Robtica cooperativa e integracin con sensores en el ambiente.

Aplicaciones en entornos urbanos.

Luis Merino1, Jess Capitn2, Anbal Ollero2
1

Grupo de Robtica, Visin y Control (http://grvc.us.es)

Escuela Politcnica Superior, Universidad Pablo de Olavide, Crta. Utrera km. 1, Sevilla, lmercab@upo.es
2
Escuela Superior de Ingenieros, Universidad de Sevilla, Camino de los Descubrimientos s/n, Sevilla
{jescap,aollero}@cartuja.us.es

INTRODUCCIN
Los escenarios de aplicacin de la robtica han evolucionado en las ltimas dcadas, desde
entornos muy simples y controlados a entornos muy dinmicos en exteriores. Al mismo tiempo,
para afrontar ciertas aplicaciones, la cooperacin en grupos de varios robots se ha convertido
en una necesidad. Una tendencia en la actualidad es la investigacin en sistemas que
consideren la colaboracin entre robots y sensores heterogneos presentes en el entorno para
multitud de aplicaciones, como robtica de servicio en entornos urbanos, o monitorizacin de
desastres. La razn fundamental es que estas aplicaciones involucran entornos dinmicos, con
condiciones cambiantes para la percepcin, etc. En la mayora de las ocasiones, un nico
agente (por ejemplo un robot o una cmara) no permite conseguir la robustez y eficacia
necesarias. En estos casos, la cooperacin de diferentes agentes (robots, sensores en el
entorno) puede ser muy relevante.
Por otro lado, hay un creciente inters en la robtica de servicio; cada vez son ms frecuentes
aplicaciones de robots en entornos urbanos, para tareas como el guiado y asistencia de
personas, transporte de personas y objetos, etc. En este artculo se muestran resultados de
robtica cooperativa en este tipo de entornos. El artculo muestra resultados obtenidos con un
sistema que consta de una flota de robots mviles, una red de cmaras fijas, as como una red
inalmbrica de sensores. Todos estos elementos pueden comunicarse entre s de forma
inalmbrica, y forman lo que se llama un sistema de robots en red (Network Robot System,
NRS). El sistema ha sido desplegado en un entorno urbano. El artculo mostrar cmo la
cooperacin entre los distintos elementos puede ser beneficiosa. Por ejemplo, la fusin de la
informacin de los distintos elementos permite un seguimiento ms preciso, as como hacer
frente a oclusiones, en tareas como el guiado de personas. El artculo mostrar algunos
resultados obtenidos en el proyecto europeo URUS URUS (Ubiquitous Networking Robotics in
Urban Settings) [6].
ROBOTS MVILES EN ENTORNOS URBANOS
Una de las posibles aplicaciones de la robtica mvil en robtica de servicio es el guiado e
incluso el transporte de personas y objetos en entornos urbanos. Por ejemplo, en zonas
peatonales o zonas que se convierten en peatonales en las ciudades para mejorar la calidad de
vida de las ciudades. En este caso, los robots deben ser capaces de navegar a travs de calles
al mismo tiempo que las personas y posiblemente otros robots.
Romeo es un coche elctrico que ha sido modificado con sensores, actuadores y procesadores
para la navegacin autnoma. Sus capacidades se han incrementado para poder navegar en
entornos urbanos. La figura 1 muestra al robot y los principales sensores que usa Romeo para
realizar sus tareas. Dispone de codificadores en las ruedas para la estimacin de la velocidad,
girscopos y una unidad de media inercial para estimar sus ngulos y velocidades angulares.
Asimismo, dispone de 4 sensores de distancia lser y una cmara para la navegacin y la
localizacin.

Fig. 1: Sensores de Romeo. Los sensores ms importantes se dedican a la localizacin (GPS,

girscopos, codificadores, lser Sick), construccin de mapas y navegacin (lseres Hokuyo).

La figura 2, a la izquierda, muestra los aspectos bsicos de la arquitectura software. Para

localizarse, Romeo usa odometra, obteniendo su posicin en 6 grados de libertad (posicin y
orientacin). Para compensar la deriva asociada a la odometra, Romeo posee un receptor
GPS diferencial. Sin embargo, en entornos urbanos, a veces no se dispone de medidas GPS, o
bien stas se ven afectadas por interferencias multi-trayecto, lo que puede dar lugar a
estimaciones errneas. Adems, en muchos casos es necesario localizarse respecto a un
mapa previo del lugar, para realizar tareas como guiar a alguien a una localizacin determinada
(una plaza, calle, etc). Por ello, Romeo ha integrado uno de sus lseres en un algoritmo de
localizacin basado en mapas desarrollado por Corominas et al. [3] [5], que permite cancelar la
deriva a una frecuencia de aproximadamente 1 Hz.
Las reas peatonales, como por ejemplo un campus universitario, presentan una serie de retos
para robots mviles tipo coche. La figura 3 muestra algunos ejemplos del campus de la
Universidad Politcnica de Catalua (Campus Nord). Pueden observarse escaleras, rampas
ascendentes y descendentes, pequeos bordillos, rboles, etc. Esto significa que una
representacin 2D del entorno no ser suficiente en general. Adems, por supuesto, hay gente,
por lo que una evitacin de obstculos dinmicos es necesaria. Por tanto, para la navegacin,
Romeo construye y emplea una representacin 3D del entorno (Fig. 2, derecha). A partir de
esta representacin, es posible derivar un mapa de transversabilidad, es decir, un mapa en el
que cada celda indica si puede ser atravesada por Romeo o no. El anlisis para decidir esto
depende fundamentalmente de la pendiente presente en cada punto del mapa. Al mismo
tiempo, se deben evitar los obstculos mviles presentes. Los comandos de evitacin de
obstculos mviles se combinan con el seguimiento de caminos mediante un gestor de
comportamientos que asegura que no se producen colisiones mientras se trata de seguir el
camino indicado por el planificador lo ms fielmente posible.

Fig. 2. Izquierda: arquitectura bsica de Romeo. Derecha: informacin 3D obtenida por Romeo
empleando sus lseres. Se pueden identificar distintos obstculos, como escaleras (derecha),
rboles y pequeos bordillos.

Fig. 3: El escenario contiene algunas zonas complicadas, como escaleras, pendientes, rboles y
pequeos obstculos.

Por ultimo, Romeo posee a bordo cmaras que se emplean para obtener la posicin de
personas (lo que se puede emplear en tareas de guiado o de interaccin con personas). Los
algoritmos para determinar esta posicin se basan en una combinacin de deteccin y
seguimiento. El algoritmo de seguimiento se basa en la tcnica mean-shift. Un algoritmo de
deteccin de caras [7] se ejecuta en paralelo; los resultados de ambas tcnicas se combinan,
de modo que cuando el seguimiento se pierde, el detector permite recuperar a la persona.
Como resultado, el robot puede estimar la posicin de la cara de una persona en el plano de la
imagen. Aplicando razonamientos geomtricos, sera posible estimar la posicin de la persona
con relacin al robot. (Fig. 4).

Fig. 4. Seguimiento visual de personas para guiado.

RED DE CMARAS FIJAS

Una red de cmaras fijas tambin se considera en el sistema. Dichas cmaras pueden cubrir
parte del entorno, y permite seguir objetos de inters. Esta informacin puede combinarse con
la propia informacin que obtienen los robots para mejorar la percepcin del entorno del
mismo.
El sistema empleado es capaz de seguir objetos de inters tanto dentro de una cmara como
entre cmaras diferentes sin necesidad de una calibracin explcita e incluso en ausencia de
solape en sus campos de visin. La tcnica ha sido desarrollada por Gilbert and Bowden [4].
Los objetos de inters se detectan en cada cmara empleando substraccin de fondo. Al
mismo tiempo, un filtro de Kalman permite unir temporalmente los objetos, estimando las
trayectorias de los objetos para una misma cmara. Al mismo tiempo, cuando un objeto de
inters sale de una cmara y entra en otra, el sistema es capaz de seguir e identificar dicho
objeto incluso en el caso de que las cmaras no cubran una zona comn. Esto se consigue
empleando dos caractersticas, el color y los movimientos de objetos entre cmaras. En una
fase de aprendizaje, se estiman los enlaces temporales ms probables entre las distintas
cmaras del sistema. Esto, combinado con el color de los objetos permite al sistema saber si
un objeto ha sido previamente seguido en otra cmara o si se trata de un objeto
completamente nuevo. La figura 5 muestra un ejemplo en el que la misma persona es seguida
por 3 cmaras que tienen muy poca o ninguna superposicin.

Fig. 5. Una misma persona es seguida mediante 3 cmaras distintas, con poco o ningn solape
en sus campos de visin.

RED INALMBRICA DE SENSORES

Los ltimos avances en electrnica de baja potencia y sistemas de comunicacin inalmbrica
han dado lugar a una nueva generacin de dispositivos capaces de medir variables de su
entorno as como de procesar esta informacin. Adems, dichos dispositivos disponen de
comunicaciones inalmbricas y son capaces de formar redes ad-hoc, de modo que es posible
rutar toda la informacin hacia un concentrador. A estos sistemas se les denomina redes
inalmbricas de sensores (Wireless Sensor Networks, WSNs).

Fig. 6. Izquierda: uno de los nodos empleados en el sistema. Derecha: arquitectura de la red de
sensores.

En el sistema descrito en el artculo se emplea tambin una red de nodos Mica2. Cada Mica2
(Fig. 6, izquierda) tiene un conjunto de sensores (como sensores de humedad, iluminacin,
acelermetros), un pequeo procesador y un mdulo de comunicaciones. Estos nodos se
pueden emplear para aplicaciones de monitorizacin. Adems, el nivel de seal recibido por el
conjunto de nodos estticos se puede emplear para inferir la posicin de un objeto mvil o una
persona que cargue uno de estos nodos. Por tanto, una de las aplicaciones desarrollada para
el sistema es un algoritmo capaz de estimar la posicin de nodos mviles en la red.
Todos estos sensores se integran en el sistema a travs de una puerta de enlace que recibe
toda la informacin de los nodos (Fig. 6, derecha). Como se coment, estos nodos crean una
red para poder retransmitir toda la informacin.

ALGUNOS RESULTADOS
Los distintos sistemas descritos anteriormente han sido en misiones tales. Para el guiado de
una persona, el robot debe ser capaz de navegar
La figura 7 muestra algunos resultados de navegacin de Romeo en el escenario. Para ello,
emplea la arquitectura descrita ms arriba. Uno de estos experimentos corresponde a una
hipottica misin de guiado, en la que el robot debe guiar a una persona de un punto a otro del
mapa.

Fig. 7: Dos misiones de Romeo. El escenario completo tiene unas dimensiones de 100 por 100
metros.

Para poder guiar a alguien, es necesario estimar la posicin de dicha persona para ajustar el
movimiento del robot. Como se coment, una red de sensores est desplegada en el entorno,
compuesta por decenas de nodos estticos capaces de monitorizar diversas variables del
entorno. Al mismo tiempo, esta red se puede emplear para estimar la posicin de un nodo
mvil de la misma red a partir de la potencia de seal radio recibida por los nodos estticos.
Este mecanismo se emplea para tener medidas adicionales para el seguimiento de personas
(Figura 8, izquierda).

Fig. 8: Izquierda: montaje para el seguimiento de personas empleando niveles de seal radio.
Derecha: cada medida de seal delimita una zona admisible para la posicin de la persona dentro
del mapa.

El algoritmo para la estimacin de la posicin del nodo mvil est basado en un filtro de
partculas. En dicho filtro, la estimacin actual de la posicin del nodo se describe por un
conjunto de partculas, cada una de las cuales representa una hiptesis sobre la posicin real
de la persona que lleva el nodo (figura 8, izquierda). En cada iteracin del filtro, modelos de
movimiento de la persona e informacin del mapa se emplea para predecir la posicin futura de
las partculas. El uso de mapas permite descartar movimientos poco probables. Cuando los

nodos estticos reciben nuevos mensajes del nodo mvil, el peso de las distintas partculas se
ajusta teniendo en cuenta la potencia recibida. Si se consideran modelos de propagacin de la
seal radio, es posible calcular la verosimilitud de una hiptesis (partcula) a partir de la
distancia al nodo receptor segn dicha hiptesis [1]. Cada mensaje restringe la posicin de las
partculas a un anillo circular alrededor del nodo receptor (Fig. 8, derecha).
Como resultado, el filtro proporciona estimaciones de la posicin 3D del nodo mvil con una
precisin que puede llegar a ser de 1 metro en funcin de la densidad de nodos de la red. La
figura 9 muestra la evolucin de las partculas para un experimento de guiado. La figura 10
muestra la posicin estimada, comparada con la posicin del robot que la gua (que se
encuentra unos metros ms adelante).

Fig. 9: Evolucin de las partculas durante uno de los experimentos de seguimiento.

Fig. 10: Posicin estimada de la persona (verde) comparada con la posicin del robot (azul) en
una misin de guiado.

REFERENCES
[1] F. Caballero, L. Merino, P. Gil, I. Maza, and A. Ollero. A probabilistic framework for entire
WSN localization using a mobile robot. Robotics and Autonomous Systems, 56(10):798
806, 2008.
[2] J. Capitn, L. Merino, F. Caballero, and A. Ollero. Delayed-State Information Filter for
Cooperative Decentralized Tracking. In Proceedings of the International Conference on
Robotics and Automation, ICRA, 2009.
[3] A. Corominas Murtra, J. Mirats Tur, A. Sanfeliu, Real-time robot position tracking with
particle filtering in continuous space, Technical Report, IRI, 2009
[4] A. Gilbert and R. Bowden. Incremental Modelling of the Posterior Distribution of Objects for
Inter and Intra Camera Tracking . Proc. BMVC05, Oxford UK, 2005.
[5] J. M. Mirats Tur, C. Zinggerling and A. Corominas Murtra. Geographical information
systems for map based navigation in urban environments, Robotics and Autonomous
Systems, 57(9):922930, 2009.

[6] A. Sanfeliu and J. Andrade-Cetto. Ubiquitous networking robotics in urban settings. In

Proceedings of the 2006 IEEE/RSJ International Conference on Intelligent Robots and
Systems, IROS 2006, 2006.
[7] P. Viola and M. Jones. Robust Real-Time Face Detection. International Journal of
Computer Vision, 57:137154, 2004.