Desarrollo de estrategias en sistemas multiagentes

(Robots Futbolistas) con implementacin de visin

artificial
Universidad Pedaggica Nacional, Licenciatura en Electrnica

Juan Andrs Castiblanco lvarez. Jos Luis Surez Camargo

Febrero de 2010

Resumen soccer Association) la cual realiza anualmente una

Este artculo presenta el diseo y la implementacin
de tres robots futbolistas con diferentes estrategias
(delantero, defensa y arquero), basados en la
categora MiroSot de FIRA y el concepto de
sistemas multiagentes. Adems describe los
mdulos de visin artificial, el ambiente de juego,
arquitectura de los agentes, sistema de
comunicacin, y estrategias de juego.
Palabras Clave: Robots futbolistas, sistemas
multiagente, visin artificial.
1. Introduccin
Uno de los juegos ms populares en el mundo es el
futbol, donde el ser humano se encuentra ante
situaciones diversas en las cuales tiene que
reaccionar de una manera inteligente para alcanzar
el objetivo del juego.
Desde el punto de vista de inteligencia artificial el
ftbol presenta un escenario propicio para la
investigacin en robtica, ciencia, tecnologa y
educacin, para logar que sistemas inteligentes
jueguen al ftbol.
Una de las principales organizaciones a nivel
mundial que se dedica a la investigacin en ftbol
de robots es la RoboCup [18], la cual realiza
eventos anuales con diversas categoras donde el
objetivo es desarrollar mquinas y programas
inteligentes, capaces de jugar al ftbol sin que
tengan que intervenir seres humanos durante el
transcurso del partido, integrado as diferentes
tecnologas, promoviendo la robtica y la
inteligencia artificial.
Otra organizacin dedicada al ftbol de robots es
FIRA [17] (Federation of International Robot-
competencia a nivel mundial y un congreso en el
que todos los participantes presentan sus artculos
sobre sus robots y esquemas. Su principal objetivo
es promover el desarrollo de sistemas autnomos
robticos multiagentes [23] y de esta forma reunir
investigadores calificados y estudiantes de
diferentes niveles y campos de estudio.
En las competencias de ftbol de robots se manejan
temticas como: navegacin autnoma del agente en
el campo de juego, colaboracin multiagente,
procesamiento de imgenes, toma de decisiones en
tiempo real, estrategias de juego, comunicacin
inalmbrica, robtica entre otras [25].
El objetivo de este trabajo es la implementacin de
tres robots diseados para jugar futbol, cada uno
con diferentes estrategias de juego: delantero,
arquero y defensa.
Estos robots son controlados inalmbricamente en
un espacio determinado, el cual consta de una
cancha de juego proporcional al tamao de los
robots con dimensiones basadas en la categora
MiroSot [17] de FIRA.
Para saber la ubicacin de los agentes, la pelota y
los arcos de notacin, se realiza a travs de una
cmara que est ubicada en la parte superior de la
cancha (Figura-1) la cual toma varias imgenes por
segundo de la cancha de juego en formato digital y
las transmite al software Matlab. Las matrices
obtenidas en formato RGB, se les aplica algoritmos
de procesamiento de imgenes para encontrar las
ubicaciones de los agentes, la pelota, limites de la
cancha y los arcos de anotacin. Los algoritmos
aplicados a cada fotograma capturado son:
eliminacin del fondo o filtrado, umbralizacin,
filtro sal y pimienta y segmentacin de la imagen.
Esta informacin la llevamos al algoritmo de
planeacin de trayectorias y por ultimo al algoritmo
de estrategias de juego.
2. Descripcin de la Aplicacin
En general el ambiente de juego consta de diferentes
elementos tales como la cancha de juego, la pelota,
sistema de visin por computador, los robots
jugadores de futbol, sistema de comunicacin y
sistema de control. En la Figura-1 se observa el
ambiente de juego.
Figura- 1 Ambiente de juego
3. Arquitectura de los agentes
Para la arquitectura de los agentes se tuvieron en
cuenta las dimensiones y caractersticas de la
categora MiroSot de FIRA, las cuales cada robot
debe tener un tamao de ,
donde el tamao de la antena no es relevante. En la
Figura-2 se observa el diseo mecnico del agente y
su respectiva organizacin de los actuadores,
sistema de control, bateras y sensores.
Sistema de
Control
Batera
s enviadas por el sistema de control se implementa en
Sensores
Actuadores
Figura- 2 Organizacin de los elementos del agente
El agente tiene los siguientes elementos
electrnicos:
Modulo de control: Est compuesto por un
microcontrolador Pic16F690 con encapsulado
tipo SSOP y driver para los motores L293B con
encapsulado tipo DIP, con alimentacin
independiente, es decir una alimentacin de 7V
para el L293B y una de 3.3V para el
microcontrolador.
Modulo de comunicacin inalmbrica de radio
frecuencia con modulacin ASK RLP 434. Este
modulo funciona a una frecuencia de 434MHz y
con una comunicacin por RS232 con el
microcontrolador a 2400bps.
Dos motores DC a 3.3V a 12V.
Dos sensores CNY70 y un disparador 74HC123
para la construccin del Encoder.
La Figura-3 se muestra el diagrama de bloques de la
arquitectura del agente
Figura- 3 Diagrama de bloques del agente
Para medir y controlar la velocidad de las ruedas se
construy dos encoders con el sensor CNY70, cada
uno con 16 puntos reflectivos que estn acoplados
en cada rueda.
Para lograr que el agente realice todas las ordenes
el microcontrolador un algoritmo de recepcin de
informacin (El circuito integrado RLP 434A recibe
los datos y los enva al MCU en formato RS232).
Tambin se realiza un algoritmo de control PWM
para cada actuador, teniendo en cuenta las seales
de los encoders. Este control realiza los cambios de
velocidad, giros y controla la velocidad en los
motores.
4. Comunicacin PC - Agentes
En este proyecto se trabajo con un modulo de RF
RLP y TLP 434A Figura-4 Este modulo trabaja en
una seal de portadora de 433.92 MHz y modula en
ASK, de tal manera que puede transmitir valores
lgicos 1 y 0. Tienen un alcance de 100 metros con pixeles a 30fps y se realiza el procesamiento de la
camino despejado. imagen con el software Matlab en un procesador
AMD Dual-Core de 1.90GHz y una memoria RAM
de 2GB. Est cmara tiene un ngulo de visin de
80, se puede elegir velocidad de captura que va
desde 5fps hasta 90fps y tiene una resolucin
Figura- 4 mxima de 6 Mega Pixeles. La imagen capturada
por la cmara se muestra en la Figura 5.
En cuanto a su alimentacin el transmisor tiene un
rango de operacin de voltaje de 2V a 12V y un
nivel de potencia RF a 50 ohm de 9V a 12V de
16dBm, y de 5V a 6V de 14dBm, y una data rate de
hasta 2400 bits por segundo.
El receptor puede ser alimentado de 3.3V a 6V,
tiene una salida digital y lineal, maneja una
operacin en radio frecuencia de 315.418 y 433.92
MHz, y una sensibilidad de -110 dBm. Para incluir
el modulo a una aplicacin (transmisor y receptor)
es necesario tener una interfaz serial.

4.1. Codificacin Figura- 5 Imagen de la cancha con la cmara Phillips SPC

Para tener una comunicacin con todos los agentes 1300NC
se realizo una arquitectura Broadcast con una
codificacin que est organizada de la siguiente 5.1. Procesamiento Digital de la Imagen
forma: El procesamiento digital de las imgenes tomadas
por la cmara es el conjunto de tcnicas para
Comando: Sentido de Vel. Rueda Vel. Rueda facilitar la bsqueda de informacin, donde el
Agente Giro Izquierda Derecha
Bit 7 Bit 6 Bit 5 Bit 4 Bit 3 Bit 2 Bit 1 Bit 0
objetivo consiste en la adquisicin, procesamiento,
clasificacin y reconocimiento de imgenes
Comando: Sentido de Giro digitales. Entre las tcnicas para el procesamiento
Agente de la imagen estn las operaciones aritmticas y
Bit Bit Bit 5 Bit 4
7 6
transformaciones geomtricas [11]. Este
0 0 0 0 Atrs procesamiento se realiza en Matlab.
0 1 Defensa 0 1 Derecha El principal objetivo del mdulo de visin es
1 0 Arquero 1 0 Izquierda proporcionar a cada instante al mdulo de estrategia
1 1 Delantero 1 1 Adelante
las posiciones de los elementos en la cancha. Para
Velocidad Velocidad Rueda esto utiliza las imgenes capturadas por la cmara y
Rueda Derecha retorna la ubicacin y orientacin de los robots del
Izquierda propio equipo, la posicin de los robots contrarios y
Bit Bit 2 Bit 1 Bit 0
3 la posicin de la pelota.
0 0 0% 0 0 0%
0 1 33% 0 1 33% La cmara captura las imgenes en espacio de color
1 0 66% 1 0 66%
1 1 99% 1 1 99% RGB [6] y las enva a Matlab, all se realiza un
filtrado que elimina el fondo, luego pasa a una
Como se muestra se enva un byte en el cual se segmentacin por umbral segn los colores RGB
especifica al agente, el sentido de giro y las [13] [26], luego aplicamos un filtro para eliminar el
velocidades de cada rueda. ruido sal y pimienta [14] y por ltimo
identificacin de los agentes y la pelota.
5. Sistema de Visin Artificial
En el Sistema de Visin Artificial es un modulo de Para la identificacin de los agentes se realiza un
visin global como se muestra en la Figura-1. barrido en la nueva imagen, donde cada agente tiene
Se utiliza la cmara Phillips SPC 1300NC con dos colores que lo identifican en el campo, uno de
interfaz usb, con una resolucin de los colores es para identificar el equipo y el otro es
para identificar el agente. A cada color a identificar
se le asignan unos valores mximos y mnimos de
umbral en cada componente RGB dependiendo su
ubicacin en la cancha. Entonces si los
componentes de un pixel se encuentran entre los
valores del umbral de un determinado color, quiere
decir que el pixel es de ese color.
Con el anterior mtodo identificamos primero el
color del agente, esto quiere decir que primero se
identifica si el agente es el arquero, defensa o
delantero, despus aplicamos el mismo mtodo para
identificar el equipo. Los colores de los agentes se
pueden visualizar en la Figura-6.
a. b. c.
Figura- 6 a. Arquero. .b. Defensa. .c. Delantero
Cuando se identifica el color del agente se realiza
un barrido para contar la cantidad de pixeles del
color del agente, se hace una promedio de la
cantidad de pixeles y de esta forma se encuentra las
coordenadas centrales del color. Teniendo en cuenta
la ubicacin del agente, definimos un sector de la
imagen para realizar el barrido y contar la cantidad
de pixeles del color del equipo, tambin se
promedia y se encuentra la coordenada central del
color. Se promedian nuevamente las dos
coordenadas y de esta forma encontramos el centro
del robot.
La funcin que describe el barrido y encuentra el
centro del color: Ecuaciones (1),(2),(3) y (4)
Donde son las coordenadas de los pixeles
con los umbrales determinados para cada color de
cada agente o del color del equipo, y es el nmero
de pixeles que tienen el umbral. Las funciones son
iguales para encontrar el centro de los colores.
Las funciones para las coordenadas de los agentes
son: Ecuacin (5) coordenada x Ecuacin (6)
coordenada y
(5)
(6)
El frente del robot es el color del agente, entonces
as se puede calcular los ngulos que tiene el agente
con respecto a los dems elementos del campo.
En conclusin el procesamiento de imagen
encuentra a la ubicacin de los agentes, la pelota,
los obstculos y los arcos.
El siguiente diagrama muestra la secuencia en el
procesamiento de la imagen.
Inicio
Configuracin
de la cmara
Capturar Imagen en
Formato RGB
Eliminacin del Fondo
Segmentacin por Umbral
Segn colores RGB
Eliminar Ruido
Sal y Pimienta
Identificacin de los
Agentes y pelota
6. Planeacin de Trayectorias
Es claro que un robot autmata no puede realizar
ningn movimiento deseado sin tener una
trayectoria, la cual se describe con una sucesin de
puntos generando una ruta de desplazamiento por la
que debe pasar el autmata para lograr ir de un
punto A hasta un punto B. Dicha planeacin o
clculo de las trayectorias debe solucionar algunos
posibles problemas tales como: encontrar la ruta
ms rpida, identificar obstculos, detectar posibles
colisiones, evitar obstculos y garantizar llegue al
punto final.
El problema bsicamente consiste en hacer que un
autmata se desplace desde un punto A hasta un
punto B, evitando la colisin del mismo con otros
objetos ubicados dentro de un mismo espacio. Para
eso es necesario tener conocimiento de la posicin
inicial, la posicin final y el entorno que le rodea
especificando la posicin exacta de los obstculos
as como su forma fsica adems de los posibles
puntos libres por los cuales se pueda desplazar el
robot, estos parmetros pueden ser proporcionados
por el usuario o bien pueden ser calculados
mediante la informacin proporcionada por los
sensores.
El problema se hace mucho ms complejo si el
autmata se desenvuelve en un ambiente dinmico,
es decir que los obstculos tambin se mueven
dentro del espacio, de esta forma no basta con
generar una posible trayectoria y seguirla, en
cambio tenemos que utilizar un clculo
probabilstico para saber que tan pertinentes son los
movimientos a realizar adems de tener una
retroalimentacin para corroborar que efectivamente
si se desplaza correctamente y puede llegar al
destino final.
Entonces si tenemos coordenadas tanto de inicio
como de final y figuras geomtricas, las cuales
pertenecen todas al mismo espacio, todo se puede
ver como un problema geomtrico y desde este
punto de vista encontramos numerosos mtodos y
algoritmos matemticos que buscan dar solucin al
problema de la planeacin de trayectorias.
Los mtodos de planeacin de trayectorias se
clasifican por su alcance (donde encontramos los
mtodos globales y locales) y por su precisin (los
cuales se dividen en mtodos completos,
heursticos, de resolucin completa y tenemos dos puntos ubicados en un plano donde se
probabilsticamente completos), los cuales se
definen a continuacin:
Los mtodos globales, procesan toda la
informacin referente al espacio, los obstculos,
la posicin inicial y la pocin final, calculando
una trayectoria solucin.
Los mtodos locales, procesan solo una parte de
la informacin del espacio total, realizando
tareas especificas para un sector del espacio, a
menudo son utilizados como complemento de
mtodos globales.
Los mtodos completos, realizan los clculos
pertinentes evidenciando si existe una posible
solucin, en caso contrario evidencian un error
de clculo, dichos mtodos suelen utilizar
grandes recursos de mquina para sus
procedimientos.
Los mtodos heursticos, son algoritmos
diseados para generar soluciones de forma
rpida, sin embargo en algunas ocasiones dichas
soluciones son errneas.
Los mtodos de resolucin completa, utilizan
toda la informacin referente al espacio para
generan un mapa discreto formando una malla
de configuracin en los cuales se evidencia una
solucin.
Los mtodos probabilsticamente completos,
adems de evidenciar si hay una posible
solucin, evalan la probabilidad de en funcin
del tiempo de procesamiento.
Despus de implementar el algoritmo
probabilsticos como el mtodo que utiliza el
algoritmo de Dijkstra [22], desarrollado para
encontrar el camino ms corto entre un vrtice
inicial ubicado dentro de un grafo hasta otro vrtice
ubicando la conexin de menor peso. Y el algoritmo
del descenso del gradiente [20] [12], el cual es un
mtodo de resolucin completa para el cual se
desarrolla un algoritmo que consiste en discretizar
el espacio de configuraciones generando una malla
que representa una configuracin del espacio con un
anlisis tridimensional en el cual se evidencia una
posible ruta solucin.
Se decidi realizar un mtodo ms rpido y sencillo,
el cual gastara menos tiempo de procesamiento y se
ajustara al ambiente dinmico. Este mtodo lo
llamamos rutas cartesianas donde el espacio de
configuracin es un plano cartesiano en el cual
encontramos una pareja de coordenadas en X y
Y para cada posicin que pertenece a dicho
espacio llamados nodos de ruta, de esta forma
aplica que la distancia ms corta entre dos puntos en
una lnea recta [33] llamadas rutas, segn lo anterior
el algoritmo matemtico se reduce a una geometra
analtica de la recta en el plano para encontrar una
posible solucin de trayectoria para una
configuracin inicial y una configuracin final, en la
cual el procesamiento de la ruta depende de muy
pocas instrucciones dentro del ciclo de maquina del
procesador del computador, y del software
MATLAB.
Bsicamente el mtodo toma la configuracin
inicial como un nodo de ruta inicial con
coordenadas y , para la cual se calculara una
ruta que conectase dicha posicin inicial hacia la
configuracin final que se representa dentro del
espacio como un nodo de ruta final con coordenadas
y como se ilustra en la siguiente figura
(Figura-7).
Dicha ruta solucin como es evidencia en la
ilustracin anterior es la ruta ms corta entre la
configuracin inicial y la configuracin final,
sencillo una recta describe la ruta, pero que sucede
si hay un obstculo ubicado donde se trazara la
recta: primero generamos otro nodo ruta, segundo se
establece la recta que conecta el nodo inicial con el
nuevo nodo, tercero de la misma forma se establece
la recta que conecta el nodo nuevo con el nuevo
final, por ltimo se evidencia la ruta.
El nuevo nodo no tiene una posicin aleatoria,
analticamente se puede hallar utilizando los nodos
inicial y final, para trazar una recta para la cual se
calcula su pendiente. Ecuacin (7) Figura- 7 Mtodo Rutas Cartesianas con un obstculo

(7) En la grafica se muestra algunas de las variables que

el sistema utiliza para generar la ruta del
Posteriormente calculamos la pendiente de una recta desplazamiento del agente, y como se puede
perpendicular a la rectan trazada anteriormente para apreciar es una trayectoria sin colisiones y
la cual se define por la ecuacin (8): relativamente de corto tiempo de recorrido. Figura-8

(8)

Siendo , donde es una constante, la cual

representa un cierto margen de tolerancia para el
cual cuando estn prximos los objetos no exista
una colisin cuya valor tomaremos como la
distancia en la cual se ubicara el nodo nuevo sobre
la recta perpendicular.

(9)
(10)
Figura- 8 Implementacin Mtodo Rutas Cartesianas

A continuacin 7. Modelo de Control de Movimiento

La teora de control esencialmente se refiere al
(11) conocimiento de la dinmica del proceso que se
(12) desea controlar, dicha dinmica es una
representacin matemtica que relaciona las seales
(13)
que se desean controlar para obtener una salida
(14) deseada y la seal de entrada al sistema llamada
funcin de transferencia la cual nos dice el
Siendo y la posicin en la que se encuentra el comportamiento de la planta o el proceso en
obstculo, entonces: dominio de la frecuencia.

(15) En el caso especifico de la implementacin de un

(16)
Siendo y las coordenadas del nodo nuevo, de
esta manera se evidencia la ruta solucin como una
arista en la cual posicionados en el nodo nuevo se
cruzan las dos lneas (Figura-7).
control de movimiento para este proyecto se
implemento como primera medida un modelo de
control lineal no realimentado, para el cual la
variable a controlar es el tiempo de encendido de
los motores, de esta forma se controlaba el giro y
la distancia recorrida por el agente. Para efectos del
desarrollo del proyecto solo se realizara una breve
descripcin de este modelo y posteriormente se
profundizara en el modelo de control difuso.
Para el cual se calculaba el valor de la distancia
desde la coordenada en la cual se encuentra
posicionado el agente y su ngulo con respecto a la
horizontal, tomando estos como datos de entrada y
realizando algunos clculos sencillos se obtiene una
constante de proporcionalidad que representa una
cantidad de tiempo determinada para realizar una
accin determinada, ya sea girar un ngulo
determinado o recorrer una distancia en lnea recta,
como se puede apreciar en la Figura-9 algunos
tiempos muertos como: los empleados por el
procesador y el software del computador encargado
de realizar la captura de la imagen y obtener
nuestros valores de entrada, los utilizados por la
cantidad determinada de datos para la codificacin
para la comunicacin por radio frecuencia a 2400
baudios, y por ltimo los tiempos de respuesta y
establecimiento de los motores de corriente
continua, fueron algunas de las constantes que para
el caso de un modelo de control deban tenerse en
cuenta.
Figura- 9
Debido a que el entorno en el cual se desarrolla cada
agente es un ambiente dinmico, con muchas
variables y perturbaciones del ambiente las cuales
en el momento de la implementacin no eran
controlables, y alteraban la eficiencia en la respuesta
del sistema. Un ejemplo de estos problemas se
encuentra en los motores los cuales giraban a
diferentes velocidades lo que produca un
desplazamiento similar a una semicircunferencia, en
cambio de hacerlo en lnea recta como se deseaba,
para la correccin de dicho problema de
desplazamiento, se incluye en el diseo un circuito
dotado con el sensor apropiado con la capacidad de
determinar la velocidad de giro de cada motor y con
el cual generar un control de traccin diferencial,
para mejorar el desplazamiento rectilneo de cada
agente.
Posteriormente utilizamos como herramienta el
Fuzzy Logic Toolbox de Matlab para el
planteamiento, definicin e implementacin del
modelo de control difuso, proceso que se explicara a
continuacin:
Utilizamos la inferencia de Mamdani [2], definimos
los conjuntos difusos de variables de entrada:
Angulo a rotar y Distancia del agente con respecto a
la pelota, las cuales obtenemos del procesamiento
de imagen.
Figura- 10 Movimiento posibles del agente
Figura- 11 Conjunto difuso variable de entrada
En la Figura-11 se ilustra la estructura con la cual se
definen los conjuntos difusos para la variable de
entrada, ngulo, correspondiente a la orientacin del
agente con respecto a la horizontal. El universo
difuso est comprendido por un rango de -90 a 90
grados.
Los grados de perteneca asociados al valor
obtenido en el antecedente estn divididos en cinco
conjuntos difusos:
Tres con funciones triangulares:
Pequeo negativo (Peq_Neg) delimitado
desde -30 hasta 0.
Cero delimitado desde -5 hasta 5.
Pequeo positivo (Ped_Pos) delimitado
desde 0 hasta 30.
Uno con funcin tipo L:
Grande negativo (Grand_Neg) delimitado
desde -90 hasta -20.
Uno con funcin tipo Gama:
Grande positivo (Grand_Pos) delimitado
desde -20 hasta -90.
Con la intencionalidad de controlar y corregir el
ngulo del agente con respecto a la coordenada de
ubicacin de la pelota y para mayor rapidez del
sistema, el agente no tiene cara frontal establecida,
en cambio puede desplazarse adelante o atrs
teniendo como mximo ngulo a rotar 90 dejando
al agente listo para desplazarse en lnea recta
(Figura-10).
La segunda variable de entrada es la distancia a
recorrer por el agente para un universo difuso de 0 a
270 pixeles (Figura-12).
Los grados de perteneca asociados al valor
obtenido en el antecedente estn divididos en tres
conjuntos difusos:
Uno con funcin tipo L:
Pequea, delimitado desde 15 hasta 75.
Uno con funcin tipo Pi:
Mediana, delimitado desde 50 hasta 200.
Uno con funcin tipo Gama:
Grande, delimitado desde 165 hasta 250.
Figura- 12. Definicin de conjuntos difusos variable entrada
Distancia
Por ltimo tenemos dos variables de salida:
porcentaje de velocidad para el motor izquierdo y
derecho, para los cuales el universo difuso est
comprendido entre 0% y 100%, conformado por
cuatro conjuntos difusos como se ilustra en la
Figura-13.
Figura- 13 Definicin de conjuntos difusos de variable de salida
Angulo a rotar
Uno con funcin tipo L:
Cero, delimitado desde 0 hasta 1.
Uno con funcin tipo Pi:
Bajo, delimitado desde 7 hasta 59.
Uno con funcin tipo Pi:
Medio, delimitado desde 40 hasta 92.
Uno con funcin tipo Triangular:
Alto, delimitado desde 98 hasta 100.
Dichos conjuntos difusos se definen de la misma
forma para las dos variables de salida.
El desarrollo del control por lgica difusa se basa en
las siguientes reglas de inferencia:
1. If (Distancia is Pequea) and (AnguloRotar is Cero) then
(VelocidadDerecha is bajo)(VelocidadIzquierda is bajo)
2. If (Distancia is Pequea) and (AnguloRotar is Grand__Neg)
then (VelocidadDerecha is medio)(VelocidadIzquierda is bajo)
3. If (Distancia is Pequea) and (AnguloRotar is Grand__Pos)
then (VelocidadDerecha is bajo)(VelocidadIzquierda is medio)
4. If (Distancia is Mediana) and (AnguloRotar is Cero) then
(VelocidadDerecha is medio)(VelocidadIzquierda is medio)
5. If (Distancia is Mediana) and (AnguloRotar is Grand__Neg)
then (VelocidadDerecha is Alto)(VelocidadIzquierda is medio)
6. If (Distancia is Mediana) and (AnguloRotar is Grand__Pos)
then (VelocidadDerecha is medio)(VelocidadIzquierda is alto)
7. If (Distancia is Grande) and (AnguloRotar is Cero) then
(VelocidadDerecha is Alto)(VelocidadIzquierda is alto)
8. If (Distancia is Grande) and (AnguloRotar is Grand__Neg)
then (VelocidadDerecha is Alto)(VelocidadIzquierda is medio)
9. If (Distancia is Grande) and (AnguloRotar is Grand__Pos)
then (VelocidadDerecha is medio)(VelocidadIzquierda is alto)
10. If (Distancia is Pequea) and (AnguloRotar is Peq__Neg)
then (VelocidadDerecha is bajo)(VelocidadIzquierda is bajo)
11. If (Distancia is Pequea) and (AnguloRotar is Peq__Pos)
then (VelocidadDerecha is bajo)(VelocidadIzquierda is bajo)
12. If (Distancia is Mediana) and (AnguloRotar is Peq__Pos)
then (VelocidadDerecha is medio)(VelocidadIzquierda is
medio)
13. If (Distancia is Mediana) and (AnguloRotar is Peq__Neg)
then (VelocidadDerecha is medio)(VelocidadIzquierda is
medio)
14. If (Distancia is Grande) and (AnguloRotar is Peq__Neg)
then (VelocidadDerecha is Alto)(VelocidadIzquierda is alto)
15. If (Distancia is Grande) and (AnguloRotar is Peq__Pos)
then (VelocidadDerecha is Alto)(VelocidadIzquierda is alto)
Para un valor de entrada dado, las reglas utilizaran
los conjuntos difusos para calcular el valor del
consecuente, es decir el valor esperado en la salida
del sistema. De esta forma se realiza el control de
movimientos de cada agente.
8. Comportamiento de los agentes
El comportamiento de los agentes son las estrategias
especficas que se implementaron para cada agente.
Estos comportamientos fueron inicialmente
postulados por Sotomonte [32] y Costelo [8]y
nosotros las tuvimos en cuenta para nuestro trabajo
realizando algunas modificaciones.
Arquero: La primera tarea que tiene que hacer el
arquero es mantenerse en su rea de juego la cual
nosotros determinamos. Oponerse al paso de la
pelota. Reubicarse cuando se salga del rea o
cambie drsticamente de ngulo. [21]
Se realizo un algoritmo de prediccin de la pelota
para aumentar la velocidad de respuesta del arquero
y que sea mucho ms exacta.

Comportamiento del Arquero
Si (el arquero en su coordenada y es mayor o igual a la
pelota en su coordenada y y el arqueo est adentro de
su rea) Entonces
El arquero busca la coordenada y de la pelota para
obstruirla su trayectoria
FinSi
Si (el arquero est afuera de su rea) Entonces
El arquero vuelve a su rea
FinSi
Si (el arquero est muy cerca a la pelota) Entonces
El arquero despeja la pelota
FinSi
Si (el arquero no est paralelo a su arco) Entonces
El arquero corrige su ngulo
FinSi
Defensa: El principal objetivo del defensa es evitar
que la pelota llegue al arco, entonces tiene que
presentar un comportamiento de obstruccin que es
oponerse al paso de la pelota cuando est en
direccin al arco. No dejar que los rivales se
desplacen fcilmente en su rea.
Despejar la pelota de su rea golpendola en
direccin al arco contrario.
Comportamiento del Defensa
Si (el defensa est fuera de su rea) Entonces
Volver a su rea
FinSi
Si (la pelota est adelante de la posicin del defensa)
Entonces
Obstruir el paso de la pelota
Si (la pelota est muy cerca al defensa) Entonces
Hacer Raqueteo para despejar la pelota
FinSi
SinoSi (la pelota est detrs de la posicin del defensa)
Entonces
Ir tras la pelota y golpearla en direccin al arco
contrario
FinSi
Delantero: El delantero tiene como objetivo llevar
la pelota al arco contrario, teniendo en cuenta que
debe esquivar al equipo contrario y siempre debe
llevar la pelota en direccin de gol.
Para las formas de disparo por parte del delantero se
utilizan: el arrastre que es impulsar el baln de una
posicin a otra, o llevrselo por delante. Para
mantener el baln junto al robot es necesario
mantener una aceleracin constante, esto se realiza
por medio del control difuso. Empujar, consiste en
arrastrar el baln y luego hacer que el robot frene o
cambie bruscamente su velocidad consiguiendo as
que el baln salga impulsado por delante del robot.
Comportamiento del Delantero
Si (la pelota la tiene un contrario) Entonces
Ir a atacar
FinSi
Si (la pelota est cerca del oponente) Entonces
Esquivar al oponente y pegarle a la pelota en
direccin al arco contrario
FinSi
Si (la pelota est lejos del oponente) Entonces
Pegarle a la pelota en direccin al arco contrario
FinSi
9. Conclusiones
El proceso de comunicacin entre el servidor y los
agentes utilizamos RF con los mdulos TLP/RLP
434A por fcil adquisicin, implementacin y su
rea de cobertura. En el envi de informacin se
implemento una forma de codificacin en la cual se
enviaban tramas de cinco bytes: identificador del
agente, dato de inicio, sentido de giro de los
motores, tiempo de accin de los actuadores y dato
de finalizacin de la comunicacin. El tiempo de
envi y recepcin de la trama a 2400 bps era muy
alto para las necesidades del proyecto, entonces se
decidi implementar una nueva codificacin de los
datos organizados ahora en un solo byte, de esta
forma reducimos en un 80% el tiempo empleado en
la comunicacin.
En la implementacin del sensor de video se
presentaron inconvenientes como: la variacin de la
iluminacin en el ambiente, la velocidad de captura
de imgenes, el ngulo de visin de la cmara el
cual no alcanzaba a cubrir toda la cancha y la
resolucin.
La solucin al problema de iluminacin fue la
ubicacin de dos lmparas dispuestas de forma
estratgica iluminando completamente el rea de
juego, el cambio de cmara y los ajuste de
configuracin como: la saturacin, contraste, brillo
y ganancia de blancos. En cuanto a la velocidad de
captura de la imagen, la cmara Phillips en sus
especificaciones da la posibilidad de configurar la
captura de imgenes hasta 90fps, pero desde Matlab
no se logro cambiar la configuracin de la cmara a
90fps y la mxima velocidad en que se trabajo fue
de 30fps. Este problema se puede atribuir al
software que controla la cmara. El ngulo de visin
de la cmara Phillips al ser ms amplio nos dio la
posibilidad de capturar de forma directa el rea de
juego a diferencia de la cmara Genius en cual fue
necesario aadir un lente divergente, esto causa una
distorsin en la imagen y la correccin hace ms
lento el procesamiento de imagen. Tambin se
cambio la resolucin de captura de imgenes de
640x480 a 320x240, reduciendo el tiempo de
ejecucin aproximadamente en un 70%. Se eligi la
segmentacin por umbrales para la identificacin de
los agentes, basados en los antecedentes consultados
en los cuales este mtodo de segmentacin por
umbrales de color RGB, nos pareci ms acorde a
las necesidades del proyecto por sencillez y
efectividad en la deteccin de los colores.
En cuanto la planeacin de trayectorias se
implement: El mtodo descenso del gradiente
presenta el inconveniente de caer en un mnimo
local en lugar de caer en la configuracin final,
adems de emplear mucho recurso de mquina y
tiempo en el procesamiento, por este motivo no fue
muy til para este proyecto. El mtodo
probabilstico de carreteras basado en el algoritmo
de enrutamiento de Dijkstra, presenta un problema
cuando el punto final est muy prximo a la
ubicacin del obstculo, el algoritmo es incapaz de
encontrar una conexin directa al objetivo y
tampoco resulta ser til para el entorno dinmico.
Debido a las dificultades presentadas por los
anteriores mtodos y con la intencin de reducir la
velocidad de procesamiento y clculos en la
ejecucin, se decidi implementar el mtodo de
rutas cartesianas por rpido procesamiento en
clculos matemticos, adaptacin al entorno
dinmico. Reduciendo en un 20% aproximadamente
la velocidad de ejecucin.
En el modelo de control de movimientos del agente
se implementa un modelo de control clsico muy
bsico en el cual solo tenamos en cuenta los
tiempos de recepcin de la informacin, tiempo de
ejecucin del microcontrolador y el tiempo de
respuesta de los motores, dicho modelo no resulta
ser muy eficiente, por esta razn se implemento un
control difuso el cual es mucho ms apropiado para
el tipo de planta, donde se tienen en cuenta variables
como el ngulo y la distancia del agente con
respecto a la posicin deseada, para realizar un
control diferencial del movimiento del agente
involucrando una conexin con el sistema de
monitoreo de las velocidades de cada uno de los
motores.
En cuanto al diseo del PCB se tiene en cuenta que
los motores generan ruido y la respuesta en
velocidad no es igual, por esta razn se decidi
utilizar fuentes independientes aislando las tierras
para evitar el ruido en la etapa de control y
recepcin de datos, adems se incluyo un sistema de
monitoreo de velocidad para cada uno de los
motores.
Agradecimientos
A la Universidad Pedaggica Nacional, Licenciatura
en Electrnica, especialmente al director del
proyecto de tesis Diego M. Acero por su valioso
aporte e inters en el trabajo.
Referencias
[1]. AMANDI, Anala. Desarrollo de Sistemas Multi_Agentes
Inteligencia Artificial. Revista Iberoamericana de
Inteligencia Artificial N 13. Universidad Nacional del
Centro de la Pcia. Buenos Aires, Argentina. pp33-35
ISSN1137- 3601. 2001
[2]. ARMAGNO, Gustavo. BENAVIDES, Facundo.
ROSTAGNOL, Claudia.TEJERA GONZALO, Copello
Ernesto. Toma de decisiones difusa y prediccin del
comportamiento oponente. Instituto de Computacin.
Facultad de Ingeniera. Universidad de la Repblica.
Montevideo,Uruguay.
[3]. BLANCO MOLINA, Flix Arturo. CRDENAS
FLREZ, Jorge Hernn. Control de un equipo de ftbol
robtico segn especificaciones de la categora small size
de RoboCup. Tesis de grado para obtener el ttulo de
ingeniero electrnico. Facultad de Ingeniera. Universidad
Nacional de Colombia. Bogot. 2005
[4]. BURCHARDT, Armin. CIERPKA, Kai. FRITSCH,
Sebastian. HUHN, Kamil. KIRILOV, Teodosiy. LAUE,
Tim. MARTENS, Alexander. MIEZAL, Markus.
NEHMIZ, Ulfert. SCHWARTING, Malte. SEEKIRCHER,
Andreas. Bremen Small Multi Agent Robot Team (B-
Smart). Universitt Bremen. Germany. 2009
[5]. CAI, Wenlan. CUI, Wei. GAO, Xiang. GUO, Buo. LIU,
Lian. TAO, Jun. AUA_Ares -Team descripton paper.
Department of control engineering. Aviation University of
Airforce. China. 2008
[6]. CAMPOS ACOSTA, Joaqun. La especificacin del color:
espacios de representacin del color. Instituto de Fsica
Aplicada (CSIC). Articulo 114.28006, Madrid.
 [7]. CASTROMN, lvaro. COPELLO, Ernesto. Ftbol de
robots uruguayo para torneos: el equipo. Tesis de grado
para obtener el ttulo en ingeniera en computacin.
Facultad de Ingeniera, Universidad de la Republica de
Uruguay. Mayo de 2004
[8]. COSTELO, Claudia. FASSI, Hctor. SCARPETTINI,
Flavio. Ftbol de robots: revisin del estado del arte y
desarrollo del equipo UBAsot de simulacin. Tesis para
obtener el ttulo en Licenciatura en Electrnica. Facultad
de ciencias exactas y naturales. Universidad de Buenos
Aires. Diciembre de 2002
[9]. CRAIG, John. Robotica. Editorial Pearson educacin.
Mexico, 2006
[10]. DIAZ COLLAZO, Adrin Marcelo. ESPEJO GMEZ,
Vctor. Robots de laberinto. Universidad de Alcal.
Noviembre de 2006.
[11]. FERNANDEZ, Gastn. STOCCO, Claudia. TOURN,
Natalia. Sistema de visin para futbol de robots.
Universidad de la Repblica Montevideo. Uruguay. Mayo
2004.
[12]. GE, S. CUI, J. Dynamic motion planning for mobile robots
using potential field method Auton. Robots, vol. 13, no. 3,
pp. 207222, 2002.
[13]. GIL, P. TORRES, F. ORTIZ, F. G. Deteccin de objetos
por segmentacin multinivel combinada de espacios de
color. XXV Jornadas de Automtica. Ciudad Real. 8 de
septiembre de 2004.
[14]. GONZALES, Rafael. WOODS, Richard. EDDINS,
Steven. Digital Imagen Processing Using Matlab. Second
Edition. Prentice Hall. 2004.
[15]. HASTLEY, Richard. ZISSERMAN, Andrew. Multiple
View Geometry in Competer Vision. Second Edition 2003.
[16]. http://small-size.informatik.uni-bremen.de/
[17]. http://www.fira.net
[18]. http://www.robocup.org/
[19]. http://www.textoscientificos.com/redes/modulacion/ask
[20]. J.C. Latombe. Robot Motion Planning. Kluwer Academic
Publishers, 1991.
[21]. LAPLAGNE, Ignacio. Aspectos de estrategia y control en
un equipo de ftbol de robots. Tesis para obtener el ttulo
en Licenciatura en Electrnica. Facultad de ciencias
exactas y naturales. Universidad de Buenos Aires.
Diciembre de 2002
[22]. LAVALLE, Steven. Planning algorithms. Published by
Cambridge University Press, 2006
[23]. M. Wooldridge, An Introduction to MultiAgent Systems,
May 2002
[24]. MARTN MATRN, Joaqun. Creacin de un jugador de
Robocup de simulacin y desarrollo de habilidades
bsicas. Tesis de grado en Ingeniera en Informtica.
Facultad de Informtica Universidad Politcnica de
Madrid. 2004
[25]. ORTEGA MELO, Luis Fernando. Sistemas multiagentes y
ftbol de robots: estado del arte. Articulo. Maestra en
Ingeniera de Sistemas y Computacin. Universidad
Nacional de Colombia.
[26]. OTSU, N., A Threshold Selection Method from Gray-
Level Histograms. IEEE Transactions on Systems, Man,
and Cybernetics, Vol. 9, No. 1, 1979, pp. 62-66.
[27]. PETRILLI BARCEL, Alberto Elas. Control visual de un
robot mvil Khepera II. Tesis para obtener grado de
Maestro en Ciencias de la Computacin. Instituto
Politcnico Nacional. Mxico D.F., Junio de 2007.
[28]. REYES ALDASORO, Constantino Carlos. Prctica 5
Modulaciones Digitales. Departamento de Sistemas
digitales, Laboratorio de Seales y Sistemas. ITAM
[29]. RODRIGUEZ GARAVITO, Cesar Hernn. DELGADO
RIVERA, Alberto. Plataforma autnoma inteligente para
ftbol de robot. Artculo. Revista ingeniera e investigacin
Vol. 28 Abril 2008. Pg (81-98)
[30]. RUSELL, Stuart. NORVING, Peter. Agentes Inteligentes
Capitulo 2 .Inteligencia artificial un enfoque moderno.
Naucalpan de Jurez, Edo de Mxico: Pretice may
Hisponoamericana, S.A. 1996. p. 33-53
[31]. SANTOS, Erik. Heurstica para la generacin de
configuraciones en pasajes estrechos aplicada al problema
de los clavos. Tesis profesional para obtener el ttulo en
Maestra en Ciencias con Especialidad en Ingeniera en
Sistemas Computacionales. Universidad de las Amricas
Puebla. Mxico 2004
[32]. SOTOMONTE NIETO, Wilson Eduardo. Estrategias de
sistemas de agentes (simple y mltiples): caso de estudio
ftbol de robots. Tesis de grado para obtener el ttulo de
Magister en Ingeniera en Automatizacin Industrial.
Facultad de Ingeniera. Universidad Nacional de
Colombia. Bogot. 2005
[33]. UMEZ, Eronini. Dinmica de sistemas de contol. Editorial
Thomson learnig. Mxico 2001