Presentación trabajo de Robots Autónomos. Máster Sistemas Inteligentes 2011-2012

1. ROOMBA
Sumo y Odometría con Roomba
Robots Autonomos
Universidad de Salamanca
Arturo San Feliciano Martín

2. Computación Neuro-Borrosa 2
Índice
1
• Introducción
2
• RoombaSumo
3
• Odometría
4
• Conclusiones

3. Robots Autonomos 3
Introducción
• Proyecto Java en Eclipse
• es.usal.ra.sumo  Contiene
las clases necesarias para la
implementación de la practica
de RoombaSumo
• es.usal.ra.odometria 
Contiene las clases que
implementan la practica de
odometría.

4. Computación Neuro-Borrosa 4
Índice
1
• Introducción
2
• RoombaSumo
3
• Odometría
4
• Conclusiones

5. Computación Neuro-borrosa 5
RoombaSumo
• Algoritmo sencillo
while( true ) {
Si detectamos colisión en el bumper izquierdo
Girar a la izquierda
Continuar hacia adelante
Fin si
Si detectamos colisión en el bumper derecho
Girar a la derecha
Continuar hacia adelante
Fin si
Si encontramos una pared virtual
giramos
continuamos hacia adelante
Fin si
Continuamos hacia adelante
Actualizamos la información de los sensores
}
• Adicionalmente se ha incorporado una funcionalidad que permite conocer cuando se ha
encontrado una pared virtual mediante el cambio de color en el indicador de status.
• Principal problema encontrado  el sensor de bumper se quedaba pulsado.

6. Computación Neuro-Borrosa 6
Índice
1
• Introducción
2
• RoombaSumo
3
• Odometría
4
• Conclusiones

7. Computación Neuro-borrosa 7
Roomba: Odometría
• En este caso se ha desarrollado una interfaz para controlar el robot
roomba y visualizar los resultados de la odometría.
• Las clases utilizadas son las siguientes:
• IRoomba: Interfaz con las operaciones que se pueden
hacer con el robot
• Roomba: Clase mapea al Roomba
• RoombaSim: Clase que simula un Roomba
• DatosDebugRoomba: Frame que muestra una consola
con los datos que genera el uso del robot
• VisualizarRuta: Frame que dibuja gráficamente la ruta
que ha seguido el robot
• Principal: Frame principal

8. Computación Neuro-borrosa 8
Roomba: Odometría II
• Principal:

9. Computación Neuro-borrosa 9
Roomba: Odometría III
• Consola:

10. Computación Neuro-borrosa 10
Roomba: Odometría IV
• Visualización del camino:

11. Computación Neuro-borrosa 11
Roomba: Odometría IV
• El algoritmo es mas complejo que RoombaSumo
1. Mientras este accionado un mando se ejecuta la operación
2. Cuando se levanta la pulsación se realizan los cálculos de la
nueva posición a partir de la posición anterior, la distancia y el
ángulo.
3. Se almacenan los datos del nuevo punto y se genera las
coordenadas para pintarlas en la grafica.
• El punto importante es el punto 2.

12. Computación Neuro-borrosa 12
Roomba: Odometría V
• Para el calculo de posiciones se tienen en cuenta las siguientes premisas
 No se puede realizar dos operaciones al mismo tiempo (e.j. girar y andar)
 Si la distancia recorrida es prácticamente nula, se considera que la operación realizada es un giro.
 Solo se calcula el nuevo punto si hay distancia recorrida, si giramos únicamente estamos cambiando el
ángulo.
 Se han redondeado a números enteros las distancias para su representación grafica.
 Para el calculo de la nueva posición se realizan las siguientes operaciones:
• dya = (float) (distance * Math.sin(Math.toRadians(anguloTotalGirado)));
• dxa = (float) (distance * Math.cos(Math.toRadians(anguloTotalGirado)));
• x = ultimoPunto.x + (int) dxa;
• y = ultimoPunto.y - (int) dya;
 El punto (x,y) indica donde se va a colocar en la gráficamente, para el calculo de la posición solo hay que multiplicar
por -1 el valor de y.
Nueva posición de Roomba: (x, -y)

13. Computación Neuro-borrosa 13
Roomba: Odometría VI

14. Computación Neuro-borrosa 14

15. Computación Neuro-Borrosa 15
Índice
1
• Introducción
2
• RoombaSumo
3
• Odometría
4
• Conclusiones

16. Computación Neuro-borrosa 16
Conclusiones
• Trabajar con rumba es complicado:
• Los sensores no son muy fiables
• Los bumpers se quedaban pulsados
• Gran retardo al iniciar la comunicación con Roomba.
• El calculo odométrico no es bueno.
• Realizamos una prueba donde se realiza un spin(360) y se median los
ángulos y no coincidían  Creación de un parámetro ajusteAngulo
para multiplicar a las medidas de los ángulos dados.
• Como mejoras y posibles desarrollos:
• Estudiar los motivos de que el ángulo no sea el esperado.
• Mejoras en la interfaz.
• Añadir nuevas características (Velocidad, luces, otros sensores…)
• “Vuelve a casa por navidad”  Crear el camino inverso al recorrido

17. Computación Neuro-borrosa 17
¿Dudas?
Robots autónomos
Master en Sistemas Inteligentes
Universidad de Salamanca
Arturo San Feliciano Martín
asanfeliciano@usal.es