Este trabalho descreve os aperfeiçoamentos realizados na plataforma robótica móvel ROMEO III, dando origem ao robô ROMEO III.v2, onde os três principais desafios da navegação de robôs móveis são atacados: a localização, o mapeamento e o planejamento da trajetória. Esta nova configuração herda as soluções utilizadas em suas versões anteriores: o algoritmo A* para realizar o planejamento da trajetória e a utilização de encoders unido à detecção de marcos artificiais para a localização. Assim, para atacar o problema do mapeamento, o ROMEO III.v2 utiliza: 1) a metodologia Occupancy Grid para caracterizar o ambiente, 2) um arranjo de sonares com dois receptores e um transmissor para adquirir os dados do espaço em volta da plataforma (permitindo identificar o ângulo de recepção da onda ultra-sônica, além de estimar possíveis erros de leitura) e 3) uma bússola eletrônica é utilizada para identificar a orientação inicial da plataforma. Diversos testes são apresentados neste trabalho e mostram que o robô ROMEO III.v2 alcançou a sua finalidade dentro das limitações impostas pelo sonar: navegar autonomamente em um ambiente estático, estruturado e desconhecido.

No presente trabalho apresenta-se o estudo de duas diferentes abordagens relacionadas à utilização de sensores visuais na robótica móvel. Na primeira delas as imagens são usadas para fornecer parâmetros que permitam determinar a postura do próprio veículo durante o rastreamento de uma trajetória preestabelecida. Na segunda abordagem, os parâmetros fornecidos pelo processamento das imagens permitem calcular dados sobre a posição relativa entre o objeto imageado e o robô com o objetivo de seguir alvos móveis. No caso do rastreamento de trajetória, utiliza-se a lei de controle cinemático proposta em [

A exploração autônoma de ambientes desconhecidos necessita da construção incremental e consistente de um modelo do local explorado para que o robô possa estimar com sucesso sua localização ao longo do trajeto executado. Este problema é conhecido como localização e mapeamento simultâneo (SLAM), sendo de fundamental importância para o estudo de robôs móveis autônomos. Este trabalho apresenta o resultado do desenvolvimento de um algoritmo para localização e mapeamento simultâneo baseado no algoritmo Iterative Closest Point (ICP). Como ferramenta de desenvolvimento e pesquisa um novo framework voltado a aplicações robóticas chamado Microsoft Robotics Developer Studio foi utilizado. A solução proposta utiliza o ICP para gerar uma estimativa inicial de deslocamento que é avaliada utilizando-se um índice de qualidade em que a varredura da leitura atual do scanner laser é sobreposta a um mapa previamente construído a partir de leituras anteriores do sensor laser. Se o índice for pior que um limite previamente definido, são geradas mais quatro estimativas de deslocamento nas proximidades da estimativa inicial. A que apresentar o melhor valor para o índice de desempenho é utilizada como estimativa final para o deslocamento. Para verificação da efetividade da solução proposta, foram utilizados cinco ambientes simulados diferentes no qual foram avaliados o ICP e a solução proposta. Os resultados das simulações indicam que a solução proposta obtém um desempenho sensivelmente superior ao ICP nos casos em que o ambiente apresenta quinas e saliências pois estas diminuem os efeitos danosos causados pela ambiguidade na estimativa de deslocamento. Destaca-se também a utilização do teste de hipótese pelo método Kolmogorov-Smirnov para duas amostras (KS) para verificação de semelhança e relevância das correções efetuadas pelos algoritmos em teste.

Este trabalho apresenta um procedimento automatizado para calibração de sistemas de visão robótica baseado no cálculo on-line da matriz de transformação homogênea entre o sistema coordenado do plano de imagem, na câmera, e a área de trabalho do robô. A principal contribuição deste trabalho, está no fato desta matriz de transformação estar expressa em função dos ângulos de junto do robô. Como conseqüência, o procedimento de calibração necessita apenas de dois pontos, que devem ser ensinados ao robô. Após a execução do procedimento de calibração, os pontos capturados pelo sistema de visão são então automaticamente convertidos para o sistema coordenado do robô, através de uma matriz de transformação homogênea. O procedimento de calibração foi intensivamente testado utilizando um sistema de visão comercial e um robô industrial tipo SCARA e apresentou bons resultados.

Neste trabalho são discutidos os problemas de navegação e guiagem de robôs móveis autônomos. Os métodos de navegação mais usados requerem, basicamente, dois tipos de sensores que são utilizados conjuntamente: sensores absolutos e relativos. A diferença básica entre eles reside no fato de que os sensores relativos têm erros acumulativos, o que não ocorre com sensores absolutos. O sistema de navegação, que é investigado primeiro, é composto por dois subsistemas independentes integrados via um filtro de Kalman: o primeiro é uma central solidária de baixo custo com três girômetros e um acelerômetro triaxial, e o segundo é um receptor de GPS corrigido diferencialmente. Modelos de erro dos sensores inerciais de estado sólido são descritos e incluídos em um outro filtro de Kalman para estimar a posição e a orientação do veículo. Na seqüência, um segundo sistema de navegação, mais simples, é proposto e implementado utilizando o dead-reckoning, baseado na leitura dos pulsos de encoders alocados nas rodas do veículo (odômetro), e uma bússola digital. Estes sensores estão montados no protótipo de robô móvel disponível para testes no Departamento de Controle e Conversão de Energia do ITA. Com base neste segundo sistema de navegação, um controlador de guiagem tipo fuzzy é proposto e implementado, para guiar o veículo segundo uma trajetória composta por pontos com posição e orientação desejadas para o veículo. Este controlador é de sintonização simples e prescinde do conhecimento do modelo dinâmico do veículo. O sistema completo é implementado em tempo real e o bom desempenho é exibido em situações de interesse.

O presente trabalho apresenta um compensador neural ao controle por torque computado do robô ITA-IEMP. A compensação implementada consiste na correção do modelo dinâmico deste robô, usado no controlador por torque computado. Para isto foram utilizadas redes neurais para alterar o sinal de erro de posição injetado no controlador por torque computado, de tal forma que para cada sinal de erro de posição existe uma rede neural associada alterando este sinal. A implementação computacional realizada foi em linguagem de comandos do MATLAB, com execução deste programa de dentro do próprio ambiente MATLAB para WINDOWS 95.

Este trabalho apresenta o desenvolvimento de um robô não convencional de doze graus de liberdade para alinhamento e nivelamento automático de seções de fuselagens. Para o desenvolvimento do robô é apresentada e aplicada, no projeto mecânico e elétrico/eletrônico, uma metodologia de projeto que define a seqüência seguida para a elaboração do projeto. Para o desenvolvimento do software de controle e geração de trajetória do robô, foi desenvolvido um modelo matemático de sua cinemática utilizando coordenadas homogêneas. Para a validação do software de controle e geração de trajetória foi proposta uma seqüência de procedimentos com suporte metrológico. Os resultados dos ensaios foram analisados e considerados adequados para a utilização deste robô no processo de alinhamento e nivelamento automático de seções de fuselagem.

Este trabalho descreve o desenvolvimento e a aplicacao de umambiente computacional grafico, interativo e integrado, baseado nosistema CATIA, para o projeto e a simulacao de movimentos dos robosmanipuladores de cadeia aberta. A implementacao da metodologia deprojeto no sistema e ilustrada atraves do projeto de um robo SCARApara montagem automatica de componentes. Como o sistema CATIA naorealiza calculos da dinamica de robos manipuladores, algumas rotinasforam programadas e incorporadas ao sistema para permitir umambiente totalmente integrado de projeto.

Este trabalho apresenta uma solução para o problema de coordenação dos atuadores das pernas de robôs móveis levando em consideração múltiplos critérios. É assumido que a posição no tempo de cada atuador é descrita por uma função periódica a ser determinada iterativamente por um algoritmo de aprendizado por reforço. As pernas similares do robô são identificadas e agrupadas visando diminuir o número de funções que precisam ser determinadas. O desempenho do robô simulado é medido considerando: a) as velocidades de translação frontal e de rotação, b) a suavidade na locomoção do robô e c) o máximo torque e o consumo de energia dos atuadores. Também é investigada a utilização da transferência de conhecimento no intuito de agilizar o aprendizado em duas situações específicas: na acomodação a uma falha ocorrida e no aprendizado por partes, onde os critérios desejados para o modo de caminhar são inseridos gradativamente no aprendizado. As funções determinadas no ambiente de simulação pelo algoritmo de reforço são, então, usadas nos atuadores do robô real construído usando o kit de robótica educacional Bioloid Comprehensive Kit. O desempenho do robô real é, então, medido e comparado com o desempenho do robô simulado. Este trabalho apresenta quatro estudos de caso: um robô quadrúpede, um quadrúpede híbrido (com rodas livres acopladas aos pés), um trípode e um robô bípede. As soluções obtidas pela aplicação do método proposto são apresentadas e se mostram satisfatórias.

A presente dissertação trata a navegação 2D do robô Trekker, um robô de acionamento diferencial, equipado com sensores de baixo custo e de baixa precisão, a saber um sonar e um sensor infra-vermelho, em um ambiente indoor povoado por marcos artificiais (cilindros). Neste trabalho, realiza-se localização global e investiga-se a realização de localização e mapeamento simultâneos com o mesmo robô. Para este fim, o algoritmo de localização Monte Carlo é aplicado para resolver o problema de localização global utilizando marcos artificiais, extraídos a partir da fusão de dados dos sensores por ocasião da observação do ambiente. Enquanto que localização e mapeamento simultâneos foram implementados através do algoritmo FastSLAM, que implementa o rastreamento da localização do robô ao mesmo tempo em que constrói um mapa de características do ambiente, também utilizando marcos artificiais da mesma maneira como aconteceu na solução de localização global. Por fim, os resultados mostram sucesso da abordagem empregada na localização global, alcançando o intento de atribuir maior inteligência ao robô Trekker e menor dependência de estruturação do ambiente em relação aos predecessores dele. .