 2.3 Funcionamiento en recogida Robot cartesiano: Se define como origen (homing) donde se deposita el brócoli en la cinta transportadora coordenadas (𝑥0,𝑦0, 𝑧0): Figura 7 - Funcionamiento en recogida del robot cartesiano Una vez recibidas las coordenadas de recogida (𝑥𝑟, 𝑦𝑟, 𝑧𝑟), los movimientos secuenciales serían los siguientes: - Desplazamiento a las coordenadas (𝑥01, 𝑦0, 𝑧0). Donde 𝑥01es un desplazamiento en x para librar la tolva donde se deposita el brócoli (a definir según tamaño del cabezal de corte). - Desplazamiento a las coordenadas (𝑥𝑟, 𝑦𝑟, −200), incluye un movimiento en z del primer actuador de carrera 200 mm. - Desplazamiento a las coordenadas (𝑥𝑟, 𝑦𝑟, 𝑧𝑟). Movimiento en z con el segundo actuador. Una vez recogido el brócoli, para depositarlo en la tolva, el camino de vuelta sería el inverso al de recogida. Cinta transportadora: La cinta transportadora es fija en el chasis y traslada el brócoli desde la tolva de recepción a la tolva de descarga. Tolva de descarga: La tolva de descarga está formada por tres compartimientos, los cuales se irán llenando durante la recolección del brócoli. Si uno se completa, la tolva realiza un desplazamiento para situar otro compartimento debajo de la cinta transportadora. Para la detección de llenado se utiliza una célula de carga. También se utiliza el desplazamiento lateral para alinear la tolva con los palots a la hora de la descarga de brócolis. Una vez alineados se produce la apertura de la tolva gracias a los cilindros hidráulicos. 2 DESCRIPCIÓN DEL SISTEMA 11 2.4 Sistema de dirección y navegación – Orugas - El sistema de dirección viene implementado de forma intrínseca en el mecanismo de tracción, que son las orugas. - Con las válvulas proporcionales (señal de 4 a 20 mA) se controla el caudal que recibe cada motor instalado en la oruga. Con un caudal diferencial en las orugas se consigue el girado del vehículo. En función de dicha diferencia se consigue un mayor o menor radio de giro. - Los motores instalados en las orugas son de doble velocidad, se tiene una marcha corta y otra larga. Se controla por medio de una bobina de 24 V DC. - El radio de giro del vehículo puede llegar a 0 m (girar sobre su propio eje) si los motores de las orugas giran en sentido opuesto recibiendo cada uno el mismo caudal. - Para la navegación, se va a instalar un encoder en cada oruga para que sirva de odómetro. Esta medida es necesaria para hacer una estimación de la posición del robot por la deriva. SISTEMA DE NAVEGACIÓN DE ROBOT TERRESTRE PARA AGRICULTURA 3. DESARROLLO DEL ENTORNO DE SIMULACIÓN Para poder probar los algoritmos, la aplicación que se ha desarrollado y el comportamiento del robot, se simula un entorno lo más realista posible. Para ello, se recurre a un complemento de ROS llamado Gazebo. Este simulador ofrece la posibilidad de simular con precisión una gran variedad de robots, objetos y sensores. Gazebo es capaz de generar tanto la realimentación realista de sensores, como las interacciones entre objetos físicos, incluyendo el modelado de la física del cuerpo rígido. Figura 8 - Simulación en Gazebo Para ejecutar la simulación se crea un launch llamado agribot_farm.launch. Este es el encargado de lanzar el mundo Gazebo que está definido en FarmWithCropRow.world, así como el modelo del robot colocándolo en una posición predefinida. 3.1 Entorno de desarrollo utilizado El sector comercial de la robótica prioriza la dependencia del proveedor sobre la innovación. Cada robot dispone de su propio sistema operativo y lenguajes de programación, lo que implica que al programar un robot se escribe código que no es reutilizable en otros tipos de robots. Mantener la tecnología en sistemas cerrados obliga a los programadores a dedicar mucho esfuerzo en la puesta en marcha del hardware que compone su banco de ensayos, dejando poco tiempo para la innovación. Para hacer frente al tiempo improductivo surge ROS (Robot Operating System), un framework de código abierto que permite la reutilización de código dando soporte a distintos tipos de robots y de aplicaciones. ROS ha llegado para quedarse. Es uno de los frameworks para desarrollo de robots más utilizado en la comunidad científica, y que poco a poco también intenta hacerse cabida en el ámbito industrial con la adopción de ROS-I. El proyecto aquí expuesto se ha desarrollado íntegramente en ROS, en su versión Melodic. Respecto al Sistema Operativo de la máquina se ha optado por Ubuntu 18.04.6 LTS por su compatibilidad con ROS Melodic. Por tanto, el correcto funcionamiento del código desarrollado en este proyecto puede garantizarse para el Sistema Operativo y la versión de ROS anteriormente nombrada. 3 DESARROLLO DEL ENTORNO DE SIMULACIÓN 13 Es sabido que ROS sigue evolucionando, entre otras cosas pensando en su adopción por el ámbito industrial, el cuál ha introducido nuevos requerimientos. Allá por el año 2014, para poder implementar más adecuadamente estos requerimientos y dar un mejor soporte al mundo industrial, comienza la implementación de ROS2. Si uno de los objetivos personales del autor de este proyecto era obtener conocimiento en las herramientas utilizadas en el desarrollo de robots móviles, quizás, hubiera tenido más sentido ganar experiencia en ROS2. Sin embargo, hay un motivo fundamental por el que se descarta la idea de usar ROS2, y es que desafortunadamente ROS2 no mantiene la compatibilidad hacia atrás, lo que significa que en general el código desarrollado en ROS no funcionará en ROS2. El repositorio que se utiliza como referencia para este proyecto usa ROS, por tanto es motivo suficiente para descartar el uso de ROS2. La parte positiva es que ROS2 se basa en ROS, por lo que no es un sistema completamente nuevo. Muchos de los conceptos y aplicaciones en los que se apoya ROS siguen presentes en ROS2, por lo que no debe ser difícil aprender ROS2 en el futuro. Para una información más detallada acerca de los orígenes de ROS, sus características y prestaciones y casos de uso, entre otros, consulte ref. [5]. 3.2 Mundo Gazebo Los archivos con extensión .world usan SDF (Formato de descripción de simulación). SDF es un formato XML para describir los objetos y entornos contenidos en la simulación. El mundo Gazebo viene definido en FarmWithCropRow.world mediante código XML. Para la creación de este código se ha desarrollado un archivo en Python llamado GazeboCropRowGenerator.py. Este archivo de Python automatiza la generación del código necesario para simular el entorno, así como guardar la posición en la que se encuentran los brócolis en un fichero de texto llamado waypoints.txt, que será usado para la navegación del robot. GazeboCropRowGenerator.py está parametrizado permitiendo modificar el entorno simulado de forma rápida y sencilla. Recibe, entre otras cosas, el número de hileras de brócolis que se desea, la longitud de las mismas y el número máximo de brócolis por hilera. En base a estos parámetros el código se encarga de distribuir los brócolis a lo largo de cada hilera de forma equidistante. Como resultado el fichero en cuestión genera el código XML que describe los brócolis, su posición, así como otros elementos presentes en la simulación que serán descritos a continuación (terreno y distintos tipos de árboles). Todo este código XML se guarda en FarmWithCropRow.world. Gazebo es un simulador de código abierto que cuenta con una gran comunidad que lo soportan. Gracias a esto hay una gran cantidad de modelos de objetos ya creados que pueden encontrarse en un repositorio (Ref. [6]). Tanto para los árboles como para el terreno se ha recurrido a este repositorio. La forma de usar estos modelos ya creados es sencilla. Una de las opciones que hay es simplemente descargar la carpeta en cuestión de la Ref. [6] y guardarlo en la carpeta local /.gazebo/models que se crea una vez instalado Gazebo. Luego, en el código en el que se describe el mundo (archivo .world) habrá que poner la ruta a ese directorio. Cabe destacar que este repositorio ofrece junto con los modelos el código SDF que describe al elemento. Habrá que copiar este código y pegarlo en nuestro archivo .world, siendo necesarios algunos cambios para ajustarlo a nuestras necesidades. En el caso de este proyecto solo fue necesario modificar la posición en el que colocar cada objeto. - Terreno: Tal y como se mencionó antes se ha descargado del repositorio (Ref. [6]). Puede encontrarse bajo el nombre de /mud_box. La textura puede verse en la Figura 9. Respecto al uso que se le ha dado en este proyecto, se ha utilizado como el terreno de la plantación de brócolis. La dimensión de cada trozo de terreno es de 8x10 metros. Se han usado un total de 10 trozos consiguiendo un terreno de 40x20 metros. SISTEMA DE NAVEGACIÓN DE ROBOT TERRESTRE PARA AGRICULTURA Figura 9 - Textura del terreno - Brócolis: En el caso de los brócolis, su modelo y código SDF se obtuvo del repositorio de GitHub del que parte este proyecto (Ref. [1]). En la siguiente figura se muestra el aspecto del modelo usado para una planta de brócoli. Figura 10 - modelo de la planta de brócoli La plantación de brócolis cumple con uno de los objetivos del proyecto (Sección 1.2). Es de 10 metros de largo por 8 metros de ancho. Tiene 6 hileras, a su vez con dos filas de brócolis en cada hilera. La separación entre hileras es de 1.6 metros. Por último, la separación entre brócolis de una misma hilera es equidistante. 3 DESARROLLO DEL ENTORNO DE SIMULACIÓN 15 - Árboles: Se han usado dos tipos de árboles que, tal y como se mencionó antes, se han descargado del repositorio (Ref. [6]). El único propósito de estos árboles es decorar el entorno, aunque pueden llegar a dificultar la navegación del robot debido a que es posible una colisión con ellos. El primero de los árboles utilizado es un pino y puede encontrarse en el repositorio bajo el nombre de /pine_tree. El aspecto del modelo utilizado se muestra en la Figura 11. Las texturas del tronco y hojas en la Figura 12. Figura 11 - Modelo del pino Figura 12 - Texturas tronco y hojas del pino 4 DESARROLLO DE FUNCIONES DE GUIADO DEL VEHÍCULO Esta es otra de las muchas posibilidades que existen para probar el robot. Al igual que se hizo anteriormente por terminal, mediante este plugin se pueden mandar velocidades al robot y observar su comportamiento. Eso sí, a diferencia de publicar la velocidad en el Topic mediante la terminal, a través de esta herramienta no tenemos control de la velocidad y dirección exacta que se envía. Sin embargo, para el tipo de pruebas que se querían hacer esta forma es más que suficiente. 4.3 Algoritmo de Navegación: Pure Pursuit El algoritmo Pure Pursuit, o Persecución Pura en español, es un algoritmo de seguimiento muy popular en robótica móvil por su simplicidad conceptual y su capacidad para guiar al robot a lo largo de una trayectoria predefinida. Este algoritmo recibe la posición actual del robot y el conjunto de waypoints, y calcula la velocidad angular (w) del robot a partir de la velocidad lineal (v) en ese instante. La velocidad lineal normalmente viene fijada por un sistema de nivel superior, aunque también puede establecerse dentro del sistema de navegación. Existe otro parámetro conocido como Look-ahead (𝐿𝑑), o distancia de anticipación, que determina qué tan lejos en la trayectoria se busca el punto objetivo (TP). Evidentemente, el valor de este parámetro tiene implicaciones en el desempeño del algoritmo que se verán más adelante. Sin entrar en mucho detalle, el algoritmo implementado consiste en calcular el punto objetivo (TP) en función de la posición y orientación actual del robot. Para ello se traza una circunferencia de radio 𝐿𝑑 con centro en la posición actual. Allá donde corte la circunferencia con la trayectoria a seguir será el nuevo punto objetivo (TP). A continuación, el algoritmo busca alcanzar el punto calculado (TP) mediante un arco de circunferencia, y en base a eso se obtiene el radio de giro que se requiere trazar (R en la Figura 23). Este proceso se repite de manera continuada mientras el robot se mueve permitiendo al robot ajustar su trayectoria a medida que avanza. En la siguiente figura se representa gráficamente la explicación anterior. Figura 23 - Representación gráfica del cálculo del punto objetivo (TP) SISTEMA DE NAVEGACIÓN DE ROBOT TERRESTRE PARA AGRICULTURA 23 Como se mencionó anteriormente, la elección de la velocidad (v) y Look-Ahead (𝐿𝑑) repercuten en la navegación del robot. Ambos parámetros son directamente proporcionales y se relacionan según 𝐿𝑑= Kpp ∗ v, siendo Kpp la ganancia del sistema. El impacto de modificar el Look-Ahead y la velocidad es el siguiente: - Look-Ahead: Si se toma un valor pequeño, puede mejorar el seguimiento de la trayectoria del robot ya que el robot tomará decisiones más rápidas y reaccionará más pronto a las curvas. Además, el robot alcanzará los waypoints. Sin embargo, si no está bien afinado y es demasiado bajo puede provocar inestabilidad en el sistema, lo que se traduce en oscilaciones. Con valores más altos se obtiene lo contrario, el seguimiento del camino es más suave pero el tiempo de respuesta es mayor ante cambios repentinos en la trayectoria. Un problema típico en valores altos de Look-Ahead es el de “las esquinas cortadas”. Esto es un fenómeno en el cuál el robot se mueve dentro de la esquina en vez de alrededor de ella. En la siguiente figura pueden verse las limitaciones del Pure Pursuit explicadas anteriormente en relación al Look-Ahead. La imagen superior izquierda son las oscilaciones provocadas a causa de un Look-Ahead demasiado pequeño. La imagen inferior izquierda es el comportamiento suave que experimenta el robot ante valores altos de Look-Ahead. Por último, la imagen de la derecha ejemplifica el problema de “las esquinas cortadas”. Figura 24 - Limitaciones del Pure Pursuit en relación a distintos valores de Look-Ahead La siguiente imagen extraída de una publicación en una revista de ingeniería eléctrica y computacional (Ref. [9]) muestra los efectos de diferentes valores de Look-Ahead para el seguimiento de una trayectoria. También aquí pueden verse los fenómenos explicados anteriormente, es decir, oscilaciones para Look-Ahead bajos y el problema de la esquina cortada para valores altos. Figura 25 - Efectos de diferentes valores de Look-Ahead en el seguimiento de trayectorias. 4 DESARROLLO DE FUNCIONES DE GUIADO DEL VEHÍCULO - Velocidad: Si la velocidad del robot es alta puede tener efectos negativos, como por ejemplo que su inercia será mayor. Esto significa que necesita más tiempo y espacio para detenerse o cambiar de dirección. Otro inconveniente es que tiene un menor tiempo de reacción, lo que puede provocar los mismos efectos que antes; falta de tiempo para cambiar la dirección. En conclusión, velocidades altas pueden provocar errores de seguimiento, especialmente en curvas pronunciadas o situaciones de obstáculos inesperados. También tiene efectos positivos; por ejemplo, tiene una mayor eficiencia en tiempo pudiendo recorrer distancias más largas en menos tiempo, lo que es esencial para algunas aplicaciones en las que prima la velocidad. En situaciones en los que el recorrido es sencillo, sin obstáculos y principalmente recto, puede tener sentido usar velocidades más altas. Cuando se usan valores bajos de velocidad la precisión aumenta, sin embargo se puede pecar de demasiada cautela y perder eficiencia. En definitiva, ajustar correctamente la velocidad y el Look-Ahead es esencial para un buen comportamiento del robot. Ya sean velocidades o Look-ahead altos o bajos se pueden encontrar ventajas y desventajas, por eso es importante ajustar ambos valores en conjunto, pués hay una relación entre sí. A continuación, se explica el comportamiento esperado para cada una de las posibilidades. Aunque no se mencione, en todos los casos siguen presentes las ventajas e inconvenientes arriba descritos. - Look-Ahead alto y velocidad alta: A causa de la velocidad alta el tiempo de reacción es menor, sin embargo se compensa con el valor alto de Look-Ahead que permite planificar su trayectoria asegurando un comportamiento suave, a costa de una menor precisión especialmente en curvas. - Look-Ahead alto y velocidad baja: Esta configuración permite una navegación precisa y estable, consiguiendo movimientos suaves. Sin embargo, este es el caso extremo de prudencia lo que significa que se puede pecar de exceso de prudencia. - Look-Ahead bajo y velocidad alta: Si un Look-Ahead bajo puede conllevar problemas de inestabilidad, más aún a velocidades altas que el tiempo para corregir errores es menor. En particular para la aplicación aquí estudiada no es una buena configuración, ya que no se beneficia de ninguna de las ventajas que tienen valores altos de velocidad y bajo de Look-Ahead. - Look-Ahead bajo y velocidad baja: A causa de un Look-Ahead bajo se pueden producir inestabilidades a causa de una navegación reactiva, sin embargo se compensa de alguna forma disminuyendo la velocidad. Esta configuración es buena para la navegación en espacios reducidos donde hacen falta reacciones rápidas y ajustes precisos. Este no es el caso de la aplicación aquí estudiada. En conclusión, es importante encontrar un equilibrio entre ambos parámetros. Parece razonable que para velocidades altas se debe optar por un Look-Ahead moderadamente alto para proporcionar una anticipación adecuada sin sacrificar demasiado tiempo de reacción y reducir las posibilidades de inestabilidades. Si por el contrario se escoge una velocidad baja, la mejor opción parece ser un valor de Look-Ahead moderadamente bajo, especialmente en entornos confinados. SISTEMA DE NAVEGACIÓN DE ROBOT TERRESTRE PARA AGRICULTURA 25 4.3.1 Implementación Anteriormente se ha explicado de forma genérica en qué consiste a grandes rasgos el algoritmo Pure Pursuit, sin embargo se pueden encontrar varias versiones algo diferentes unas de otras. En el caso de este proyecto se ha optado por la solución propuesta en el repositorio ROS_Pure_Pursuit del usuario leofansq (Ref. [7]), ya que es compatible con la versión de ROS Melodic que se usa en este proyecto. Dentro de este repositorio se encuentran principalmente dos archivos importantes, pure_pursuit.cpp, que es la implementación del algoritmo en c++, y pure_pursuit_node.launch, que es el fichero tipo launch que permite lanzar el nodo y parametrizar el código sin necesidad de modificar el código del algoritmo. Aún así el código de c++ ha requerido cierta modificación para añadir los markers de la posición del robot en cada instante. Estos markes pueden representarse en herramientas como rviz para saber la trayectoria que ha seguido realmente el robot. En cualquier caso, como se explicará en la siguiente sección 4.3.2, al final no se usaron los markers aquí programados sino que se representó directamente la odometría del robot usando rviz. Además, el código pure_pursuit.cpp ha requerido otra modificación muy importante debido a que no era correcto del todo. En la parte del código en la que se calcula la velocidad angular faltaba considerar los valores negativos para así limitar la velocidad de giro en las curvas con sentido horario. Tal y como estaba el código antes de la modificación (vea la Figura 26) se tomaba el menor valor de dos posibles velocidades angulares. En el caso en el que el giro sea horario, la velocidad angular es negativa y siempre será menor que w_max_ que siempre es positiva, provocando que se cojan valores mayores que w_max_ en valor absoluto. La consecuencia de esto era enviar al robot velocidades angulares negativas muy altas haciendo que el robot se descontrole y gire sobre sí mismo. Para solucionarlo se añade la condición de no sobrepasar una velocidad angular mayor que -w_max_. El código resultante puede verse en la Figura 27. Figura 26 - Código antes de la corrección. Figura 27 - Código después de la corrección. Respecto al archivo pure_pursuit_node.launch, se ha tenido que parametrizar de acuerdo a los frames definidos en este proyecto, como son “base_link” para el frame del robot, y “odom” para el frame del Look-Ahead. Además de eso, se ha utilizado para probar diferentes valores de velocidad lineal y angular máxima, del Look-Ahead y de tolerancias. Como se ha mencionado anteriormente, una de las entradas que necesita este algoritmo son los waypoints que definen el camino a seguir por el robot. Todos los waypoints son conocidos de antemano y se definen en el archivo GazeboCropRowGenerator.py, el cuál entre otras cosas da como resultado un fichero de texto llamado waypoints.txt donde se guardan todos los waypoints. Para la plantación de brócolis propuesta se obtienen un total de 188 waypoints, ya que cada uno de los brócolis se define como un waypoint. Además de los brócolis, también se guardan como waypoints puntos de seguridad situados a 5 metros de distancia antes de la primera planta de la hilera y otro punto a la misma distancia medido a partir de la última planta de la hilera. De este modo se consigue un margen de seguridad en ambos extremos de cada una de las hileras para dificultar que el robot pise los brócolis en caso de no seguir la trayectoria correctamente. Asimismo, se programa la función waypoints2semicircle, que a partir de la posición del último brócoli de una hilera y la posición del primer brócoli de la siguiente hilera define un arco de circunferencia con 10 waypoints. De esta forma se establece la trayectoria que debe seguir el robot para pasar de una fila de brócolis a la siguiente. Una vez se tiene el camino a seguir definido mediante los waypoints en el fichero de texto, hay que 4 DESARROLLO DE FUNCIONES DE GUIADO DEL VEHÍCULO buscar la forma de enviárselos al Pure Pursuit. Para eso se recurre al repositorio ROS_Waypoints_Processor creado de nuevo por el usuario leofansq (Ref. [7]). De este repositorio el único archivo relevante es load_waypoints.py que ha sido renombrado para este proyecto con el nombre de load_waypoints_purePursuit.py. En este nuevo archivo se han hecho las modificaciones oportunas para leer el fichero de texto donde están guardados los waypoints guardados, así como publicar los waypoints en el frame correcto; en este caso /odom. 4.3.2 Resultados Hasta aquí se ha explicado lo que cabe esperar en general según diferentes valores de Look-Ahead y velocidad. Ahora se pasa a ver como se comporta el Pure Pursuit para esta aplicación en concreto considerando diferentes valores de Look-Ahead y velocidad. Se mostrarán gráficas que representan el camino a seguir frente al camino realmente seguido por el robot. Además las imágenes se complementarán con una explicación del comportamiento del vehículo que se ha observado durante la simulación, que en algunas ocasiones no es apreciable únicamente en las gráficas. Para encontrar los mejores valores de Look-Ahead y velocidad se ha hecho de forma experimental observando el comportamiento del robot y modificando los parámetros en consecuencia. Para poder juzgar el comportamiento del vehículo de una forma más objetiva se ha representado la odometría frente a la trayectoria. Para estas representaciones se ha usado rviz, con la configuración que puede verse en la Figura 28. Figura 28 - Configuración de rviz para mostrar la odometría y los waypoints SISTEMA DE NAVEGACIÓN DE ROBOT TERRESTRE PARA AGRICULTURA 27 Con una línea roja se representa la odometría del robot y en verde el conjunto de todos los waypoints que forman la trayectoria que debe seguir el robot. Cabe destacar que la trayectoria a seguir no muestra de manera clara la dimensión de las hileras de brócolis haciendo parecer que son más largas de lo que en realidad son, ya que también incluye las posiciones de seguridad a 5 metros de cada extremo de cada hilera. De forma general en todas las imágenes se verá como, especialmente al principio, el robot pasa por encima de la línea verde pareciendo que está pisando los brócolis o saltándose algunos de ellos, cuando en realidad no tiene por qué ser así porque aún no hay brócolis en esa zona. Lo que se pretende mostrar con las imágenes siguientes es cómo afectan los valores de Look-Ahead y velocidad a la navegación, “obviando” si se pisan o se saltan los brócolis. Se explicará en cada caso particular si el robot ha pisado o no la plantación de brócolis o si se ha saltado alguno de ellos. En todos los casos aquí estudiados el robot es capaz de completar el recorrido, sin embargo se analizará de qué manera lo hace. A continuación se muestran los resultados para diferentes valores de Look-Ahead (L) a dos velocidades diferentes, manteniendo la velocidad angular constante en todos los casos y con valor 1 rad/s. Se recuerda que la línea roja representa la odometría del robot y la verde el conjunto de todos los waypoints que forman la trayectoria que debe seguir el robot. La hilera por la que el robot empieza recorriendo la plantación es la que se ve en las imágenes la primera comenzando por la izquierda. Velocidad lineal = 1 m/s - Look-Ahead = 4 m Según se vio antes de forma teórica, este parece ser un caso de Look-Ahead demasiado alto. Se aprecia el fenómeno de las esquinas cortadas, pues no llega el robot a hacer el giro en el lugar que debería hacerlo. También se puede observar cómo se aproxima a cada hilera después de girar de manera suave y no pasa por encima de todos los waypoints, en particular por los puntos de seguridad definidos. Todo esto ha provocado que el robot pise los primeros brócolis de cada hilera. Figura 29 - Comportamiento del robot para v = 1 m/s y L = 4 m 4 DESARROLLO DE FUNCIONES DE GUIADO DEL VEHÍCULO - Look- Ahead = 2.5 m Este es el mejor valor de Look-Ahead que se ha encontrado para una velocidad de 1 m/s. Puede apreciarse cómo el robot se ha ajustado mucho mejor a la trayectoria sin perder suavidad en la navegación. Sigue existiendo el fenómeno de “la esquina cortada” pero en menor medida. De todos modos, para esta aplicación no es necesario que el robot siga la trayectoria durante el giro a la perfección, porque debido al margen de seguridad que se ha fijado el robot tiene espacio de sobra para maniobrar en el cambio de hilera consiguiendo no pisar ninguno de los brócolis. Puede observarse también que cuando el robot se incorpora a la primera hilera lo hace con mucha más antelación, al contrario que en el caso de L=4m. Por último, se aprecia que incluso cuando los parámetros están mejor ajustados, el robot no responde bien a curvas tan cerradas. En este caso, tiende a realizar la curva de forma más amplia y abierta. Figura 30- Comportamiento del robot para v = 1 m/s y L = 2.5 m SISTEMA DE NAVEGACIÓN DE ROBOT TERRESTRE PARA AGRICULTURA 29 - Look-Ahead = 1.5 m Con valores de Look-Ahead más pequeños se producen oscilaciones, como la que se puede ver en la primera fila de brócolis. Además, el robot intenta alcanzar todos los waypoints y ya no se produce el efecto de “la esquina cortada”, al contrario, en el giro el robot sobrepasa el camino a seguir. Por el hecho de querer alcanzar todos los waypoints, el robot realiza al principio una trayectoria poco óptima para conseguir aproximarse al primer punto de seguridad y al primer brócoli (que es el segundo waypoint definido). Esta forma de avanzar hacia la primera hilera provoca que el autómata pase por encima de los primeros brócolis y luego oscile antes de estabilizarse en la fila. Figura 31 - Comportamiento del robot para v = 1 m/s y L = 1.5 m 4 DESARROLLO DE FUNCIONES DE GUIADO DEL VEHÍCULO - Look-Ahead = 1.3 m Este caso es similar al anterior, pero llevado al extremo. Las oscilaciones son aún más pronunciadas, llegando al punto en el que el robot pierde por completo el control y comienza a dar vueltas sobre sí mismo al entrar en la primera curva. Figura 32 - Comportamiento del robot para v = 1 m/s y L = 1.3 m SISTEMA DE NAVEGACIÓN DE ROBOT TERRESTRE PARA AGRICULTURA 31 Velocidad lineal = 0.75 m/s Al igual que antes, se analiza el comportamiento del robot con diferentes valores de Look-Ahead, pero esta vez a una velocidad menor. - Look-Ahead = 3 m Para valores altos de Look-Ahead se siguen observando cambios de dirección suaves, necesitando cierto tiempo para incorporarse a la primera hilera. También se aprecia el fenómeno de “las esquinas cortadas”. Figura 33 - Comportamiento del robot para v = 0.75 m/s y L = 3 m 4 DESARROLLO DE FUNCIONES DE GUIADO DEL VEHÍCULO transfiere la ruta al controlador seleccionando. Pone en marcha el controlador y lo ejecuta con una frecuencia predefinida, mientras calcula los comandos de velocidad que se publican directamente para ordenar al robot que se mueva. Durante su ejecución devuelve la posición actual del robot, la velocidad y la distancia y el ángulo a la posición objetivo. Como resultado, devuelve la posición final y la distancia y el ángulo a la posición objetivo. La visualización en rviz de MBF una vez implementado puede verse en la Figura 40, siendo la línea roja la representación de la odometría del robot, la línea verde el planificador global, la línea fina marrón el planificador local y el cuadrado gris el mapa de costes local. Figura 40 - MBF implementado 4.4.2 Resultados A continuación, se pasan a explicar los problemas encontrados y las soluciones propuestas hasta conseguir el resultado final. El primer problema encontrado fue que, aunque el robot recibía la ruta completa, no empezaba a recorrerla desde el principio. Se descubrió que algunos algoritmos de navegación que buscan la optimización de su ruta, como es el caso de Move Base Flex, comienzan a recorrer la trayectoria por el punto más cercano. Como para esta aplicación es necesario que se navegue por todo el campo de brócolis, se solucionó el problema posicionando al robot cerca del principio de la ruta. SISTEMA DE NAVEGACIÓN DE ROBOT TERRESTRE PARA AGRICULTURA 39 Otra particularidad de este algoritmo es que cuando el robot no detecta más puntos a los que seguir, deja de perseguir la ruta preestablecida y directamente se dirige al punto final del trayecto por el camino más corto. Esto ocurría al pasar por los puntos de seguridad, pues están a cinco metros de distancia de la hilera y no hay ningún waypoint definido entre medio. La solución de esto fue interpolar los puntos, consiguiendo que en la ruta no hubiera ningún trozo sin waypoints a los que seguir, que era lo que provocaba que el robot se perdiera. Después de resolver los problemas anteriores, se probó con varios valores de sus parámetros hasta conseguir que el robot terminara el recorrido. El resultado puede verse en la Figura 41. Figura 41 - Resultado con MBF en la primera iteración Se observa que el comportamiento no es el deseado, principalmente se aprecian oscilaciones al recorrer las hileras, así como problemas al tomar las curvas. La trayectoria no es correcta, por lo que se asume que el controlador de la trayectoria, el TEB Local Planner, no está bien configurado. Las razones pueden ser varias: - El parámetro que controla la velocidad angular máxima del robot, si tiene un valor muy alto puede hacer que el robot gire bruscamente, contribuyendo al patrón de Zigzag. - Los parámetros que limitan la aceleración lineal y angular máxima. Si la aceleración es demasiado alta, el robot puede tener dificultades para cambiar de dirección suavemente. - weight_viapoint: Un peso muy alto en este parámetro da rigidez a la navegación, ya que sirve para minimizar la distancia a los waypoints. Disminuyendo este valor se relaja la condición de pasar exactamente por cada punto. - Aumentar el Look-Ahead: Como se evidenció en las pruebas realizadas con el algoritmo Pure Pursuit, valores muy bajos de "Look-Ahead" pueden generar oscilaciones debido a una 4 DESARROLLO DE FUNCIONES DE GUIADO DEL VEHÍCULO respuesta reactiva del robot. Por esta razón, se decidió aumentar este valor. No obstante, es crucial ser cauteloso al incrementarlo, ya que se experimentaron problemas cuando este valor era excesivamente alto. Cuando el robot se aproxima a la penúltima curva, se acerca lo suficiente al punto final para que sea visible con el valor de "Look-Ahead" configurado. Esto lleva a que el robot se detenga, creyendo que ha alcanzado su destino. Luego de realizar ajustes en los parámetros mencionados anteriormente, se lograron significativas mejoras, evidenciadas en la Figura 42. En esta ocasión, las oscilaciones han sido completamente eliminadas, y los giros han sido mejorados. No obstante, persisten dificultades en el cuarto giro que aún requieren solución. Figura 42 - Resultado con MBF en la segunda iteración En esta última iteración se intentan mejorar los giros. Para ello se hacen los siguientes ajustes: - Se vuelven a ajustar los valores límites de velocidad y aceleración angular, así como al peso que se le da a cumplir con dicho valor. Ambos se aumentaron, pensando que la velocidad angular y su aceleración eran demasiado bajos imposibilitando realizar curvas más cerradas. - Se aumenta el valor del parámetro weight_kinematics_turning_radius para forzar a usar el mínimo radio de giro. - Se detectó que la “huella” del robot (footprint_model), definido tanto en el Teb Local Planner como en el mapa de costes global, estaba mal fijado. Este parámetro es importante para la planificación de trayectorias, ya que define el tamaño del robot. El reajuste de estos parámetros dio como resultado el siguiente comportamiento mostrado en la Figura 43. SISTEMA DE NAVEGACIÓN DE ROBOT TERRESTRE PARA AGRICULTURA 41 Figura 43 - Resultado final usando MBF A pesar de las mejoras en la navegación, en comparación con el mejor rendimiento alcanzado mediante Pure Pursuit (con un "Look-Ahead" de 1.8 m y una velocidad lineal de 0.75 m/s), los resultados obtenidos con MBF son menos satisfactorios. En favor de MBF frente a Pure Pursuit, es notable que el robot logra incorporarse a las hileras más rápidamente después de las curvas. Además, el planificador local ajusta continuamente la velocidad a lo largo del recorrido, aumentándola o disminuyéndola según convenga. Por otro lado, con MBF, a diferencia de con Pure Pursuit, el robot se ha conseguido recuperar en los momentos en los que ha perdido el control. Se cree que aún no se han alcanzado los parámetros óptimos, pero se confía en que una vez conseguido el comportamiento del robot mejorará. En cualquier caso, la implementación del MBF no ha sido en vano, ya que abre la puerta a nuevas funcionalidades muy interesantes para futuros desarrollos, como es la evasión de obstáculos. SISTEMA DE NAVEGACIÓN DE ROBOT TERRESTRE PARA AGRICULTURA 5. CONCLUSIONES Este proyecto detalla el proceso de desarrollo de un entorno de simulación y la implementación de funciones de guiado para un robot terrestre agrícola, permitiéndole navegar autónomamente por un campo de brócolis sin causar daños. Para llevar a cabo este trabajo, se utilizó ROS en su versión Melodic y Gazebo para la simulación del entorno, además de otras herramientas como Git y GitHub para el control de versiones. Se ha demostrado que mediante un algoritmo Pure Pursuit los resultados son satisfactorios. Para ello se han analizado diferentes escenarios en los que se usaban distintas velocidades lineales y valores de Look-Ahead evidenciando los efectos de alterar ambos parámetros, así como la relación que guardan entre ellos. Se ha comprobado cómo con valores altos de Look-Ahead la reacción del robot es más suave y se produce el efecto de la esquina cortada. Mientras que con valores más bajos, el comportamiento es más reactivo pudiendo provocar oscilaciones, y en el caso extremo la pérdida de control del robot. Respecto a la relación que guardan la velocidad y el Look-Ahead, se confirma que a mayor velocidad el valor del Look-Ahead debe crecer para darle más tiempo de reacción al robot. De todos los experimentos hechos, con el que se han obtenido mejores resultados ha sido con una velocidad lineal de 0.75 m/s y un Look-Ahead de 1.8 m. De esta forma se consigue un buen compromiso entre eficiencia y, sobre todo, precisión, qué es lo que más requiere esta aplicación. Cabe mencionar que la precisión en los giros es mejorable, en todos los casos el robot ha tomado la curva de forma más abierta y necesitando cierto tiempo para incorporarse de nuevo a la hilera. Aunque la precisión en los giros no es imprescindible, debido a que se realizan a una distancia de seguridad de los brócolis para dificultar que sean dañados, mejorarlos aumentaría la eficiencia. Esto permitiría reducir el margen de seguridad sin preocupación por dañar la plantación. Como extensión del alcance del proyecto se implementa Move Base Flex (MBF) con el fin de probar un sistema de navegación más potente que Pure Pursuit. A diferencia de este, MBF cuenta con un planificador local y global, así como modos de recuperación. También permite evitar obstáculos y modificar los valores de velocidad según convenga. Por tanto, se esperan resultados mejores que los obtenidos con el Pure Pursuit. Sin embargo, en comparación con el mejor rendimiento alcanzado mediante Pure Pursuit (con un "Look-Ahead" de 1.8 m y una velocidad lineal de 0.75 m/s), los resultados obtenidos con MBF son menos satisfactorios. En favor de MBF frente a Pure Pursuit, el robot se ha conseguido recuperar en los momentos en los que ha perdido el control. Además, aporta otras funcionalidades que Pure Pursuit no. Se cree que aún no se han alcanzado los parámetros óptimos, pero se confía en que una vez conseguido el comportamiento del robot mejorará. En conclusión, este trabajo fin de máster que ha contribuido al proyecto ELISA, cumple con los objetivos técnicos y personales acordados por el tutor del proyecto y el alumno. Sin embargo, siempre hay posibilidad de mejora, por lo que se proponen a continuación formas de continuar este proyecto. Como trabajo futuro se propone: - Mejorar la precisión del robot en los giros. Se cree que el motivo de la falta de precisión en las curvas es la inercia que lleva el autómata debido a la velocidad que trae de recorrer la hilera. Además de eso, en una curva tan cerrada, sería conveniente tener un Look-Ahead menor para que el robot no se salte ningún punto y sea más reactivo. Por tanto, se propone modificar el algoritmo Pure Pursuit para que comande una velocidad lineal y un Look-Ahead variable dependiendo de si el robot está recorriendo la fila de brócolis o está girando. Esto es, para navegar por la hilera la velocidad y el Look-Ahead debe ser grande y al llegar a la curva se deben reducir ambos. - Probar con otros algoritmos de navegación más sofisticados que permitan, por ejemplo, la detección de obstáculos y tengan métodos de recuperación. Por ejemplo, continuar con el trabajo aquí empezado con Move Base Flex. SISTEMA DE NAVEGACIÓN DE ROBOT TERRESTRE PARA AGRICULTURA 43 - Hacer uso de cámaras, lídar u otros sensores para reconocer el entorno y evitar obstáculos o deformidades en el terreno. Así como aumentar la precisión del posicionamiento del robot, que hasta ahora solo se hace mediante la odometría. - Implementar otras funcionalidades diferentes de la navegación, como pueden ser el reconocimiento de las plantas mediante técnicas de percepción, la recogida del brócoli o la detección y remedio de enfermedades del cultivo. SISTEMA DE NAVEGACIÓN DE ROBOT TERRESTRE PARA AGRICULTURA 6. ANEXOS A continuación, se detallan los comandos necesarios para ejecutar el proyecto contenido en el repositorio (Ref. [2]): 1. Se lanza la simulación en Gazebo mediante el comando: roslaunch agribot_gazebo agribot_farm.launch 2. Se especifica la transformada para superponer el fram map y odom mediante el comando rosrun tf static_transform_publisher 0 0 0 0 0 0 map odom 100 Si se quiere lanzar el Pure Pursuit: 3. Lanzar el Pure Pursuit. Estando en la carpeta /ROS_Pure_Pursuit/launch: roslaunch pure_pursuit_node.launch 4. Lanzar el nodo que envía los waypoints. Estando en la carpeta /ROS_Waypoints_Processor: python load_waypoints_purePursuit.py Si se quiere lanzar Move Base Flex: 3. Lanzar move base flex. roslaunch agribot_navigation agribot_navigation.launch 4. Lanzar el nodo que envía los waypoints. Estando en la carpeta /ROS_Waypoints_Processor: python load_waypoints_moveBase.py Si se quiere modificar el entorno en Gazebo, esto es: el número de hileras, la longitud de cada una de ellas, así como el número máximo de brócolis por hilera, los cambios hay que hacerlos en GazeboCropRowGenerator.py. En la siguiente figura se muestran los parámetros a modificar. Figura 44 - Parámetros a modificar para un nuevo escenario en Gazebo Cuando se hayan hecho los cambios, se ejecuta el código y se generará un archivo llamado FarmWithCropRow.world que debe ser guardado en la carpeta /agribot_gazebo/worlds.