Este trabalho aborda o projeto de hélices navais auxiliado por computador, particularizando-os para a aplicação no sistema de propulsão de veículos autônomos de superfície (ASVs). São apresentadas as principais aplicações e características do casco demais sistemas que compõem os ASVs. Em seguida, trata-se da análise dos parâmetros principais que definem a geometria de um hélice naval. É proposta uma ferramenta numérica voltada à geração da superfície do hélice e do seu modelo sólido, a partir dos perfis transversais da pá, cuja distribuição radial é originada em dados de tabelas de séries sistemáticas. O trabalho é complementado por uma apresentação e análise dos métodos principais considerados para a manufatura auxiliada por computador de hélices que podem ser empregados tanto em ASVs como em outros veículos aquáticos não tripulados. / This work deals with the computer aided design of marine propellers applied to the propulsion system of autonomous surface crafts (ASVs). The main applications and component systems of ASVs are introduced. An analysis of the propeller main geometric parameters is performed, and a numerical tool is proposed for the surface and solid model generation using data provided by the propeller systematic series for the sectional profile radial description. Finally, it is presented the introduction and analysis of the computer aided manufacturing processes considered for the propulsion of ASVs and other unmanned aquatic vehicles.

Robôs móveis autônomos dependem da informação obtida de seus sensores para processos de tomada de decisão durante a realização de suas tarefas. A utilização de sistemas de visão permite a aquisição de um grande volume de dados sobre o ambiente no qual o robô se encontra. Particularmente, um sistema de visão omnidirecional é capaz de fornecer informações sobre todo o espaço ao redor do robô numa única imagem. Através do processamento de um par ou mais de imagens omnidirecionais pode-se obter as distâncias entre o robô e os objetos no seu ambiente de trabalho. Devido às incertezas inerentes a qualquer sensoriamento, um modelo probabilístico do mesmo faz-se necessário para que a informação sensorial adquirida possa ser utilizada para os processos de decisão internos do robô durante a execução de sua tarefa. Assim, tendo como único sensor um sistema de visão estéreo omnidirecional utilizado como fonte de informação para uma representação estocástica espacial do ambiente, conhecida como Grades de Evidência, o robô é capaz de determinar a probabilidade da ocupação dos espaços ao seu redor e assim navegar autonomamente no ambiente. Este artigo mostra um algoritmo estéreo com imagens omnidirecionais e um modelo do sistema de visão estéreo omnidirecional para atualização das Grades de Evidência. Este é a primeira etapa de um trabalho que visa a realização de tarefas de navegação e exploração de ambientes desconhecidos e não-estruturados tendo como base de conhecimento para o robô um modelo probabilístico baseado nas Grades de Evidência. / Autonomous mobile robots depend on information acquired with its sensors to make decisions during its task. The use of vision systems provide a large amount of data about the environment in which the robot is. Particularly, an omnidirectional vision systems provide information in all directions of the environment to the robot with just one image. Through the processing of a pair of omnidirectional images it is possible to obtain the distances between the robot and the objects in its work environment. Because of the uncertainty of all sensors, a probabilistic model is necessary so that the information acquired could be used in decision make processes. Having just an omnidirectional stereovision system as a source of information to an stochastic representation of the environment, known as Evidence Grids, the robot can determine the probability of occupation of the space in the environment and navigate autonomously. This article shows a stereo algorithm and a model of the omnidirectional stereovision system to update the Evidence Grid. This is the beginning of a work that have as objective make navigation and exploration of unknown and unstructured environment having as knowledge base a probabilistic model as Evidence Grids.

O desenvolvimento de arquiteturas de controle para múltiplos robôs em ambientes dinâmicos tem sido tema de pesquisas na área de robótica. A complexidade deste tema varia de acordo com as necessidades exigidas da equipe de robôs. Em geral, espera-se que os robôs colaborem uns com os outros na execução de uma tarefa. Além disso, cada robô deve ser capaz de planejar trajetórias e replanejá-las em caso de situações inesperadas. No presente trabalho, propomos uma Arquitetura de Controle Inteligente para múltiplos robôs denominada ACIn. Para esta finalidade, foram investigadas algumas técnicas utilizadas para o controle inteligente de robôs, tais como, Redes Neurais Artificiais, Campos Potenciais e Campos Potenciais baseados em Problema do Valor de Contorno (PVC). Tais técnicas, normalmente utilizadas para um único robô, foram adaptadas para tornar possível o controle de múltiplos robôs sob arquitetura ACIn. Uma outra contribuição deste trabalho refere-se ao aperfeiçoamento da técnica de Campos Potenciais baseada PVC denominada Campos Potenciais Localmente Orientados (CPLO). Este aperfeiçoamento foi proposto para suprir a deficiência das técnicas baseadas em PVC quando estas são aplicadas em ambientes com múltiplos robôs. Além disso, um Sistema Baseado em Regras (SBR) também foi proposto como parte integrante da arquitetura ACIn. O objetivo do SBR é caracterizar a funcionalidade de cada robô para uma determinada tarefa. Isto se faz necessário para que o comportamento dos integrantes da equipe de robôs não seja competitivo e sim colaborativo. Por fim, através dos experimentos utilizando o simulador oficial de futebol de robôs da FIRA, observou-se que a arquitetura de controle inteligente (ACIn) implementada com a técnica de planejamento CPLO e SBR propostos, mostrou-se robusta e eficiente no controle de múltiplos robôs / In this work, an intelligent control architecture for multi-robots denominated ACIn was proposed. With this objective, some techniques considered intelligent were studied for the planning of trajectories, such as Artificial Neural Networks, Potential Fields and Potential Fields based on the boundary value problem (BVP). Such techniques, normally used for a single robot, were adapted to function with multi-robots inside the ACIn architecture. Another contribution of this work refers to the improvement of the Potential Fields based on the boundary value problem (BVP) technique. This improvement was proposed to supply the drawback of the BVP based techniques when they are applied to multi robots environments. Besides, a Rule Based System (RBS) was also proposed as part of the ACIn architecture. The objective of the RBS is to characterize the functionality of each robot for a determined task. This is necessary for the behavior of the equip members not to be competitive, but collaborative. Finally, it was observed through the experiments with the robot soccer simulated environment, that our intelligent control architecture (ACIn) proposal, integrating planning and RBS for the control of multi-robots was satisfactory

Esta tese propõe um modelo probabilístico geral para a localização cooperativa de multirrobôs. O problema da localização multirrobôs pode ser definido como: dado um modelo do ambiente, estimar a localização de cada robô em um grupo atuando em um mesmo ambiente, com base nas informações sensoriais oferecidas pelas medidas de odometria, medidas do ambiente e detecções. Detecção é a habilidade de um robô identificar outro e determinar a distância relativa entre eles. A idéia principal da localização cooperativa de multirrobôs consiste em integrar medidas coletadas por diferentes robôs, de modo que todos possam se beneficiar dos dados adquiridos pelos outros robôs do grupo. Desta forma, detecções podem ser usadas para refinar a estimativa de postura de cada robô com base nas estimativas dos outros. Comunicação fornece aos robôs a habilidade de compartilhar suas crenças de postura de forma que possam cooperar para melhorar a acurácia da localização. Aqui é explorado o uso de diferentes tipos de informação para comunicar entre os robôs: propagação da detecção positiva, detecção negativa e multidetecção, os quais são integrados em um novo algoritmo, chamado Localização de Markov para Multirrobôs Cooperativos (LMMC). Também é proposto um protocolo de comunicação para a troca de dados entre os robôs e um conjunto de critérios que possibilitam a redução da comunicação por meio da diminuição da quantidade de dados trocados entre robôs, de um modo eficaz e eficiente. Os experimentos realizados em ambientes simulados demonstram que a abordagem proposta pode conduzir a resultados significativamente melhores de localização quando comparada à abordagem com detecção única e ainda com uma menor quantidade de mensagens trocadas entre os robôs. / In this thesis we propose a general probabilistic model to cooperative multirobot localization. The multirobot localization problem can be stated as follows: given a model of the environment, estimate the location of each robot in a group within the same environment based on sensors information that provides odometric measurements, environment measurements, and detections. Detection is the ability of one robot to identify others and to determine the relative location of other robots relative to its own. The key idea behind the multirobot localization approach is to integrate measurements taken by different robots, so that each one can benefit from data gathered by other robots in a group. In this sense, detections can be used to refine the pose estimates of a robot based on the other\'s estimate. Communication provides robots with the ability to exchange their pose beliefs, so that they can cooperate in order to improve their localization accuracy. We explore the use of different types of information to exchange among robots: propagation of positive detection, negative detection, and multidetection, which are integrated in a new algorithm, called Cooperative Multirobot Markov Localization, CMML. We also contribute a communication protocol that deals with the data transmitted among robots, and a set of communication rules that aims at reducing the amount of data exchanged among robots in an effective and efficient way. Experimental results, carried out in simulated environments, demonstrate that our approach can yield better localization results than a single-detection approach, at significantly smaller communication overhead.

Para ter uma aplicação real, um robô móvel deve poder desempenhar sua tarefa em ambientes desconhecidos. Uma arquitetura para robôs móveis que se adapte ao meio em que o robô se encontra é então desejável. Este trabalho apresenta uma arquitetura adaptativa para robôs móveis, de nome AAREACT, que aprende como coordenar comportamentos primitivos codificados por Campos Potenciais através de aprendizado por reforço. Cada comportamento utiliza a informação de apenas um tipo de sensor (visão, sonar ou odometria). O sensor de visão foi desenvolvido neste trabalho, e utiliza os tempos para colisão obtidos através da análise de seqüências de imagens para indicar a disposição dos objetos à frente do robô. A atuação da arquitetura proposta é comparada com a apresentada por uma arquitetura com coordenação fixa dos comportamentos, demonstrando melhor desempenho. Os resultados obtidos neste trabalho também apontam a alta capacidade de adaptação da arquitetura AAREACT. / It is desirable that mobile robots applied to real world applications perform their operations in previously unknown environments. Thus, a mobile robot architecture capable of adaptation is very suitable. This work presents an adaptive architecture for mobile robots called AAREACT, that has the ability of learning how to coordinate primitive behaviors codified by the Potential Fields method through reinforcement learning. Each behavior uses the information of a single sensor (vision, sonar or odometer). This work also brings details about the vision sensor\'s development, which uses time-to-crash information in order to detect distances to frontal obstacles. The proposed architecture\'s actuation is compared to that showed by an architecture that performs a fixed coordination of its behaviors, and shows a better performance. The obtained results also suggest that AAREACT has good adaptation skills.

O planejamento de movimento é um dos problemas fundamentais em navegação autônoma para robôs móveis. Uma vez planejado o caminho, o robô executa o acompanhamento da trajetória, frequentemente, com o auxílio de um controlador em malha fechada. Este controlador tem o objetivo de minimizar os erros de acompanhamento, a fim de que a trajetória executada se aproxime da trajetória planejada. Entretanto a maioria dos planejadores de movimento não levam em consideração o modelo dinâmico do robô, dificultando assim o trabalho do controlador que executa o acompanhamento da trajetória. Incluindo as restrições cinemáticas e dinâmicas do modelo do robô, o custo computacional durante a fase de planejamento de trajetória será mais alto. Isto ocorre pois são necessárias mais variáveis para representar o espaço de estados do robô. No entanto ao levar em consideração tais restrições durante a fase de planejamento, as trajetórias geradas serão factíveis de serem acompanhadas. Os planejadores probabilísticos de movimento podem ser usados para minimizar o impacto do alto custo computacional, devido ao aumento de variáveis que representam o espaço de estados. Tais planejadores também são chamados de planejadores de movimento baseados em amostragem. A busca por um caminho livre de colisões entre dois estados é feito de maneira aleatória. Caso exista uma solução, a probabilidade do algoritmo encontrá-la tende para 1 quanto do tempo de busca tende a infinito, isto é, quanto mais tempo o algoritmo possui para realizar a busca será mais provável que ele encontre a solução. Neste trabalho é proposto um planejador de movimentos baseado em amostragem que leva em consideração os aspectos cinemáticos e dinâmicos do robô. Além disto esta abordagem de planejamento desenvolvida permite conhecer e levar em consideração os efeitos do controlador que faz o acompanhamento da trajetória, ainda na fase de planejamento de movimento. As trajetórias planejadas foram executadas no robô Pioneer 3AT. Foram levantados os dados relacionados ao desempenho do algoritmo em termos de custo computacional. E na sequência são apresentados os resultados experimentais tanto na parte de planejamento de trajetórias quanto na fase de acompanhamento. / Motion planning is one of the fundamental problems in autonomous navigation for mobile robots. Once the path is planned, the robot performs the trajectory tracking, often with the aid of a closed loop controller. This controller is designed to minimize tracking errors, in order that tracked trajectory get closer to planned path. However, the most motion planners do not take into account the dynamic model of the robot, thus hindering the work of closed loop controller. When including the kinematic constraints and dynamic model of the robot, the computational cost during the planning phase trajectory will be increased. This is because more variables are needed to represent the state space of the robot. But when taking into account these constraints during the planning phase, the trajectories generated are feasible to be followed. The probabilistic motion planners can be used to minimize the impact of high computational cost due to the increase of variables that represent the state space. These planners are also called sampling based motion planners. The search for a collision-free path between two states is done randomly. If a solution exists, the probability of the algorithm to find it tends to one while the search time tends to infinity, that is, the longer time the algorithm has to perform the search will be more likely to find the solution. This paper proposes a sampling based motion planner that takes into account the kinematic and dynamic aspects of the robot. Furthermore this approach allows one to know and take into account the effects of the controller that perform the trajectory tracking, still in the motion planning phase. The planned trajectories were performed on the robot Pioneer 3AT. Data related to the computational cost of the algorithm were analyzed. Following the experimental results are presented both in the planning of trajectories and in the tracking phase.

Robôs móveis autônomos dependem da informação obtida de seus sensores para processos de tomada de decisão durante a realização de suas tarefas. A utilização de sistemas de visão permite a aquisição de um grande volume de dados sobre o ambiente no qual o robô se encontra. Particularmente, um sistema de visão omnidirecional é capaz de fornecer informações sobre todo o espaço ao redor do robô numa única imagem. Através do processamento de um par ou mais de imagens omnidirecionais pode-se obter as distâncias entre o robô e os objetos no seu ambiente de trabalho. Devido às incertezas inerentes a qualquer sensoriamento, um modelo probabilístico do mesmo faz-se necessário para que a informação sensorial adquirida possa ser utilizada para os processos de decisão internos do robô durante a execução de sua tarefa. Assim, tendo como único sensor um sistema de visão estéreo omnidirecional utilizado como fonte de informação para uma representação estocástica espacial do ambiente, conhecida como Grades de Evidência, o robô é capaz de determinar a probabilidade da ocupação dos espaços ao seu redor e assim navegar autonomamente no ambiente. Este artigo mostra um algoritmo estéreo com imagens omnidirecionais e um modelo do sistema de visão estéreo omnidirecional para atualização das Grades de Evidência. Este é a primeira etapa de um trabalho que visa a realização de tarefas de navegação e exploração de ambientes desconhecidos e não-estruturados tendo como base de conhecimento para o robô um modelo probabilístico baseado nas Grades de Evidência. / Autonomous mobile robots depend on information acquired with its sensors to make decisions during its task. The use of vision systems provide a large amount of data about the environment in which the robot is. Particularly, an omnidirectional vision systems provide information in all directions of the environment to the robot with just one image. Through the processing of a pair of omnidirectional images it is possible to obtain the distances between the robot and the objects in its work environment. Because of the uncertainty of all sensors, a probabilistic model is necessary so that the information acquired could be used in decision make processes. Having just an omnidirectional stereovision system as a source of information to an stochastic representation of the environment, known as Evidence Grids, the robot can determine the probability of occupation of the space in the environment and navigate autonomously. This article shows a stereo algorithm and a model of the omnidirectional stereovision system to update the Evidence Grid. This is the beginning of a work that have as objective make navigation and exploration of unknown and unstructured environment having as knowledge base a probabilistic model as Evidence Grids.

O desenvolvimento de arquiteturas de controle para múltiplos robôs em ambientes dinâmicos tem sido tema de pesquisas na área de robótica. A complexidade deste tema varia de acordo com as necessidades exigidas da equipe de robôs. Em geral, espera-se que os robôs colaborem uns com os outros na execução de uma tarefa. Além disso, cada robô deve ser capaz de planejar trajetórias e replanejá-las em caso de situações inesperadas. No presente trabalho, propomos uma Arquitetura de Controle Inteligente para múltiplos robôs denominada ACIn. Para esta finalidade, foram investigadas algumas técnicas utilizadas para o controle inteligente de robôs, tais como, Redes Neurais Artificiais, Campos Potenciais e Campos Potenciais baseados em Problema do Valor de Contorno (PVC). Tais técnicas, normalmente utilizadas para um único robô, foram adaptadas para tornar possível o controle de múltiplos robôs sob arquitetura ACIn. Uma outra contribuição deste trabalho refere-se ao aperfeiçoamento da técnica de Campos Potenciais baseada PVC denominada Campos Potenciais Localmente Orientados (CPLO). Este aperfeiçoamento foi proposto para suprir a deficiência das técnicas baseadas em PVC quando estas são aplicadas em ambientes com múltiplos robôs. Além disso, um Sistema Baseado em Regras (SBR) também foi proposto como parte integrante da arquitetura ACIn. O objetivo do SBR é caracterizar a funcionalidade de cada robô para uma determinada tarefa. Isto se faz necessário para que o comportamento dos integrantes da equipe de robôs não seja competitivo e sim colaborativo. Por fim, através dos experimentos utilizando o simulador oficial de futebol de robôs da FIRA, observou-se que a arquitetura de controle inteligente (ACIn) implementada com a técnica de planejamento CPLO e SBR propostos, mostrou-se robusta e eficiente no controle de múltiplos robôs / In this work, an intelligent control architecture for multi-robots denominated ACIn was proposed. With this objective, some techniques considered intelligent were studied for the planning of trajectories, such as Artificial Neural Networks, Potential Fields and Potential Fields based on the boundary value problem (BVP). Such techniques, normally used for a single robot, were adapted to function with multi-robots inside the ACIn architecture. Another contribution of this work refers to the improvement of the Potential Fields based on the boundary value problem (BVP) technique. This improvement was proposed to supply the drawback of the BVP based techniques when they are applied to multi robots environments. Besides, a Rule Based System (RBS) was also proposed as part of the ACIn architecture. The objective of the RBS is to characterize the functionality of each robot for a determined task. This is necessary for the behavior of the equip members not to be competitive, but collaborative. Finally, it was observed through the experiments with the robot soccer simulated environment, that our intelligent control architecture (ACIn) proposal, integrating planning and RBS for the control of multi-robots was satisfactory

Tese de mestrado integrado. Engenharia Mecânica. Universidade do Porto. Faculdade de Engenharia. 2011

Estágio realizado no INESC-Porto e orientado pelo Prof. Doutor Fabien Gouyon / Tese de mestrado integrado. Engenharia Electrotécnica e de Computadores - Major Telecomunicações. Faculdade de Engenharia. Universidade do Porto. 2008