Los humanos y los animales han evolucionado desarrollando la capacidad de utilizar sus sentidos para sobrevivir. La fusión sensorial, que es uno de los pilares de esta evolución, se realiza de forma natural por animales y humanos para conseguir una mejor interacción con el entorno circundante. La emergencia de nuevos sensores, técnicas de procesamiento avanzado, y hardware de proceso mejorado, han hecho viable la fusión de muchos tipos de datos. Actualmente los sistemas de fusión sensorial se han utilizado de manera extensiva para el seguimiento de objetos, identificación automática, razonamiento, etc. Aparte de otras muchas áreas de aplicación (como la monitorización de sistemas complejos, el control automático de fabricación industrial...) las técnicas de fusión también se utilizan en el campo de la inteligencia artificial y la robótica. Esta tesis aporta el modelo FSR-BAY, para la fusión sensorial robótica. Este modelo tiene en cuenta algunos aspectos que desde nuestro punto de vista han sido tratados de manera secundaria por la mayoría de las arquitecturas de fusión actuales: la información incompleta e incierta, las capacidades de aprendizaje y el utilizar una representación homogénea de la información, independiente del nivel de fusión. También se proporcionan dos casos de estudio del modelo propuesto aplicado a un agente autónomo. El primer caso trata la fusión cooperativa de la información utilizando para fusionar información proveniente de varios sensores de un mismo tipo. El segundo caso fusiona de manera competitiva información tanto heterogénea como homogénea. / Throughout their evolution, both humans and animals have developed the capacity to use their senses to help them to survive. One of the pillars of this evolution; sensory fusion, is achieved naturally by animals and humans to obtain the best possible interaction with the surrounding environment. In the field of computers the emergence of new sensors, advanced processing techniques, and improved hardware have made possible the fusion of many different types of data. Nowadays, sensory fusion systems have been used extensively to follow objects, for automatic identification, reasoning, etc. Apart from the many other areas of application (such as the motorization of complex systems, the automatic control of industrial fabrication processes.) fusion techniques are also being used in the fields of artificial intelligence and robotics. This thesis presents the FSR-BAY model for robotic sensory fusion. This model takes into consideration certain aspects that in our opinion have been treated in a secondary manner by the majority of today's fusion architects: Incomplete and uncertain information learning capacities and the use of a homogeneous representation of the information, independent of the level of fusion. Two studies of the proposed model applied to an autonomous agent are also described. The first case deals with cooperative fusion of the information using various sensors of the same type to provide the information, and the second case describes the situation of competitive fusion when the information is provided both homogeneously and heterogeneously.

Uno de los aspectos esenciales en la robótica móvil es la obtención y procesamiento de la información relativa a la localización del robot en el espacio de movimiento, con el fin utilizarla para generar los movimientos deseados del robot. Para esto se busca utilizar la mayor cantidad posible de fuentes de información con el fin de corregir los errores de posición asociados a la presencia de ruido en las mediciones del robot. La fusión de esta información es tema central de la tesis en la cual se exponen distintos algoritmos de fusión, desarrollados específicamente para robots móviles con recursos de computación limitados. Utilizando modelos dinámicos en conjunto con técnicas de fusión basadas en filtro de Kalman se realiza una estimación local de la posición utilizando sensores inerciales. Esta estimación se fusiona mediante un filtro de Kalman con información de un sensor global y una corrección basada en eventos. Esta combinación de filtros en cascada con corrección basada en eventos es el principal aporte de la presente tesis. Esta solución al problema de localización permite una precisión similar pero un coste computacional menor a esquemas más complejos de fusión, lo que permite su implementación en robots de recursos limitados. El esquema propuesto se extiende para permitir la localización cooperativa de grupos de robots, modificando la actualización por eventos para incorporar la fusión de la posición de distintos robots cercanos entre si. Para esto se determina la posición entre los robots y se utiliza un sistema de comunicación y gestión basada en agentes. Este método permite realizar una fusión sensorial inteligente, tomando en cuenta únicamente la información de posición más fiable para actualizar al grupo de robots, lo que nuevamente reduce el costo computacional de la solución sin repercusiones considerables en la precisión de la localización. Los algoritmos propuestos son probados extensivamente mediante simulación y en distintas plataformas, principalmente en el LEGO NXT. Se presentan además ejecuciones de tiempo extendido que comprueban la estabilidad y robustez del método en largas distancias. / Marin Paniagua, LJ. (2014). Localización de robots móviles de recursos limitados basada en fusión sensorial por eventos [Tesis doctoral no publicada]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/38902 / TESIS

En este trabajo se aborda el problema de controlar un proceso cuya salida se muestrea de forma irregular. Para ello se propone utilizar un predictor que estima las salidas del proceso en instantes regulares de tiempo más un controlador convencional que calcula la acción de control a partir de las estimaciones del predictor (técnica conocida como control inferencial). La predicción consiste en estimar las variables de salida que se desean controlar a partir de las mediciones realizadas con diversos sensores utilizando para ello un modelo matemático del proceso. El filtro de Kalman permite hacer la predicción de forma óptima si las perturbaciones tienen una distribución gaussiana de media cero, pero con el inconveniente de requerir un elevado coste computacional cuando se utilizan diferentes sensores con retardos temporales variantes. En este trabajo se propone una estrategia de predicción alternativa de bajo coste computacional cuyo diseño se basa en el conocimiento de la disponibilidad de mediciones y de los retardos (del proceso, del sistema de medición o del sistema de transmisión de datos) y de la naturaleza de las perturbaciones. Los predictores propuestos minimizan el error de predicción frente al muestreo aleatorio con retardos variantes, perturbaciones, ruido de medida, error de modelado, retardos en la acción de control e incertidumbre en los tiempos de medición. Las diferentes estrategias de diseño que se proponen se clasifican según el tipo de información que se dispone de las perturbaciones y del coste computacional requerido. Se han planteado los diseños para sistemas monovariables, multivariables, lineales y no lineales. Asimismo, también se ha elaborado una forma más eficiente de incluir mediciones escasas con retardo en el filtro de Kalman, con el objetivo de reducir el coste computacional de la predicción. En este trabajo se demuestra que los sistemas de control inferencial que utilizan los predictores propuestos cumplen con el principio de sep / Peñarrocha Alós, I. (2006). Sensores virtuales para procesos con medidas escasas y retardos temporales [Tesis doctoral no publicada]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/3882 / Palancia