Localização de Markov para multirrobôs cooperativos.

• Autor(a) principal: Odakura, Valguima Victoria Viana Aguiar
• Data de Publicação: 2006
• Tipo de documento: Tese
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações da USP
• Texto Completo: http://www.teses.usp.br/teses/disponiveis/3/3141/tde-07082007-151502/
• topic: Artificial intelligence; Inteligência artificial; Robôs; Robotic (artificial intelligence); Robótica (inteligência artificial); Robots

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.