Navegação (robótica)
Para qualquer robô móvel, a capacidade de navegar no ambiente em que se encontra é essencial. Em primeiro lugar, a navegação deve evitar situações perigosas, como colisões, e condições inseguras (temperatura, radiação, exposição ao clima, etc.). No entanto, se o robô tiver objetivos relacionados a locais específicos neste ambiente, ele deverá ser capaz de encontrar esses locais. Na Robótica, a navegação é a capacidade do robô em determinar sua própria posição e, em seguida, planejar um caminho para algum local desejado, chamado meta. Para navegar em seu ambiente, o robô, ou qualquer outro dispositivo móvel, requer uma representação do ambiente, um mapa, e a capacidade de interpretar essa representação.[carece de fontes]
A navegação pode ser definida como a combinação das três competências fundamentais:[carece de fontes]
- Auto-localização
- Planejamento de rota
- Construção e interpretação de mapas
A competência de localização do robô denota a capacidade do robô de estabelecer sua própria posição e orientação dentro do quadro de referência, ou seja, saber em que posição do mapa o robô se encontra. O planejamento de rota é efetivamente uma extensão da localização em que dadas a posição atual do robô e da posição da meta, no mesmo quadro de referência ou coordenadas, é possível traçar uma rota que deverá ser perseguida pelo robô e que será otimizada em relação a algum parâmetro (como distância ou tempo).[carece de fontes] A representação do ambiente pode ser realizada de diversas formas, as duas formas mais comuns são a representação métrica e a representação topológica (grafo). Alguns sistemas de navegação robóticos são capazes de realizar a localização e mapeamento simultaneamente.[1]
editar
A navegação baseada em visão, ou navegação óptica, utiliza algoritmos de visão computacional e sensores ópticos, incluindo sensor de distância a laser e câmeras fotométricas de matrizes CCD, para extrair os recursos visuais necessários para a localização no ambiente baseado no que é visível nos arredores.[carece de fontes] No entanto, existem várias técnicas para navegação e localização usando informações de visão, os principais componentes[carece de fontes] de cada técnica são:
- representações do ambiente
- modelos de detecção
- algoritmos de localização
editar
A maneira mais fácil de fazer um robô ir para um local de objetivo é simplesmente guiá-lo para esse local. Essa orientação pode ser realizada de diferentes maneiras: enterrando ímãs no chão, pintando linhas no chão ou colocando beacons, marcadores, códigos de barras etc. no ambiente.[carece de fontes] Robôs navegados por esses guias são conhecidos como veículos guiados automatizados (AGVs) e são usados em cenários industriais para tarefas de transporte. A navegação interna de robôs também é possível por dispositivos de posicionamento interno baseados em sensores inerciais.[2][3]
editar
Alguns algoritmos recentes de navegação em ambientes externos são baseados em redes neurais convolucionais e aprendizado de máquina.[4]
Controladores de voo autônomo editar
Controladores de voo autônomo de código aberto típicos têm a capacidade de voar no modo totalmente automático e executar as seguintes operações[carece de fontes]:
- Decolar do chão e voar para uma altitude definida
- Voar para um ou mais pontos alvo
- Órbitar em torno de um ponto designado
- Retornar à posição de lançamento
- Descer com uma velocidade especificada e aterrissar a aeronave
O controlador de voo a bordo utilizada-se de GPS para navegação e voo estabilizado e, com frequência, conta também com "sistemas baseados em satélite aumentados" (SBAS) e sensor de altitude (pressão barométrica).[5]
editar
Alguns sistemas de navegação para robôs aéreos são baseados em sensores inerciais.[6]
editar
Veículos subaquáticos autônomos podem ser guiados por sistemas de posicionamento acústico subaquáticos.[7] Sistemas de navegação usando sonares também já foram desenvolvidos.[8]
editar
Os robôs também podem determinar suas posições usando a navegação a rádio.[9]
Ver também editar
Referências
- ↑ Fuentes-Pacheco, Jorge, José Ruiz-Ascencio, and Juan Manuel Rendón-Mancha. "Visual simultaneous localization and mapping: a survey." Artificial Intelligence Review 43.1 (2015): 55-81.
- ↑ Chen, C.; Chai, W.; Nasir, A. K.; Roth, H. (abril de 2012). «Low cost IMU based indoor mobile robot navigation with the assist of odometry and Wi-Fi using dynamic constraints». Proceedings of the 2012 IEEE/ION Position, Location and Navigation Symposium: 1274–1279. ISBN 978-1-4673-0387-3. doi:10.1109/PLANS.2012.6236984
- ↑ GT Silicon (7 de janeiro de 2017), An awesome robot with cool navigation and real-time monitoring, consultado em 4 de abril de 2018
- ↑ Ran, Lingyan; Zhang, Yanning; Zhang, Qilin; Yang, Tao (12 de junho de 2017). «Convolutional Neural Network-Based Robot Navigation Using Uncalibrated Spherical Images» (PDF). MDPI AG. Sensors. 17 (6): 1341. ISSN 1424-8220. doi:10.3390/s17061341
- ↑ http://autoquad.org/wiki/wiki/configuring-autoquad-flightcontroller/flying/
- ↑ Bruno Siciliano; Oussama Khatib (20 de maio de 2008). Springer Handbook of Robotics. [S.l.]: Springer Science & Business Media. pp. 1020–. ISBN 978-3-540-23957-4
- ↑ Mae L. Seto (9 de dezembro de 2012). Marine Robot Autonomy. [S.l.]: Springer Science & Business Media. pp. 35–. ISBN 978-1-4614-5659-9
- ↑ John J. Leonard; Hugh F. Durrant-Whyte (6 de dezembro de 2012). Directed Sonar Sensing for Mobile Robot Navigation. [S.l.]: Springer Science & Business Media. ISBN 978-1-4615-3652-9
- ↑ Oleg Sergiyenko. Machine Vision and Navigation. [S.l.]: Springer Nature. pp. 172–. ISBN 978-3-030-22587-2
