ROBOTS DE EXTERIORES - Centro de Automática y Robótica

2º WORKSHOP
ROBOTS DE
EXTERIORES
Arquitectura de Control para Robot
Editores:
Manuel A. Armada
Ángela Ribeiro
Fernando Seco
Instituto de Automática Industrial
Consejo Superior de Investigaciones Científicas
Julio 2007

Robots de exteriores
Editores
Manuel A. Armada
Ángela Ribeiro
Fernando Seco
Instituto de Automática Industrial
Consejo Superior de Investigaciones Científicas
Ministerio de Educación y Ciencia
Madrid, Julio de 2007

II
Robots de exteriores

Prólogo
III
Prólogo
Me es grato presentar el segundo workshop (taller de trabajo) del programa Robo-
City2030-CM, subvencionado por la Comunidad de Madrid para el período 2005-
2009. El programa, que representa una iniciativa única, agrupa a los centros de investigación
en robótica más punteros tanto a nivel nacional como internacional:
Universidad Carlos III de Madrid, Instituto de Automática Industrial del CSIC,
Universidad Politécnica de Madrid, Universidad de Alcalá, Universidad Rey Juan
Carlos y Universidad Nacional de Educación a Distancia. De esta forma, se obtienen
importantes sinergias que permiten potenciar y coordinar las investigaciones
en robótica, sin duplicar esfuerzos y financiación. Por otro lado, este programa
permite proyectar la imagen exterior de nuestros investigadores tanto en la sociedad
española como en el ámbito internacional.
Este taller de trabajo es el segundo de una serie de encuentros periódicos que
están planificados hasta finales de 2009, y sigue los pasos del primer workshop,
Arquitecturas de Control para Robots, celebrado en febrero de 2007 y que fue organizado
por la Universidad Politécnica de Madrid. Cada uno de ellos pretende ser
un foro de encuentro de investigadores en temas punteros de la robótica de servicio,
campo de máxima actualidad investigadora. En este caso, el taller está dedicado
a Robots de exteriores, y aborda distintas problemáticas tales como sistemas
de visión y localización en entornos abiertos, conducción automática, robots aéreos
y submarinos, robots en aplicaciones agrícolas de precisión, robots caminantes
para tareas de construcción y de detección de minas antipersonal, así como los
sistemas de percepción, de control y de comunicaciones que hacen posibles dichas
realizaciones prácticas. Los avances en el campo de los robots de exteriores permitirán
desarrollar robots más autónomos, más rápidos, más precisos y para aplicaciones
más novedosas en entornos complejos.
Por último, me gustaría destacar la excelente organización de este taller de trabajo
llevada a cabo por los grupos de investigación en robótica del Instituto de
Automática Industrial del CSIC. La selección de los capítulos incluidos en este libro
ha sido muy cuidadosa y acertada, destacando el gran nivel de los mismos.
Los trabajos tienen una importante proyección futura, abriendo nuevos horizontes,
y espero que sean de gran utilidad para toda la comunidad robótica española.
Carlos Balaguer
Coordinador Robocity2030-CM

IV
Robots de exteriores
Introducción
La presente publicación recoge importantes trabajos investigación en el
área de Robots de exteriores realizados por los grupos de investigación de
las Universidades Carlos III de Madrid, Politécnica de Madrid, Alcalá, Rey
Juan Carlos y del Instituto de Automática Industrial del CSIC en el marco
del proyecto ROBOCITY2030, financiado por el Programa PAIDIR de la
Comunidad de Madrid.
Los robots de exteriores constituyen un área de creciente interés en el
ámbito internacional y las investigaciones en este tema se abordan desde
múltiples puntos de vista. Los trabajos que se incluyen en el texto reflejan
la actividad de los grupos del proyecto RoboCity2030 en robots de exteriores,
muestran su nivel científico y tecnológico, y abarcan un amplio espectro
tanto en lo que respecta al medio en que se deben desenvolver: aire, terreno
adecuado por trabajos de ingeniería de obra civil, terreno natural y
entorno acuático, como en lo que respecta a los sistemas que proporcionan
la movilidad requerida: hélices, propulsores diversos, ruedas, orugas y patas.
Tanto el diseño como el control de robots de exteriores son tareas
complicadas que requieren de un importante esfuerzo de investigación, pero
se considera que este esfuerzo es fundamental para el avance de la robótica.
Un aspecto primordial en este sentido es la percepción sensorial del
entorno y los sistemas de localización.
La recopilación de trabajos incluida en esta publicación y organizada en
sus diversos capítulos contempla sistemas de visión y de localización en
entornos exteriores, sistemas de toma de decisiones en conducción automática,
modelado y simulación. Asimismo hay una serie de capítulos en
los que se presentan importantes avances en robots aéreos y submarinos,
sistemas de exploración del terreno para la detección de minas, robots móviles
en agricultura de precisión y robots de servicios para tareas de consolidación.
Al gran nivel científico y tecnológico de todos los trabajos relacionados
hay que añadir la gran experiencia de los investigadores que los han realizado
para avalar la calidad de esta publicación que, esperamos sea una
herramienta en futuros trabajos de investigación, así como una referencia
en la docencia en cursos o seminarios avanzados en Robótica.
Los editores quieren agradecer el gran esfuerzo de los sesenta investigadores
de las Instituciones participantes, autores de los distintos capítulos

Introducción
V
para realizar la siempre difícil tarea de plasmar en unas hojas los numerosos
y excelentes resultados de las actividades realizadas durante un gran
periodo de tiempo.
Manuel A. Armada
Ángela Ribeiro
Fernando Seco

VI
Robots de exteriores

Índice
CAPÍTULO 1
SLAM Visual en Entornos Exteriores Usando una
Cámara Estéreo Gran Angular y Corrección de
Características SIFT
D. Schleicher, L.M. Bergasa, R. Barea, E. López, M.
Ocaña, J. Nuevo y P. Fernández 1
CAPÍTULO 2
Toma de Decisiones para Cooperación de Vehículos
Autónomos en Maniobras Críticas
T. de Pedro, R. García, C. Gonzáles, J.E. Naranjo y J. Alonso 23
CAPÍTULO 3
Aplicación de Técnicas Robóticas al Adelantamiento
Entre Vehículos Pesados
C. Agüero, V. Gómez, J. Cañas, V. Matellán, F. Martín y
P. Barrer 33
CAPÍTULO 4
Modelado de Zonas Cruzables para la Navegación
Segura de Robots en Entornos Exteriores
C. Castejón, D. Blanco y L.E. Moreno 47
CAPÍTULO 5
Localización de Robots y AGVs Mediante
Tecnología RFID
F. Seco, F. Ramos, A. Koutsou, A.R. Jiménez, C. Prieto,
J. Roa, J. Guevara y J. Ealo 67
CAPÍTULO 6
Robot de Grandes Dimensiones para la
Consolidación de Laderas de Montañas
S. Nabulsi, J. Sarria, R. Ponticelli y M. Armada 83

VIII
Robots de exteriores
CAPÍTULO 7
Modelado, Análisis y Construcción de una
Plataforma Paralela Experimental para Aterrizaje y
Despegue de Helicópteros
J. Quintero, I. Banfield, A. Campos, R. Saltarén, M. Ferré y
R. Aracil 103
CAPÍTULO 8
Planificación de Misiones de UAV Mediante el
Lenguaje de Control de Vehículos Aéreos
P. Gutiérrez, J. del Cerro, A. Barrientos, R. San Martín,
A. Martínez y C. Rossi 121
CAPÍTULO 9
Sistema Robotizado para la Detección y
Localización de Minas Antipersonas
R. Ponticelli, E. García, P. González de Santos y M. Armada 139
CAPÍTULO 10
Una Nueva Metodología para Descripción del
Entorno en la Detección en Robots de Minas
Antipersonas
C. Salinas, M. Armada y P. González de Santos 157
CAPÍTULO 11
Arquitectura Multi-Agente para la Interfaz de
Usuario de un Vehículo Agrícola
X.P. Burgos-Artizzu, A. Ribeiro, M.C. García-Alegre y
L. García-Pérez 175
CAPÍTULO 12
Sistemas de Localización y Percepción Inteligente
en la Navegación Autónoma y Segura de Robots
de Exteriores 187
M.C. García-Alegre, A. Ribeiro, D. Martín,
L. García-Pérez y D. Guinea

Índice
IX
CAPÍTULO 13
Robot Subacuático de Estructura Paralela para la
Inspección y Teleoperación de Lugares de Difícil
Acceso
C. Álavarez, R. Saltarén, R. Aracil, E. Yime y M. Sancho 207
CAPÍTULO 14
RobMAT: Sistema Modular para Entornos Semiestructurados
R. Aracil, J. Baca, M. Ferré, J. A. Escalera 229
Índice de Autores 245

X
Robots de exteriores

CAPÍTULO 1
SLAM Visual en Entornos Exteriores Usando una
Cámara Estéreo Gran Angular y Corrección de
Características SIFT
D. SCHLEICHER 1 , L. M. BERGASA 2 , R. BAREA 2 , E. LÓPEZ 2 , M.
OCAÑA 2 , J. NUEVO 2 y P. FERNÁNDEZ 2
1 Departamento de Electrónica - Universidad de Alcalá,
dsg68818@telefonica.net; 2 Departamento de Electrónica - Universidad de
Alcalá, {bergasa, barea, lopez, mocana, jnuevo}@depeca.uah.es
En este artículo se presenta un nuevo método de SLAM en tiempo real
aplicado a la navegación autónoma de un vehículo en grandes entornos exteriores
y sin restricciones. Dicho método está basado exclusivamente en la
información visual proporcionada por una cámara estéreo de gran angular
y bajo coste. Nuestra propuesta consiste en dividir el mapa global en varios
submapas locales identificados por las denominadas huellas SIFT. A nivel
de submapa (SLAM de bajo nivel), se realiza un mapeado secuencial en
3D de una serie de marcas naturales a la vez que se obtiene la localización/orientación
del vehículo usando un método Bayesiano para modelar el
comportamiento dinámico del sistema. Para reducir el error acumulativo
global, manteniendo las restricciones de tiempo real, se ha añadido un nivel
de abstracción adicional superior (SLAM de alto nivel). Este nivel usa
un método de corrección basado en la extracción de huellas visuales SIFT
asociadas a los diferentes submapas. Se presentan resultados experimentales
usando grandes entornos reales en exteriores.
1 Introducción
La Localización y Mapeado Simultaneous en Tiempo Real (SLAM) es
un aspecto clave en robótica. En los últimos años se han desarrollado diversas
alternativas (López, 2005)(Newman, 2002). Investigaciones recientes
han demostrado que el SLAM basado en cámaras es muy útil en domi-

2 Robots de exteriores
nios en los que el objetivo es recuperar la posición 3D de la cámara en
tiempo real, moviéndose a gran velocidad en entornos habituales humanos,
a partir del mapeado de marcas visuales dispersas, potencialmente con mínima
información acerca de la dinámica de su movimiento(Davison,
2003). En (Elinas, 2006), se presenta un método de SLAM 3D visual, basado
en una cámara estéreo y marcas SIFT (Scale Invariant Feature Transform).
Actualmente el principal objetivo de las investigaciones en SLAM
es aplicar métodos consistentes, robustos y eficientes en grandes en entornos.
Uno de los hitos principales es conseguir cerrar grandes lazos, en
tiempo real, detectados en el camino recorrido por el vehículo.
Existen diversas propuestas para resolver los problemas asociados usando
métodos métricos, topológicos o híbridos. Un ejemplo de estos últimos
se describe en (Bosse, 2004). Esta solución pretende construir un mapa topológico
compuesto de diversos mapas métricos más sencillos. Después de
esto, a medida que el vehículo explora nuevos lugares, el algoritmo decide
si construir un nuevo submapa o crear una nueva relación con alguno de
los mapas existentes. Los enlaces contienen las relaciones entre sistemas
de coordenadas, así como las transformaciones de las incertidumbres. En
(Newman, 2006) se propone un SLAM 3D usando matrices de similitud
SIFT, basadas en apariencia visual. Esto permite el reconocimiento de lugares
previsitados que puedan ser altamente repetitivos. El artículo presentado
en (Frese, 2006) propone un método que es capaz de cerrar lazos muy
grandes con un gran número de marcas en un entorno simulado. En él se
usa un método jerárquico para representar las diferentes magnitudes probabilísticas
asociadas a diversas regiones del mapa. Además se proporcionan
medios para transmitir las actualizaciones y predicciones del modelo
de la parte superior a la inferior del árbol y viceversa.
Este artículo presenta un método de SLAM en tiempo real basado en visión
estéreo. La base de este trabajo fue previamente presentada por los autores
en (Schleicher, 2006). El sistema está basado en una cámara estéreo
de gran angular montada en un vehículo. De forma secuencial, se van capturando
diversas marcas visuales, usando el operador Shi and Tomasi (ver
(Shi, 1994)), y son introducidas en un filtro EKF con el objeto de modelar
el comportamiento probabilístico del sistema. Para la percepción de las
marcas se usa un modelo de medida, mientras que para el comportamiento
dinámico del vehículo se implementa un modelo de movimiento. Como es
bien sabido, uno de los principales problemas de la implementación del
EKF es el incremento cuadrático (n 2 ) del coste computacional en función
del número de marcas, mostrándose inapropiado para grandes entornos,
donde este número puede ser potencialmente alto. Para solucionar este
problema, presentamos una implementación modificada de SLAM que
añade un nivel de procesado adicional al método de SLAM mencionado

SLAM Visual en Entornos Exteriores Usando una Cámara Estéreo Gran Angular
y Corrección de Características SIFT 3
anteriormente (“SLAM de bajo nivel”) que denominaremos “SLAM de alto
nivel”. El mapa global se divide en submapas locales identificados por
huellas SIFT. Una huella caracteriza la apariencia visual de una imagen a
partir de un número de marcas SIFT y la relación entre ellas. Así pues, el
vehículo se ubica localmente en un submapa usando el SLAM de bajo nivel.
Las huellas se toman periódicamente a medida que el vehículo explora
nuevos entornos. Este proceso identifica un submapa englobando las marcas
obtenidas en el SLAM de bajo nivel, comprendidas entre la huella actual
y la próxima. Para poder detectar los lugares previsitados se realiza un
matching entre las huellas previamente capturadas y la huella actual. La información
extraída a partir de las marcas SIFT pertenecientes a la huella se
usa para actualizar el filtro EKF y corregir el estado del vehículo así como
la porción del mapa perteneciente al lazo que acaba de detectarse.
Este artículo está estructurado en dos partes fundamentales. La primera
presenta la implementación del SLAM de bajo nivel, mientras que la segunda
el SLAM de alto nivel. Después, se presenta una gran variedad de
resultados para mostrar el comportamiento de nuestro sistema. El artículo
finaliza con las conclusiones y trabajos futuros.
2 SLAM de Bajo Nivel
Este nivel implementa todos los algoritmos y tareas necesarias para localizar
el vehículo y mapear su entorno local.
2.1 Aplicación del Filtro de Kalman Extendido
Para aplicar el EKF es necesario definir un vector de estado X y su matriz
de covarianza P . El propósito del algoritmo consiste en estimar continuamente
la posición y la orientación del vehículo, a través de la linealización
de la función de próximo estado f(X), en cada paso. Debido al uso del
modelo de movimiento (impulse motion model) para la dinámica del vehículo,
el cual será explicado posteriormente, es necesario añadir dos variables
más al vector de estado del vehículo X v : las velocidades lineal y angular.
X ( ) T
v = X rob qrob
vrob
ω
(1)
En la Ecuación (1), X rob es el vector de posición 3D del vehículo respecto
al sistema de coordenadas global, q rob representa el vector de rotación
(quaternion), v rob es la velocidad lineal y ω la angular. Por otro lado, te-

4 Robots de exteriores
niendo en cuenta que el submapa al completo tiene que ser introducido en
el filtro, todos los vectores de estado de la posición global de las marcas Y i
tienen que ser incluidos en el vector de estado total X . Por lo tanto se puede
definir el vector de estado X = ( X
) T
v
Y1
Y2
L y su correspondiente
matriz de covarianza P.
2.2 Modelo de Movimiento
El primer paso para construir el modelo de movimiento consiste en predecir
el vector de próximo estado y su matriz de covarianza. En este caso
el objeto a modelar es un vehículo móvil. Nuestro modelo está basado en
una aplicación más general (ver (Schleicher, 2006)). Éste asume una velocidad
constante (tanto lineal como angular) en cada paso del filtro. Sólo
existirán cambios de velocidad aleatorios al avanzar de un paso al siguiente,
lo que conduce a la definición del denominado modelo de impulso (impulse
model). Para poder aplicarlo a la navegación de un vehículo móvil se
han aplicando una serie de restricciones al modelo. Estas restricciones consisten
en reducir la incertidumbre del movimiento en la dirección del eje
“y” (vertical a la dirección de avance), así como la incertidumbre en las rotaciones
alrededor de los ejes “z” (dirección de avance) y “x” ( trasversal a
la dirección de avance).
De acuerdo con este modelo, para predecir el próximo estado del vehículo,
se define la función f ( [ ] ) T
v
= X
rob
+ vrob
⋅∆t
q
rob
× q ω⋅∆t
vrob
ω . El
término q[ ω ⋅ ∆t]
representa la transformación de un vector de 3 componentes
en el denominado quaternion, de 4 componentes. Asumiendo que el
mapa no cambia a lo largo del tiempo, las posiciones absolutas de las marcas
Y deben continuar siendo las mismas de un estado al siguiente.
i
2.3 Modelo de Medida
Las medidas visuales se obtienen a partir de las posiciones de las marcas
“visibles”. En nuestro sistema definimos cada uno de los vectores de
predicción de medida h ( ) T
i
= hix
hiy
h como la posición 3D de la marca
iz
correspondiente respecto al sistema de coordenadas del vehículo. Para
elegir la marca a medir, es necesario definir algunos criterios de selección.
Estos criterios se basarán en la “visibilidad” de la marca, es decir, si su
apariencia es suficientemente semejante a la original (cuando la marca fue
inicializada). Esta condición se calcula basándose en la distancia relativa y
ángulo del punto de vista respecto de las obtenidas en la fase de inicialización
(ver Fig. 1).

SLAM Visual en Entornos Exteriores Usando una Cámara Estéreo Gran Angular
y Corrección de Características SIFT 5
Feature
h iorig
β
h i
Fig. 1. Original and current feature measurement vectors.
El primer paso es predecir el vector de medida h i
. Con objeto de buscar
el vector de medida actual z i
, tenemos que definir un área de búsqueda en
las imágenes de proyección. Este área estará definida alrededor de los puntos
de proyección de la predicción de medida h i
tanto para la imagen izquierda
como para la derecha: U L : ( u L , vL
) , U R : ( u R , vR
) . Para obtener las
coordenadas de imagen de proyección, en primer lugar aplicamos el sencillo
modelo de “pin-hole” y posteriormente aplicamos la distorsión usando
los modelos radial y tangencial, que serán detallados más adelante. Para
obtener z necesitamos resolver el problema de geometría inversa, aplicando
asimismo los modelos de distorsión.
i
Respecto a las áreas de búsqueda, serán calculadas basándose en la incertidumbre
de la posición 3D de la marca, denominada covarianza de innovación
S (ver (Davison, 1998)). Dado que tenemos dos imágenes de proyección
diferentes, S i
i
necesita ser transformada en las covarianzas de
proyección P y P .
U L
U R
T
∂U
⎛
L
∂U
⎞
L
PU
L
= ⋅Si
⋅
h
⎜ ;
∂
i
∂hi
⎝
⎟ ⎟ ⎠
PU
R
T
∂U
⎛
R
∂U
⎞
R
= ⋅ Si
⋅
h
⎜
(2)
∂
i
∂hi
Estas dos covarianzas definen otras dos regiones de búsqueda elípticas,
obtenidas tomando un cierto número de desviaciones estándar (habitualmente
3) de las gaussianas 3D.
Una vez que las áreas, donde la proyección de la marca actual debe caer,
se han definido, ya podemos comenzar su búsqueda. En la fase de inicialización,
se almacenan las imágenes que representan los patches izquierdo y
derecho de la marca. Después, para buscar el patch de la marca en su nueva
ubicación, se realizan una serie de correlaciones normalizadas (normalized
sum-of-squared-difference correlations) a lo largo de toda el área de
búsqueda (ver (Davison, 1998)).
⎝
⎟ ⎟ ⎠

6 Robots de exteriores
2.4 Inicialización de Marcas
El criterio para inicializar nuevas marcas es el de mantener un mínimo
número de marcas visibles a la vez. Cuando una marca va a ser inicializada,
se buscará su patch correspondiente dentro de un área de búsqueda rectangular
localizada aleatoriamente en una de las imágenes de la cámara
(normalmente la izquierda).
En el momento de buscar la mejor marca a introducir en el filtro, necesitamos
asegurar que tenga unas propiedades buenas para realizar el seguimiento.
Esto significa que dicha marca debe distinguirse correctamente del
resto de la imagen a lo largo del movimiento del vehículo. En (Shi, 1994)
se describe un operador para medir la “idoneidad” de una marca. Éste,
aplica el gradiente de intensidad tanto en la dirección vertical como la
horizontal. El operador se aplica de una forma eficiente en cada uno de los
pixels del patch de la marca para evaluarla. En caso de que el valor máximo
absoluto sea suficientemente bueno, se seleccionará la correspondiente
marca.
Para calcular la posición 3D de la marca necesitamos encontrar la correspondencia
epipolar. A diferencia del método monocular, aquí podemos obtener
dicha posición en un solo paso. Una vez que tenemos ambas coordenadas
de proyección, podemos calcular la posición 3D usando el modelo
de proyección inversa.
2.5 Gestión del Mapa a Bajo Nivel
Para mantener el mapa actualizado, necesitamos definir criterios acerca
de cuándo introducir (capturar) nuevas marcas y cuándo borrarlas.
Las reglas a seguir serán capturar nuevas marcas para mantener, al menos,
5 marcas visibles al mismo tiempo. Además de esto, tendrá que haber,
al menos, 4 marcas correctamente medidas al mismo tiempo para evitar la
pérdida total en el seguimiento del sistema. Por otro lado, algunas de las
marcas capturadas pueden ser “no idóneas”; por ejemplo, marcas que son
habitualmente incorrectamente medidas. Esto puede ser consecuencia de
reflejos, objetos frecuentemente ocultos, etc. La regla a seguir será eliminar
cualquier marca que haya sido incorrectamente medida en más de la
mitad de los intentos.
2.6 Modelos de Distorsión
Para corregir la gran distorsión de las lentes gran angular se aplican los
modelos radial y tangencial de corrección de la distorsión. La definición
de los modelos se describe en (Heikkila, 1997) y también se aplica a los
jacobianos de proyección. Tomando la cámara izquierda, definimos, en

SLAM Visual en Entornos Exteriores Usando una Cámara Estéreo Gran Angular
y Corrección de Características SIFT 7
coordenadas métricas, las coordenadas distorsionadas ( u
LC
, vLC
) y no distorsionadas
( u
LNC
, vLNC
) . Así pues, podemos relacionarlas de la siguiente
manera, usando el modelo directo:
2 2
( r u )
u
LC
= f ⋅ u
LNC
+ 2P1 Lu
LNCvLNC
+ P2
L
+ 2
(3)
LNC
2 2
= f ⋅ v + P r + 2 v + P u v
(4)
(
LNC
)
L LNC LNC
vLC
LNC 1L
2
2
En las ecuaciones anteriores se definen los siguientes parámetros como:
2 2 2
2
4
r = u LNC
+ v LNC
, f = 1+
K1L r + K
2Lr
. En este modelo denominamos K 1
,
L
K 2 L
a los coeficientes de distorsión radial y P 1
,
L
P 2
a los coeficientes de distorsión
tangencial. Para el modelo inverso usamos un procedimiento iterati-
L
vo.
2.7 Adaptación de Patches
Tal como se explicó anteriormente, a medida que el vehículo se desplaza
por su entorno, la apariencia de los patches cambia respecto de la original
(en el momento de la inicialización). A medida que el vehículo se va alejando
de su estado original la diferencia se incrementa. Esto conduce a una
correlación poco precisa así como un incremento en el número de medidas
incorrectas.
Para reducir su impacto, se aplica un método de transformación de la
apariencia del patch. Cuando la marca se captura inicialmente, se estiman
y almacenan las posiciones 3D de todos los pixels pertenecientes al patch.
Se asume una representación del patch como un plano paralelo al vehículo.
A partir de aquí, cada vez que se mide la correspondiente marca, se estima
la apariencia del patch prediciendo la proyección de cada uno de los pixels
pertenecientes a dicho patch. Para obtener la apariencia completa del éste,
se aplica un método de interpolación eficiente.
3 SLAM de Alto Nivel
Tal como se explicó anteriormente, en grandes entornos, a medida que
el número de marcas crece, el tamaño de la matriz de covarianza P se incrementa
hasta que el tiempo de procesamiento excede las restricciones de
tiempo real. Para evitarlo sólo se introduce en el EKF una ventana local de
marcas visibles. De esta forma, tal como se mostrará en los resultados, se
obtiene un tiempo de procesamiento casi constante en función del incremento
del número de marcas (ver Fig. 9).
Por otro lado, es necesario mantener el error global del mapa lo más bajo
posible. Por lo tanto, también necesitamos asegurar la consistencia del

8 Robots de exteriores
mapa completo. Dado que sólo conservamos la información de la incertidumbre
local de las marcas visibles, es necesario añadir un nivel de procesamiento
adicional que preserve la incertidumbre histórica global del mapa
a lo largo del camino recorrido por el vehículo, es decir, la matriz de covarianza
acumulada P , obtenida como sigue:
G
P ( k)
= P ( k −1)
P ( k)
(5)
G G
+
Para ello, dividimos el mapa global en submapas locales identificados
SF = sf
l
l ∈0...
L , cada una de las cuales compuesta
l l
YF = Yf m∈0...
M . El proceso consiste
por las huellas SIFT { }
por un conjunto de marcas SIFT { }
en tomar huellas periódicamente a lo largo del camino recorrido por el vehículo
(ver Fig. 2). Cada vez que se va a tomar una nueva huella, ésta es
evaluada comparándola con las huellas anteriormente adquiridas en una
región de búsqueda. Esta región se obtiene a partir de P G
dado que es la
variable que contiene la información de incertidumbre global del mapa
completo.
XX
m
Inicio
Esperar condición
evaluación
Evaluación de
huella
Comparación
positiva
Sí
Detección de
cierre de lazo
No
Añadir huella a
base de datos
Corrección de
mapa
Actualización
base de datos
Fig. 2. Gestión del mapa de alto nivel.
En caso de que la evaluación dé cómo resultado que el vehículo está en
un lugar previamente visitado, habremos identificado una situación de lazo
cerrado. Esta situación será explicada más adelante. La filosofía de submapas
EKF fue presentada anteriormente en (Tardós, 2002). Una de las
principales diferencias entre su propuesta y la nuestra es la gestión local de

SLAM Visual en Entornos Exteriores Usando una Cámara Estéreo Gran Angular
y Corrección de Características SIFT 9
los mapas. En (Tardós, 2002), el proceso del EKF se lleva a cabo teniendo
en cuenta todas las marcas pertenecientes a los mapas locales. Nosotros tenemos
en cuenta sólo las marcas visibles. Esto nos permite mantener
siempre un número reducido de marcas procesadas por el EKF. Por otro
lado, en (Tardós, 2002), se trata de construir un mapa global uniendo todos
los mapas locales. Después se lleva a cabo un proceso para identificar todas
las marcas duplicadas, cerrando todos los lazos interiores que hayan
podido producirse. En su lugar, nosotros mantenemos continuamente la incertidumbre
global acumulada, permitiendo la corrección del mapa global
en cualquier momento tan pronto como se detecte una situación de lazo cerrado.
3.1 Huellas SIFT
Tal como se explicó anteriormente, la forma de identificar un lugar se
basa en las denominadas huellas SIFT. Estas huellas están compuestas por
una serie de marcas SIFT distribuidas en toda la imagen de referencia y caracterizan
la apariencia visual de la imagen. Las marcas SIFT fueron introducidas
por D. Lowe en (Lowe, 2001). Las marcas SIFT son invariantes al
escalado en la imagen, a las rotaciones y parcialmente invariantes a los
cambios de iluminación y punto de vista de la cámara 3D. Además de esto,
las marcas son altamente distinguibles, lo cual permite correlar correctamente
cada marca con una alta probabilidad. Esto se consigue asociando a
cada una de las marcas un descriptor de longitud 128, que identificará unívocamente
a todas ellas. El proceso de extracción de marcas SIFT se describe
someramente como sigue:
1. Detección de extremos en el espacio de escala: La primera etapa del
proceso comienza buscando en todas las escalas y localizaciones en la
imagen. Esto se implementa usando una función diferencia de gaussianas
para identificar potenciales puntos de interés (máximos y mínimos locales).
2. Detección de puntos de interés (keypoints): En las ubicaciones de cada
candidato se usa un modelo detallado para determinar la localización y
escala de la marca.
3. Asignación de orientación: A cada uno de los puntos de interés se les
asigna una o más orientaciones en base a las direcciones de los gradientes
de imagen locales. Relacionando las operaciones futuras respecto a estas
direcciones se consigue la invarianza a la orientación.
4. Descriptor del punto de interés: Los gradientes de imagen se miden
en la escala escogida en la región alrededor de cada punto de interés. Esta

10 Robots de exteriores
información se transforma en una representación que proporcionará una
identificación a la marca.
En nuestro proceso global, nosotros almacenaremos estos descriptores
SIFT r δ pertenecientes a la base de datos global, usándolos posteriormente
para el proceso de matching. Las coordenadas de la imagen izquierda así
como las posiciones 3D son también almacenadas
( r
l
Yf = m
uL
vL
X Y Z δ ).
3.2 Proceso de comparación (matching)
Uno de los principales problemas del SLAM en grandes entornos es el
del cierre de lazos. El primer problema a resolver es el reconocimiento de
lugares previsitados, tal como se explicó anteriormente. Una vez que se
identifica una nueva huella, ésta es evaluada, es decir, es comparada con
todas las huellas almacenadas pertenecientes a un área de incertidumbre.
Esta comparación se lleva a cabo a través de un proceso de matching que
, tanto el número de marcas
SIFT reconocidas como sus posiciones relativas en las imágenes a
comparar. El proceso general es el siguiente:
tiene en cuenta, para cada par de huellas ( sf , sf A B
)
1. Cálculo de la distancia euclídea entre todas las marcas SIFT detectadas
en ambas imágenes y selección de aquellas suficientemente cercanas.
2. Cálculo de las líneas que conectan cada par de marcas correladas.
A B
También se computan sus correspondientes longitudes Ln − y pendientes
,
Sp −
3. Las marcas outlayers se excluyen del cálculo haciendo uso del método
RANSAC.
4. La probabilidad de correlación global se calcula como una función
ponderada de 2 parámetros: Número de marcas correladas y relación Inliers/Outliers
(ver Ecuación (6)).
A B
.
i, j
= m ⋅num
matches m ( n n )
(6)
Pfp_ match 1
_ +
2
Una vez detectada la situación de cierre de lazo, se debe corregir el mapa
al completo de acuerdo al lugar reconocido. El primer paso es pues, actualizar
el estado del vehículo ( X ) T
rob
qrob
vrob
ω respecto al lugar previsitado
detectado. Para ello, usamos la geometría epipolar aplicada a las
marcas SIFT identificadas en el proceso de matching del mismo modo que
en la etapa de SLAM de bajo nivel. Esto se consigue gracias a los estados
de las huellas almacenadas X , que representan los estados del vehículo
fp
en el momento de la creación de cada huella. Después de esto, el resto del
mapa, incluyendo las posiciones de las marcas básicas Y i
y los estados de
las huellas X a lo largo del lazo deben ser actualizadas consecuentemen-
fp
I
O
i j

SLAM Visual en Entornos Exteriores Usando una Cámara Estéreo Gran Angular
y Corrección de Características SIFT 11
te. Sin embargo, debemos asegurar que el mapa resultante es consistente.
La idea subyacente es que la incertidumbre global P G
crecerá continuamente
a medida que el vehículo recorre su entorno. Esto quiere decir que el
error en su localización se incrementará hasta que el vehículo revisite un
lugar antiguo que ayude a reducir su propia incertidumbre. En términos de
la construcción del mapa, podemos concluir que las marcas más antiguas
del mapa tendrán una menor incertidumbre asociada y, por tanto, tendrán
que corregirse en menor medida. Por el contrario, en las marcas más recientes
será aplicada una mayor corrección. Este grado de corrección se
modulará en función de la incertidumbre histórica acumulada a lo largo del
lazo al completo (ver Fig. 3). En esta figura podemos también observar la
localización de las huellas justo después de las esquinas del camino. En las
Ecuaciones (7), (8) y (9) mostramos los 3 pasos consecutivos aplicados a
la posición de una simple marca de cara a calcular su nuevo valor corregido.
Τ ( P Gi
) representa la traza de la covarianza global de la huella asociada
a la marca i. D r
R
es la expression en 3 componentes de la matriz de rotación
del vehículo R
rob
. Finalmente, Rot representa la transformación del
vector de 3 componentes a la expresión de matriz de rotación. Los atributos
init y end se refieren a la situación antes y después de la corrección del
mapa.
1
2
2
4
3
Fig. 3. Representación de la incertidumbre global P (en rojo) asociada a cada
G
huella, a lo largo del camino realizado por el vehículo. Cada número representa
una huella.
⎡ Τ
Y ''
i
= Y '
i
⋅Rot⎢
⎣Τ
1 init
Y ' = R
− ( Y − X )
(7)
i
init
i
init
( P )
( ) ( r
) Gi
1 ⎛ Τ( PGi
)
⋅ D +
⎜
R
1 −
fin
P
Τ( P )
Gend
⎝
⎞
⎟ ⋅
⎠
( D )
− −1
Gend
r
R init
⎤
⎥
⎦
(8)

12 Robots de exteriores
⎡ ( )
( )
( )
( ) ⎥ ⎤
fin Τ PGi
−1
⎛ Τ PGi
⎞
−1
Y = −⎢
⋅ +
⎜ −
⎟
i
Y ''
i
X
fin
1 ⋅ X
(9)
init
⎣Τ
PGend
⎝ Τ PGend
⎠ ⎦
Una vez cerrado el lazo, P toma el valor de la antigua huella identificada
asociada. Así, actualizamos la incertidumbre global a la nueva situa-
G
ción. Además, las marcas básicas antiguas revisitadas volverán a ser visibles
de nuevo y podrán ser incorporadas al proceso del EKF de bajo nivel.
4 Resultados
Con objeto de probar el comportamiento de nuestro sistema se han usado
varios videos de prueba. Las cámaras empleadas fueron unas Unibrain
Fire-i IEEE1394 con lentes de gran angular adicionales, las cuales proporcionan
un campo de visión de unos 100º en horizontal y en vertical. Las
cámaras fueron ubicadas debajo del espejo retrovisor del coche tal como se
indica en la Fig. 4.
Fig. 4. Vehículo prototipo usado en las pruebas

SLAM Visual en Entornos Exteriores Usando una Cámara Estéreo Gran Angular
y Corrección de Características SIFT 13
Ambas cámaras se sincronizan en el momento de comenzar la transmisión.
La calibración se realiza offline usando un damero aplicando el método
referenciado en (Heikkila, 1997).
Uno de los videos de prueba se obtuvo recorriendo con el vehículo varias
calles del Campus externo de la Universidad de Alcalá. El camino
completo recorrido, desde el inicio hasta el cierre del segundo lazo fue de
2965 m (ver Fig. 5).
Fig. 5. Vista aérea del camino recorrido por el vehículo (ground truth) dibujado en
color magenta. El punto de partida se indica con el flag S. El punto de cierre del
primer lazo se indica con el flag 1. El punto de cierre del segundo lazo, y final del
recorrido, se indica con el flag E
El punto de partida del camino está marcado con el indicador S, siendo el
sentido del recorrido el que se indica con las flechas. Se completó un primer
lazo interior (flechas cerradas) al llegar al punto con el indicador 1. El
segundo gran lazo exterior (flechas abiertas) se completó al llegar al punto
F, coincidiendo con el final del recorrido.

14 Robots de exteriores
Los resultados de nuestro método, se muestran junto con la referencia o
ground truth. Dicha referencia fue obtenida usando un GPS Diferencial
Inercial JAVAD MAXOR-GGDT.
Si se observan los resultados desde el inicio hasta el cierre del primer
lazo (ver Fig. 6) se concluye que la similitud entre el camino estimado, una
vez cerrado el lazo y realizada la corrección, y la referencia GPS es mucho
mayor que la similitud con la estimación antes de la corrección.
200
150
100
GPS ground truth
Before correction
After correction
50
Z axis(m)
0
-50
-100
-150
-200
-250
-300
-100 0 100 200 300 400 500 600
X axis(m)
Fig. 6. Estimación del camino recorrido hasta el primer cierre de lazo. La línea
rayada representa la estimación antes del cierre del lazo. La línea punto-raya representa
la estimación después del cierre del lazo. La referencia (ground truth) está
representada en línea continua.
Para el caso del cierre del lazo general (ver Fig. 7), se observa asimismo
que la corrección de la estimación del camino recorrido, una vez cerrado el
lazo, mejora notablemente con respecto a la situación anterior. Además, si
se observa el camino recorrido antes de la corrección, se aprecia que en el
último tramo el error es mucho mayor. Esto fue debido a dos situaciones:
Por una parte, en el giro anterior al último segmento se sucedieron varias
oclusiones casi totales producidas por el paso de un autobús, entre otros
vehículos. Respecto a la longitud del tramo, esta fue más corta que el valor
real debido a la ausencia casi total de marcas en el entorno.

SLAM Visual en Entornos Exteriores Usando una Cámara Estéreo Gran Angular
y Corrección de Características SIFT 15
400
300
GPS ground truth
Before correction
After correction
200
Z axis(m)
100
0
-100
-200
-300
-100 0 100 200 300 400 500 600 700 800 900 1000
X axis(m)
Fig. 7. Estimación del camino recorrido hasta el primer cierre del segundo lazo.
La línea reyada representa la estimación antes del cierre del lazo. La línea punto-raya
representa la estimación después del cierre del lazo. La referencia (ground
truth) está representada en línea continua.
En la Fig. 8 a) se representa el error en cada eje ε
n
= X
n
− Xref antes de
n
cerrar el primer lazo. Como se puede apreciar el error llega a ser importante,
alcanzando aproximadamente los 400m. Por otro lado, en la Fig. 8 b) se
representa el error en cada eje una vez completado el recorrido completo,
es decir, una vez cerrados ambos lazos. Si observamos la primera parte,
correspondiente al primer lazo, podemos observar que el error se ha reducido
notablemente en ambos ejes.
Respecto al SLAM de alto nivel, la Fig. 10 muestra la representación
del mapa estimado, incluyendo todas las marcas de bajo nivel y las huellas
de alto nivel. La secuencia representa el mapa justo antes y después de la
situación de cierre del lazo general. Tal como se muestra, el mapa mantiene
la consistencia incluso después de la corrección. La Fig. 11 muestra el
resultado del proceso de matching de 2 huellas, en el cual se aprecian las
correlaciones de marcas SIFT correctas e incorrectas en base al método
RANSAC.

16 Robots de exteriores
600
500
error on X axis
error on Z axis
400
300
error (m)
200
100
0
-100
-200
0 1000 2000 3000 4000 5000 6000 7000 8000 9000
frame number
a)
600
500
error on X axis
error on Z axis
400
300
error (m)
200
100
0
-100
-200
0 2000 4000 6000 8000 10000 12000 14000 16000
frame number
Fig. 8. a) Representación del error en la estimación del recorrido en los ejes X
y Z respecto de la referencia (ground truth) en la situación previa al cierre del primer
lazo. b) Representación del error en ambos ejes al final del recorrido, después
de la corrección global.
b)

SLAM Visual en Entornos Exteriores Usando una Cámara Estéreo Gran Angular
y Corrección de Características SIFT 17
Después de esta situación, el sistema mantiene la consistencia reintroduciendo
las marcas visibles antiguas en el EKF de bajo nivel, detectando
asimismo las huellas antiguas. Debe remarcarse que el mapa está construido
en 3D, sin embrago, dado que el vehículo circula por un camino casi
plano, únicamente se muestra una vista de pájaro 2D del mismo. Respecto
al tiempo de procesamiento, la implementación en tiempo real impone una
restricción de tiempo, el cual no debe exceder los 33 ms por frame a una
velocidad de captura de 30 frames/segundo. Todos los resultados fueron
tomados usando una CPU a 2.0 GHz. La Fig. 9 muestra los tiempos de
procesamiento a lo largo de la mitad del recorrido del vehículo.
50
45
processing time (ms)
40
35
30
25
20
0 1000 2000 3000 4000 5000 6000 7000 8000
frame number
Fig. 9. Tiempos de procesamiento totales a lo largo de la mitad del recorrido
del vehículo.
La principal conclusión que se puede extraer del gráfico es que el tiempo
de procesamiento medio se mantiene prácticamente constante a lo largo del
recorrido del vehículo, siendo éste inferior a la restricción de tiempo real la
mayor parte del tiempo y siendo superado únicamente en el cálculo de algunas
huellas y en el cierre de lazos.
En la Tabla 1 mostramos los tiempos de procesamiento medios para algunas
de las tareas más importantes del proceso.

18 Robots de exteriores
Tabla 1. Tiempos de procesamiento
SLAM de bajo nivel SLAM de alto nivel. (paralelizado)
Número de marcas 5 Número de marcas 8463
Número de huellas 14
Etapa de filtrado Tiempo Tiempo
Medidas 3 ms
Correspondencias de
huellas
3 s
Actualización del filtrpo
de representación
Cierre de lazo + tiem-
5 ms
Inicialización de
gráfica
7 ms
marcas
4 s + 10s
Dicha tabla está dividida en tareas asociadas al SLAM de bajo nivel y de
alto nivel. Respecto al primero, se puede observar que el mayor tiempo es
empleado en la fase de inicialización de marcas, en la que el área de búsqueda
se extiende a lo largo de toda la línea epipolar, a pesar de haber restringido
su longitud para un rango de búsqueda de 1 m → ∞ . Respecto al
SLAM de alto nivel, los datos muestran que el mapa está compuesto por
un número total de marcas de 8463 en el momento del cierre del lazo. Como
puede observarse, el tiempo dedicado al matching de huellas es significativamente
mayor que la restricción de tiempo real. Esto es también aplicable
a la fase de corrección del mapa en el momento del cierre del lazo.
Debe tenerse en cuenta que ninguna de las tareas asociada al alto nivel pertenece
al proceso continuado de autolocalización, que es llevado a cabo
por el SLAM de bajo nivel. Esto significa que no existe la necesidad de
completar dichas tareas dentro del margen de un simple frame. De modo
que se puede obtener un resultado positivo de matching de huellas un cierto
número de frames después de que éste fuera detectado realmente. Después,
se puede simplemente volver a atrás y comenzar la tarea del cierre de
lazo, incluyendo también los últimos frames procesados. Esto implica que
las dos tareas pueden ser computadas en paralelo, manteniéndolas fuera
del proceso en tiempo real.

SLAM Visual en Entornos Exteriores Usando una Cámara Estéreo Gran Angular
y Corrección de Características SIFT 19
a)
b)
Fig. 10. Representación del mapa en la situación de cierre de lazo. Las marcas
de bajo nivel están representadas en color amarillo, mientras que las marcas visibles
y correctamente medidas están representadas en color rojo. Los números verdes
muestran las posiciones de las huellas. La posición del vehículo está representada
en el centro de la cruz de color azul: P . a) Representación justo antes de la
G
corrección del mapa. b) Representación justo después de la corrección del mapa.

20 Robots de exteriores
Fig. 11. Matching de las marcas pertenecientes a las dos huellas. Las correlaciones
de marcas SIFT consideradas outliers se marcan en amarillo, mientras que
las consideradas inliers están coloreadas en magenta.
5 Conclusión
Se ha presentado un método con dos niveles jerárquicos de SLAM que
permite la autolocalización de un vehículo midiendo las posiciones 3D de
diferentes marcas naturales. Se ha probado el correcto funcionamiento del
sistema en grandes entornos exteriores. Respecto al SLAM de alto nivel
basado en huellas, se ha probado que soluciona el problema del cierre de
lazos manteniendo el comportamiento en tiempo real a lo largo de todo el

SLAM Visual en Entornos Exteriores Usando una Cámara Estéreo Gran Angular
y Corrección de Características SIFT 21
recorrido. Actualmente estamos trabajando en la aplicación de métodos
más avanzados para la gestión del mapa de alto nivel.
Acknowledgements
Este trabajo ha sido financiado mediante fondos del Ministerio de Educación
y Ciencia a través del proyecto MOVICON (TRA2005-08529-C02-
01) y, de la Comunidad de Madrid y la Universidad de Alcalá a través de
los proyectos RoboCity2030 (CAM-S-0505/DPI/000176) y LOMUCO
(CCG06-UAH/DPI-0721).
References
López E., Bergasa L. M., Barea R., Escudero M. A Navigation System for
Assistant Robots Using Visually Augmented POMDPs. Autonomous Robots,
Vol. 19, No. 1. pp. 67-87. 2005.
Newman P.M., Leonard J.J., Neira J. and Tardós J. Explore and return:
Experimental validation of real time concurrent mapping and localization.
Proceedings of the IEEE Conference on Robotics and Automation,
pp.1802-1809, 2002.
Davison A. J. Real-time simultaneous localisation and mapping with a single
camera. Proceedings of the 9th International Conference on Computer
Vision, Nice, 2003.
Elinas P., Sim R., Little J. J. SLAM: Stereo Vision SLAM Using the Rao-
Blackwellised Particle Filter and a Novel Mixture Proposal Distribution.
ICRA 2006.
Bosse M., Newman P., Leonard J. and Teller S. SLAM in Large-scale Cyclic
Environments using the Atlas Framework. IJRR 2004.
Newman P., Cole D. and Ho K. Outdoor SLAM using Visual Appearance
and Laser Ranging. ICRA 2006.
Frese U. and Schroeder L. Closing a Million-Landmarks Loop. IROS
2006.

22 Robots de exteriores
Schleicher D., Bergasa L.M., Lopez E. and Ocaña M. Real-Time Simultaneous
Localization and Mapping using a Wide-Angle Stereo Camera and
Adaptive Patches IROS2006.
Shi J. and Tomasi C. Good features to track. In Proceedings of the IEEE
Conference on Computer Vision and Pattern Recognition, 1994, pp. 593-
600.
Davison A. J. Mobile Robot Navigation Using Active Vision. PhD Thesis,
University of Oxford, 1998.
Heikkila and Silven. A Four-step Camera Calibration Procedure with Implicit
Image Correction. CVPR97.
Tardós J., Neira J., Newman P., and Leonard J., Robust mapping and localization
in indoor environments using sonar data. Int. J. Robotics Research,
vol. 21, no. 4, pp. 311–330, 2002.
Lowe D.G. and Little J. Vision-based mobile robot localization and mapping
using scale-invariant features. In International Conference on Robotics
and Automation, Seoul, Korea, pp. 2051-58. 2001.

CAPÍTULO 2
Toma de Decisiones para Cooperación de
Vehículos Autónomos en Maniobras Críticas
T. DE PEDRO, R. GARCÍA , C. GONZÁLEZ, J.E. NARANJO y J.
ALONSO
Instituto de Automática Industrial -CSIC; {tere, ricardo, gonzalez, jnaranjo,
jalonso@}@iai.csic.es
Los sistemas de conducción de vehículos autónomos desarrollados en el
Instituto de Automática Industrial tienen la capacidad de comportarse, en
gran medida, como si fueran conductores humanos. Suponiendo resuelto el
problema de la conducción automatizada para un único vehículo, el reto
que nos planteamos ahora es añadir a los sistemas de conducción individuales
la capacidad coordinación con otros vehículos, conducidos automática
o manualmente.
1 Introducción
En este artículo partimos de los resultados conseguidos en el programa
AUTOPÍA para la conducción de un único vehículo. El sistema de conducción
se adapta al trazado de la vía –mediante el control de la dirección
y la velocidad máxima- (Naranjo, 2004) (Naranjo, 2005) y a ciertas condiciones
de tráfico –mediante el control adaptativo de la velocidad- (Naranjo,
2003). El objetivo ahora es añadir a estos sistemas individuales la capacidad
de coordinación con los demás vehículos que circulan por la zona de
interés (Naranjo, 2003 bis). Los procedimientos de coordinación para
cualquier maniobra los implementaremos mediante algoritmos de toma de
decisiones que, esencialmente, se limitan a permitir o aplazar el movimiento
en curso de cada vehículo involucrado en ella (Naranjo 2007). En este
artículo repasaremos las maniobras más comunes como adelantamientos,
circulación en caravana, circulación en cruces y rotondas y maniobras de
aparcamiento. Para ello hemos elegido un conjunto representativo de casos

24 Robots de exteriores
de estudio, en los que vamos a analizar la información deben compartir los
algoritmos de toma de decisiones y cuales son los controladores laterales y
longitudinales adecuados para tomar el control del vehículo en función del
escenario de tráfico. En cuanto a realizaciones, se han implementado algoritmos
de toma de decisiones para automatizar casos sencillos de paso de
cruces y adelantamientos complejos. Además se han realizado los primeros
experimentos reales con vehículos de serie equipados con DGPS, computadores,
red de comunicación inalámbrica e instrumentación adecuada para
accionar la dirección, el acelerador y el freno. Los adelantamientos más
complejos, que involucran tres vehículos y tráfico de doble sentido se han
simulado (Alonso, 2007).
2 Herramientas disponibles
Antes de continuar conviene tener en cuenta los tipos de controladores
desarrollados en el programa AUTOPÍA que están disponibles para los algoritmos
de decisión.
Se ha desarrollado dos clases de controladores, los laterales, de la dirección,
y los longitudinales, de la velocidad. Entre los controladores laterales,
distinguimos los que siguen líneas de referencia rectas o ligeramente
curvadas, los que siguen trayectorias curvas pronunciadas y los que siguen
trayectorias específicas para pasar al carril contiguo, derecho o izquierdo,
de forma suave. La diferencia entre ellos estriba fundamentalmente en la
amplitud máxima permitida para los giros del volante y, sobre todo, en la
rapidez de giro del mismo. Entre los controladores longitudinales distinguimos
los que mantienen una velocidad y los que se adaptan a la velocidad
del vehículo precedente, CC y ACC respectivamente por sus siglas en
inglés, y los de parada y arranque, stop&go, que permiten conducir en caso
de atascos. (Estos últimos no son más que el caso límite de los ACC, pues
permiten parar el vehículo completamente y reanudar la marcha). A su vez
los controladores de la velocidad se pueden descomponer en otros más
elementales, los del acelerador y los del freno, pero éstos son transparentes
para los algoritmos de toma de decisiones.
Finalmente, antes de entrar en detalle, conviene tener in mente que la
función esencial de los algoritmos de toma de decisiones es determinar el
instante y los controladores laterales y longitudinales que deben tomar el
control del vehículo durante la ejecución de la maniobra.

Toma de Decisiones para Cooperación de Vehículos Autónomos en Maniobras
Críticas 25
3 Toma de decisiones en maniobras de adelantamiento
La peligrosidad de la maniobra de adelantamiento en vías de doble sentido
justifica que las investigaciones en Sistemas Inteligentes de Transporte
(ITS) estén dedicando un esfuerzo importante al desarrollo de ayudas para
facilitarla. Sin embargo, a pesar de estos esfuerzos, hasta ahora no conocemos
trabajos de investigación distintos a los nuestros que vayan más allá
de simular ciertas maniobras.
t 2
v’ 1
v 1
t 1
t 1
A
v 2 v’ 2
l
t 2
l
v
t
1 v 1
3
v 2 v 2
Fig. 1. El esquema muestra los instantes en los que cambia el control lateral.
En cualquier adelantamiento se encadenan tres acciones relacionadas
con el control lateral, mover el coche al carril de la izquierda, seguir por el
carril de adelantamiento y mover el coche al carril de la derecha. Estas acciones
que realizarse en paralelo con las del control longitudinal. En general,
los algoritmos de decisión eligen un ACC para controlar la velocidad
en los adelantamientos. Por consiguiente hay que tomar dos decisiones
esenciales, cuando iniciar el cambio al carril izquierdo y cuando iniciar el
regreso al carril de partida. En ambos momentos el control lateral es del tipo
cambio de carril. Entre ambas decisiones hay que tomar otra, cuando se

26 Robots de exteriores
detecte que el vehículo está centrado en el carril de adelantamiento, en este
momento hay que seleccionar el control lateral de seguimiento de trayectoria,
la trayectoria de referencia del carril izquierdo.
La toma de decisiones se basa en el conocimiento del escenario de conducción,
por consiguiente la información que tienen que compartir los vehículos
es: el mapa de la zona y las posiciones, velocidades e intenciones
de los vehículos involucrados. Por intención entendemos la acción inmediata
del vehículo (haciendo una analogía con la conducción manual, la
acción que un conductor humano indica con los intermitentes).
En este artículo no nos ocupamos de la adquisición de datos del entorno,
pues para la toma de decisiones no es relevante el tipo de sensores colocados
en la infraestructura o en los vehículos, ni el sistema de comunicaciones.
Sí es esencial que los datos sean fiables y coherentes, en particular
que su adquisición se haga en el mismo intervalo de tiempo.
35
30
Velocidad (Km/h)
25
20
15
10
5
0
Velocidad Real del Vehículo que adelanta
Consigna de velocidad del vehículo que adelanta
Velocidad real del vehículo adelantado
Desplazamiento Lateral (m)
9
6
3
0
-3
-6
0 seg
5 seg
10 seg
0 seg 5 seg
10 seg
Trayectoria del vehículo que adelanta (conducido automáticamente)
Trayectoria del vehículo adelantado (conducido manualmente)
Marcas de tiempo del que adelanta
Marcas de tiempo del adelantado
15 seg
15 seg
20 seg
20 seg
25 seg
25 seg
30 seg
30 seg
-9
-20 0 20 40 60 80 100 120 140 160 180
DesplazamientoLongitudinal (m)
Fig. 2. Un vehículo autónomo adelanta a 29 Km/h a otro vehículo conducido
manualmente que circula a 15 Km/h.
4 Formaciones de vehículos: pelotones e hileras
Un pelotón es una cadena de vehículos que circula a lo largo de una vía
como una sola unidad, mediante un sistema de control único para todos.

Toma de Decisiones para Cooperación de Vehículos Autónomos en Maniobras
Críticas 27
Los vehículos se comportan de forma colectiva, circulando uno tras otro
detrás del líder y manteniendo entre ellos una separación que puede ser
muy pequeña, de un par de metros, lo que impide que otro vehículo entre
en el pelotón. En los pelotones, los vehículos están ligados con el líder
mediante redes de comunicaciones en tiempo real y el líder es el único que
tiene plena capacidad de decisión y control. Una hilera es también una cadena
de vehículos que circulan uno tras otro, pero manteniendo cada uno
su capacidad de decisión y control, un ACC, lo que les permite comportarse
de forma individualizada. En las hileras todos los vehículos se comunican
entre sí en tiempo real.
Fig. 3. Formación de vehículos
En un pelotón, el líder percibe e interpreta el escenario y decide las acciones
a realizar. Estas acciones sobre el acelerador, el freno y la dirección,
son transmitidas al resto de los vehículos y ejecutadas al unísono. Por el
contrario, cada vehículo de una hilera percibe e interpreta el entorno y toma
sus propias decisiones, permitiendo un comportamiento individualizado.
Aunque en primera aproximación el comportamiento de los pelotones
y de las hileras sea parecido, en el análisis de los casos particulares que siguen,
veremos que hay diferencias.
Otro aspecto a considerar son las ventajas e inconvenientes de ambas
formaciones para el tráfico. Los pelotones pueden aumentar la ocupación
de las vías, y en consecuencia su eficacia, pero su comportamiento es bastante
rígido y necesitan vías dedicadas. Las hileras son mucho más flexibles,
su comportamiento imita al del tráfico convencional, y no necesitan
vías dedicadas, pero la separación entre vehículos debe ser mayor que en
los pelotones, por motivos de seguridad. En efecto, en la literatura se describen
modelos teóricos en los que, cuando varios vehículos equipados con
ACC circulan en hilera, el comportamiento dinámico del conjunto puede
resultar peligroso debido a la “inestabilidad de la hilera” (Guang, 2004)
(Jing, 2004). Por ejemplo, si por algún motivo el primer vehículo frena
fuerte y bruscamente, la distancia entre vehículos puede variar mucho de

28 Robots de exteriores
unos a otros, con efectos graves en el flujo y la seguridad del tráfico. En
consecuencia, para garantizar las condiciones de seguridad en la circulación
en hilera, hay que determinar algunos valores límites, en particular, el
máximo permitido de la velocidad y el mínimo permitido de la distancia
entre vehículos. Una vez determinados, los controladores ACC permiten
garantizar que ambos límites no se superen.
v
Fig. 4. Efectos indeseados en una frenada de emergencia.
Mover una fila de vehículos separados por una distancia fija a velocidad
constante. Si la fila se configura como un pelotón, el líder fija la velocidad
de crucero, y envía las mismas órdenes de control para el freno y el
acelerador de todos los vehículos que lo siguen. Si la fila es una hilera, cada
vehículo toma su decisión y determina los valores de consigna para el
freno y el acelerador.
Fig. 5. División de una fila
División una fila. Cuando una causa externa, como un semáforo en rojo,
interrumpe un pelotón el vehículo que lo detecta tiene que pasa a líder. Si
se trata de una hilera cada vehículo actúa de acuerdo con su percepción del
entorno.
Unión de dos filas. Cuando una fila alcanza a otra que circula más despacio,
si son dos pelotones el líder del último tiene que informar al del
primero del número de nuevas unidades que se añaden y este vehículo deja

Toma de Decisiones para Cooperación de Vehículos Autónomos en Maniobras
Críticas 29
de ser líder. Si se trata de una hilera cada vehículo actúa de acuerdo con su
percepción del entorno.
Entrada o salida de un vehículo de una fila. Si la fila es un pelotón un
vehículo entrante debe informar al líder del lugar que quiere ocupar en la
fila y el líder debe enviar a los vehículos que están detrás del lugar elegido,
consignas para el freno hasta que la separación sea suficiente para permitir
la inclusión del nuevo vehículo. Cuando la maniobra esté completa, el líder
volverá a transmitir las mismas consignas para todo el pelotón. Análogamente,
un vehículo que deja un pelotón, debe informar al líder, éste enviará
al vehículo, y a todos los siguientes, consignas para frenar hasta que la
separación sea suficiente para permitir la salida. Cuando la salida se haya
producido, el líder enviará consignas a los vehículos posteriores para acelerar
hasta recuperar la separación inicial. A partir de este momento el líder
volverá a transmitir las mismas consignas para todo el pelotón.
v
Fig. 6. Alteraciones en la composición de una formación
Aunque se pueden considerar más casos, por ejemplo que una parte del
pelotón tome una bifurcación o que el pelotón tenga que evitar un obstáculo,
con los ya analizados podemos concluir que la conducción automatizada
de pelotones es muy rígida y sólo es interesante en el caso de que se
pueda circular por vías exclusivas. Por otra parte, aunque en primera
aproximación parezca que hay que dedicar menos recursos computacionales
al control de pelotones que al de hileras –sólo el líder necesita plena
capacidad de decisión y control- esto no es así, si tenemos en cuenta que
por contingencias del tráfico, cualquier vehículo del pelotón puede convertirse
en líder. Por ello nos parece más interesante concentrar nuestros esfuerzos
en el control vehículos con CC, ACC o parada-y-arranque, pero
minimizando los efectos negativos de la inestabilidad para la seguridad del
tráfico.

30 Robots de exteriores
5 Conclusiones
Aunque la cooperación de vehículos autónomos en cualquier maniobra
y cualquier escenario es un problema complejo y no estamos aún en condiciones
de resolverlo, creemos que estamos en el camino de lograrlo. Para
ello hemos empezado por analizar los datos necesarios para automatizar la
circulación simultánea de vehículos en caravanas, adelantamientos e intersecciones
y desarrollar algunos algoritmos de toma de decisiones. Algunas
algoritmos se han implementado y se han probado en experimentos reales
otros se han probado en simulaciones.
Agradecimientos
Este artículo describe investigaciones realizadas en los proyectos SARA:
DPI2005-07980-C03-01, ENVITE: Ministerio de Fomento T 7/2006 y CyberCars-2:
6º PM 028062.
Referencias
J. Alonso, J.I. Suarez, J. Jiménez, T. de Pedro, 2007, Cooperation between
autonomous cars: Overtaking maneuver, in Proc. Eurocast 2007, Las Palmas,
12-16 febrero 2007
J.E. Naranjo, C. González, R. García, T. de Pedro, 2004, Fuzzy logic based
lateral control for GPS map tracking, in Proc. 2004 IEEE Intelligent Vehicles
Symposium, 397-400.
J.E. Naranjo, C. González, R. García, T. de Pedro, R. Haber, 2005, Power
steering control architecture automatic driving, IEEE Transactions on Intelligent
Transportation Systems, vol. 6, n.4, 406-415, December 2005
J.E. Naranjo, J. Reviejo, C. González, R. García, T. de Pedro, 2003, Adaptive
fuzzy control for inter-vehicle gap keeping, IEEE Transactions on Intelligent
Transportation Systems, vol. 4, 132-143, September 2003
J.E. Naranjo, J. Reviejo, C. González, R. García, T. de Pedro, 2003, Overtaking
maneuver experiments with autonomous vehicles, in Proc. ICAR
2003, 11 th Inernational Conference on Advanced Robotics, 1669-1703,
June 2003

Toma de Decisiones para Cooperación de Vehículos Autónomos en Maniobras
Críticas 31
J.E. Naranjo, R. García, C. González, T. de Pedro, J. Alonso, 2007, Automatic
cooperative driving for road intersection based on GPS and wireless
communications, in Proc. Eurocast 2007, 12-16 febreo 2007.
Guang Lu, Tomizuka, M., A practical solution to the string stability problem
in autonomous vehicle following, Vol 1, 780-785, 30 June -2 July
2004, ISSN.0743-1619, ISBN 0-7803-8335-4.
Jing Zhou, Huei Peng, 2004, Range Policy of Adaptative Cruise Control
for Improved Flow Stability and String Stability, in Proc. IEEE International
Conference on Networking, Sensing and Control, 595-600, 0-7803-
8193, March 21-23.

32 Robots de exteriores

CAPÍTULO 3
Aplicación de Técnicas Robóticas al
Adelantamiento Entre Vehículos Pesados
C. AGÜERO, V. GÓMEZ, J. CAÑAS, V. MATELLÁN, F. MARTÍN, P.
BARRER.
Grupo de Robótica de la Universidad Rey Juan Carlos. 28933 Móstoles,
Madrid (España). {caguero, vmanuel, jmplaza, vmo, fmartin, barrera}@gsyc.es.
El objetivo de este artículo es presentar la aplicación de técnicas desarrolladas
en el campo de la robótica móvil al terreno de los vehículos pesados.
En concreto, se presenta la aplicación de sensores y algoritmos de origen
robótico a un sistema de adelantamiento entre vehículos pesados. Con este
sistema se persigue agilizar esta maniobra aumentando la fluidez del tráfico
y mejorando la seguridad.
El sistema descrito utiliza una serie de sensores distribuidos por el vehículo
y un procesador para identificar el inicio y fin del adelantamiento,
elevando en esas situaciones el umbral máximo de velocidad permitida al
vehículo.
En este artículo justificamos la utilidad de este sistema, establecemos
los requisitos que debe cumplir, describimos el prototipo realizado y detallamos
las pruebas llevadas a cabo con él para verificar su funcionamiento.
1 Introdución
El sector del transporte de mercancías por carretera está regulado por la
Unión Europea. En concreto, la directiva 92/6/EEC (Euro,1992) estipula
que los vehículos pesados deben estar obligatoriamente equipados con limitadores
de velocidad. Es habitual que estos vehículos viajen a la máxima
velocidad permitida y las diferencias de velocidad entre un camión y otro
sean mínimas.

34 Robots de exteriores
Fig.1. Adelantamiento entre vehículos pesados.
La baja velocidad relativa entre los vehículos implicados en un adelantamiento
ralentiza esta maniobra, aumentando el riesgo de accidente.
Igualmente aumenta la congestión en las carreteras.
Las estadísticas de tráfico lo consideran una de las mayores causas evitables
de atascos en las autopistas y la causa de múltiples accidentes cada
año.
La maniobra de adelantamiento con uno de los camiones detenido necesita
unos 150m. (espacio para cambiar de carril, recorrer la longitud del
vehículo adelantado, retorno al carril). En una situación real a 2 km/h de
velocidad relativa (por ejemplo con dos camiones circulando a la máxima
velocidad permitida, a 91Km/h y 89Km/h respectivamente), estos pocos
metros implican más de 3 minutos (150*60/2000=4.5 en el peor de los casos),
y supone unos 5 Km. de recorrido real (90*4.5/60=6.75 en el peor de
los casos).
El objetivo del trabajo descrito en este artículo es el diseño y construcción
de un sistema que detecte autónomamente situaciones de adelantamiento
en condiciones de velocidad relativa baja, y que permita una pequeña
velocidad extra que reduzca el tiempo de adelantamiento. Este
sistema se ha denominado SIA: Sistema Inteligente de Adelantamiento
(Gómez 2005).
En el mismo ejemplo anterior, supongamos ahora que el limitador de
velocidad pudiese incrementar la velocidad del vehículo que adelanta, por
ejemplo en 20Km/h. Esa sería ahora aproximadamente la velocidad relativa
de los vehículos. El tiempo del adelantamiento pasaría a estar ahora en
el entorno a los 24s, de manera que la maniobra se alargaría hasta los 750
metros aproximadamente, lo que es una reducción más que significativa.
El proceso concreto se ilustra en la Fig.1. donde se representan además los
sensores que deberán ser capaces de detectar esta situación.
Muchas tecnologías de sensorización disponibles actualmente en los robots
móviles se usan también en la industria del automóvil. Por ejemplo

Aplicación de Técnicas Robóticas al Adelantamiento Entre Vehículos Pesados
35
los sensores de ultrasonidos, la visión, etc. En el artículo se presentará una
comparativa de las más usuales y los motivos que nos han llevado a elegir
las utilizadas en SIA 1
Igualmente, en el artículo describiremos los algoritmos, que previamente
desarrollados para robots móviles, han sido empleados en la implementación
del prototipo del SIA.
Finalmente, en el artículo presentaremos un resumen de los experimentos
realizados para verificar el funcionamiento del sistema realizado, así
como las conclusiones extraídas.
2 Sistema diseñado
El primer paso en el diseño de cualquier sistema es el establecimiento de
los requisitos del mismo. En el caso del SIA los más relevantes son:
• Autonomía: la decisión de conceder velocidad extra no se puede delegar
en el conductor. Es más, sería deseable que el conductor no pudiese influir
conscientemente en la decisión.
• Generalidad: el sistema tiene que ser capaz de detectar cualquier tipo de
vehículo, o el mayor porcentaje posible de los diferentes tipos. Por ejemplo,
no es aceptable que se necesite que los vehículos adelantados estén
equipados con algún dispositivo como reflectores, emisores, etc.
• Robusted: el prototipo irá empotrado en un vehículo, esto influye por
ejemplo en la alimentación disponible (12V./24.). También deberá soportar
vibraciones, temperaturas muy variadas, etc.
• Fiabilidad: el sistema tiene que funcionar en la mayor cantidad de condiciones
atmosféricas posible. Igualmente el sistema debería funcionar en diferentes
tipos de carreteras: autopistas, de montaña, etc. así como a diferentes
horas del día, noche, etc.
• Coste: la relación calidad-precio es un factor clave para cualquier sistema
industrial. En particular, el coste total del sistema debería ser similar al de
otros sistemas de ayuda a la conducción disponibles para vehículos comerciales
(GPS, logística, etc.)
Estos requisitos son los que hemos tenido en cuenta a la hora de diseñar el
sistema de percepción. En concreto, en la industria del automóvil se han
utilizado diferentes tecnologías que hemos tenido que evaluar. Las más
1 Este trabajo ha sido ideado, patentado y realizado por el Instituto Nacional de Técnica Aerospacial
(INTA), con la colaboración de la empresa Consultrans SA, y la Universidad Rey Juan Carlos a
través del contrato SIS M-151

36 Robots de exteriores
usuales se basan en visión (Dickmans 1997), láser (Ewald 2000) o ultrasonidos,
e incluso revisiones de ellos (Sun 2004).
Otra tecnología muy utilizada en la automoción es el RADAR están extendidas
en el campo de la automoción. Esta tecnología está siendo ampliamente
utilizada en los ACC (Auto Cruise Control) para controlar la velocidad
y en los más avanzados CWS (Collision Warning Systems) para
ajustar la velocidad de los automóviles a la velocidad de los vehículos que
les preceden.
Igualmente, existen sistemas propuestos para detectar las situaciones de
adelantamiento entre vehículos (Wang 2005), tradicionalmente basados en
visión (Batavia 1997). Estos sistemas están generalmente diseñados para
servir de ayuda al conductor y son muy sensibles a las condiciones atmosféricas
y con elevados requisitos computacionales que incumplen los requisitos
de nuestro sistema.
En nuestro estudio los sensores RADAR han mostrado dos problemas
fundamentales: La falta de proveedores en España y la incompatibilidad
legal de utilización en Europa. En primer lugar los fabricantes de estos
dispositivos venden el sistema completo, el CWS, no el sensor, y no tienen
un interfaz de programación para adaptar su uso a nuestras necesidades.
Además, se trata de proveedores de la industria del automóvil, poco acostumbrados
a vender un único dispositivo, por lo que nos ha resultado imposible
verificar sus posibilidades. En segundo lugar, el rango de frecuencias
americano es diferente del europeo, lo que hace a estos sistemas
ilegales en Europa, ya que se trata de proveedores americanos.
El tipo de sensores más extendido en la industria de la automoción es el
de ultrasonidos. Multitud de automóviles están equipados con sensores de
ayuda al aparcamiento. Comparado con un RADAR, un sensor de ultrasonidos
es más impreciso, especialmente por la incertidumbre angular (aunque
se podría acotar usando más de un sensor); tiene menos alcance (un
orden de magnitud menor). En cambio su precio es varios órdenes de magnitud
menor.
Los sensores láser por su parte tienen una precisión muy alta, tanto radial
como angular: menor de un centímetro en distancia y una resolución
de un cuarto de grado; su alcance es medio (entre 30 y 80 metros dependiendo
del modelo). Su principal inconveniente es el precio, no tan elevado
como el radar, pero mucho mayor que el de ultrasonidos.
Los sensores basados en infrarrojos tienen varios problemas. El más
grave es su sensibilidad a las condiciones atmosféricas: Un cambio de la
luz ambiente produce bruscas variaciones de medidas. Por ello son muy
imprecisos. A cambio, su precio es muy reducido. Otra alternativa son los
sensores LIDAR, a medio camino entre el láser y los ultrasonidos tanto en
precio como en prestaciones.

Aplicación de Técnicas Robóticas al Adelantamiento Entre Vehículos Pesados
37
Sensor Rango Precio Resolución Fiabilidad
Infrarrojos 10 m Bajo 10 cm muy baja
Ultrasonidos 20 m Bajo 10 cm baja
Láser 80 m Alto 1 cm media
RADAR 200 m Alto 5 cm alta
LIDAR 50 m Medio 10 cm media
Tabla 1. Caracterización de las tecnologias de sensores
La Tabla. 1 resume las características de los sensores descritos en párrafos
previos. Una alternativa que no aparece en la Tabla.1 es la basada en visión,
que se descartó por su elevado coste computacional.
A la vista de la Tabla.1 la sensorización que nos ha parecido más apropiada
consistió en un sensor láser para la detección frontal del vehículo y sensores
de ultrasonidos para los laterales. De esta forma, se aprovecha la precisión
del láser para identificar el vehículo a adelantar y la apertura del haz
de ultrasonidos para detectar lateralmente a vehículos con todo tipo de
morfologías.
Fig.2. Sistema sensorial: ultrasonidos y láser
El sistema sensorial se ha construido modularmente, con un subsistema
encargado de gestionar los sensores de ultrasonidos construido alrededor
de un microprocesador PIC (parte izquierda de la Fig. 2), un subsistema láser
(parte derecha de la Fig. 2) y un sistema de control que será el que decida
si conceder o no la velocidad extra en función de la información proporcionada
por los dos subsistemas anteriores.
El subsistema de control en el prototipo descrito en este artículo se encuentra
en un PC portátil. Todos los subsistemas se comunican a través de
un interfaz estándar, en concreto se usa RS232.

38 Robots de exteriores
La programación del microcontrolador que gestiona los sensores de ultrasonido
se ha realizado en ensamblador y se han utilizado varios elementos
específicos del modelo seleccionado (PIC 16F876). Por ejemplo,
hemos usado la USART para el envío y recepción RS232 de los datos, la
unidad CCP con el fin de capturar el rebote de la señal emitida por los ultrasonidos,
etc.
La placa es capaz de gestionar hasta 4 sensores de ultrasonidos y conectarlos
al computador de control a través del puerto serie. La placa desarrollada
se encarga de controlar el disparo de los sensores de ultrasonidos, de
forma que no interfieran entre ellos y se obtenga la mayor frecuencia de
medidas posible. Para ello, los tiempos entre disparo son dinámicos, y se
calculan en función del número de sensores conectados y el tiempo máximo
de vuelo.
El diseño eléctrico de la placa persigue que su rango de funcionamiento
sea lo más amplio posible. En este sentido y para favorecer el uso con las
distintas baterías que incorporan los camiones, la placa puede alimentarse
a cualquier tensión entre 12V y 24V.
3 Sistema de control
La aplicación de control se basa en el autómata de estados de la Fig.3. El
estado en el que está el sistema depende del estado anterior y de la información
obtenida de analizar los datos sensoriales actuales. Existen tres posibles
estados: Búsqueda de obstáculo frontal (1), detección de obstáculo
lateral (2) y detección de fin de obstáculo (3).
Fig.3. Autómata empleado en la aplicación de control

Aplicación de Técnicas Robóticas al Adelantamiento Entre Vehículos Pesados
39
En el primer estado se analizan los datos tomados por el láser para identificar
al vehículo que potencialmente será adelantado. Una vez detectado, si
el conductor ha señalado la maniobra con el intermitente, y se acerca al
vehículo, se concede la velocidad extra y se pasa al segundo estado. En el
segundo estado se analizan los sensores de ultrasonido. Cuando se percibe
que el vehículo está a la altura del sensor se produce una nueva transición.
En el tercer estado se analizan los ultrasonidos para detectar el fin del adelantamiento.
Cuando el vehículo es rebasado, el autómata retorna al estado
inicial, anula la velocidad extra y comienza de nuevo el ciclo.
Fig. 4. Aspecto de la aplicación de control
La Fig. 4 muestra el aspecto del interfaz de la aplicación de control. En la
parte izquierda se aprecian los iconos que indican el estado en el que se
encuentra la aplicación. En la esquina inferior izquierda se sitúa otro icono
que muestra si el limitador de velocidad está activo o no. En la parte superior
se visualizan las medidas del láser (en este caso una simulación de un
túnel con un vehículo delante). En la parte derecha se representan las medidas
de los sensores de ultrasonidos. En este caso 2.
Para la detección frontal, la información sensorial proporcionada por el
sensor láser consiste en un conjunto de 180 medidas de distancia a una frecuencia
de 10 Hz.
Esta información no es fácil de interpretar directamente, por lo que hay
que realizar un procesado de ella. En concreto, el sistema desarrollado

40 Robots de exteriores
agrupa puntos en segmentos rectos, siendo una de las aportaciones del sistema
el algoritmo de segmentación de las medidas obtenidas por el láser.
Este algoritmo, basado en el propuesto para robots móviles en [Gómez
2003], se basa en hipotetizar segmentos. Inicialmente estima la pendiente
entre el primer y el último punto obtenidos por el láser, e intenta verificar
si todos los puntos intermedios están dentro de la recta hipotetizada, con
una determinada tolerancia. Para ello calcula la coordenada y' esperada utilizando
la ecuación de la recta y'=pendiente*(x-x1)+y1, donde (x1,y1) es un
extremo del segmento.
Una vez calculado este valor se compara con el valor real que tiene ese
punto en el eje Y. Si se sale del umbral puede descartarse el segmento
hipotetizado. El algoritmo hipotetizará un nuevo segmento que tiene como
punto inicial aquel cuyo valor del eje Y quedaba fuera del umbral establecido,
y como punto final el mismo que tenia el segmento descartado. Esta
solución asume que un segmento es bueno, es decir hace válida la hipótesis,
cuando todos sus puntos intermedios están dentro del umbral de tolerancia.
Además de eso tiene que cumplirse que la distancia entre puntos
consecutivos no sea mayor que un determinado valor. Si hay puntos entre
los cuales la distancia es muy grande seguramente no pertenezcan al mismo
segmento (p. e. dos coches en paralelo, etc.).
Fig. 5. Segmentación de los puntos láser durante una prueba a escala
El proceso de segmentación de los puntos láser se puede ver en Fig. 5. En
la parte (a) se puede observar como inicialmente el segmento hipotetizado
(en color rojo) es el que va de la medida del haz 0 al 179. También se puede
observar que el primer punto analizado que está fuera del umbral (línea
roja discontinua) es el que rompe la hipótesis (señalado por la flecha de color
negro). Cuando se rompe la hipótesis se realiza otra nueva que en este
caso va desde el punto donde se rompió hasta el punto final, como se aprecia
en la parte (b). También se puede se puede observar en la imagen en

Aplicación de Técnicas Robóticas al Adelantamiento Entre Vehículos Pesados
41
qué punto se rompe la hipótesis (indicado por la flecha). En la parte (c) el
algoritmo ya ha descartado más hipótesis y desecha ésta también porque la
distancia entre los puntos de la parte de arriba de la hipótesis es muy grande.
En este caso se rompe la hipótesis en el punto (indicado por la flecha)
en el que su distancia con el anterior era muy grande. Por último en la figura
(d) se puede ver como el algoritmo ha validado una hipótesis (el segmento
de color verde) y se dispone a analizar el resto de las medidas.
Después de realizar esta segmentación se comprueba si algún segmento
se corresponde con un vehículo precedente cercano, verificando que:
• El segmento debe estar centrado en el foco del láser, es decir, debe ser
un segmento correspondiente a la medidas centrales de entre las obtenidas
por el láser. Con esto el vehículo está justo enfrente del nuestro que
lleva el sistema SIA.
• El segmento debe tener pendiente casi nula. De momento sólo estamos
analizando el caso sencillo de adelantamiento, en el que se supone que
el adelantamiento se realiza en un tramo recto. Por este motivo el vehículo
precedente se corresponderá con un segmento horizontal (con cierto
margen de tolerancia).
• La distancia entre el láser y el segmento debe ser menor a un umbral.
El vehículo precedente se puede detectar desde 50 m. pero hasta que no
estemos suficientemente cerca el adelantamiento no tiene sentido.
• El segmento debe tener una cierta longitud para que se pueda concluir
que es un vehículo.
Si se cumplen estas condiciones el sistema determinará que existe un vehículo
susceptible de ser adelantado y se pasará al estado 2
El evento que provoca el paso del estado 2 al 3, es decir el fin del adelantamiento,
es la detección lateral del vehículo. Esta detección consiste en
identificar flancos en las medidas de distancia de los sónares, ya que cuando
se empieza a detectar al vehículo a rebasar la distancia disminuye y se
produce un escalón. Lo mismo sucede cuando se deja de detectar al vehículo
una vez rebasado por completo.
Para la implementación de la detección lateral hemos seleccionado una
ventana dinámica y configurable que analiza y calcula la media de las medidas
sónar durante un espacio de tiempo de 2 seg.
Cada medida capturada por los ultrasonidos es comparada con la media
de valores recibidos en la última ventana temporal. Si la medida varía significativamente
respecto de la media, esta medida se considera como un
posible obstáculo. Si la siguiente medida también lo hace se considera que
se ha detectado un obstáculo. La media de valores obtenida hasta este pun-

42 Robots de exteriores
to se almacena temporalmente. Esta técnica es robusta ante ruido durante
la fase de verificación del obstáculo.
4 Pruebas y Resultados
El objetivo de las pruebas realizadas ha sido comprobar el correcto funcionamiento
del programa de control y la validez de los sensores escogidos en
situaciones de tráfico real, en condiciones óptimas. Es decir, no se han analizado
aún situaciones metereológicas adversas, ni escenarios complejos de
caravanas de vehículos, vehículos compinchados para adelantamientos alternativos,
etc.
Se ha realizado una batería de pruebas para validar la viabilidad del sistema.
Las se realizaron en exteriores, con vehículos reales no preparados,
pero a baja velocidad. Concretamente, se realizaron en un aparcamiento al
aire libre (parte superior de la Fig. 6) con el objeto de comprobar si el sistema
sensorial era capaz de detectar si las plazas de aparcamiento estaban
vacías o no, lo que se aprecia en la parte inferior de la Fig. 6.
Fig.6. Prueba a baja velocidad (aparcamiento).
El siguiente experimento consistió en probar el sistema de detección ultrasónico
a velocidad media.
Concretamente se realizó la prueba en un vehículo circulando a 80Km/h
como se refleja en la Fig.7. El objetivo en este caso era comprobar la calidad
de las mediciones del ultrasonido en una maniobra de adelantamiento
entre vehículos ligeros. En la parte inferior de la Fig.7 se puede apreciar
como la distancia disminuye a 1metro en el momento de iniciarse el ade-

Aplicación de Técnicas Robóticas al Adelantamiento Entre Vehículos Pesados
43
lantamiento, se mantiene durante un intervalo y vuelve a subir cuando finaliza
el adelantamiento.
Fig.7. Pruebas a media velocidad (80km/h).
En la figura Fig. 8 se refleja un ejemplo de prueba de adelantamiento a un
vehículo pesado a alta velocidad de nuevo para verificar el funcionamiento
de los sensores de detección lateral, esta vez a altas velocidades.
No se puede olvidar que los sensores de ultrasonidos se basan en la propagación
de una onda mecánica (de sonido), por lo que aunque la velocidad
relativa entre los vehículos sea pequeña, las turbulencias a altas velocidades,
y la propia velocidad pueden influir en las medidas.
Podemos observar que las medidas capturadas por los sensores confirman
su validez, ya que son capaces de percibir los cambios en la distancia
provocados por la aparición y desaparición de vehículos en la zona lateral.
Las pruebas reflejadas en la Fig se realizaron a 120Km/h, la máxima permitida
en las carreteras españolas, como refleja el velocímetro y encuadrados
en la figura podemos ver los instantes de comienzo y fin de detección
lateral
Los resultado que se pueden observar en la parte inferior de la Fig son
similares a los del adelantamiento a media velocidad, la calidad de la medición
del sensor de ultrasonidos sigue siendo buena, permitiendo detectar
el comienzo y fin de la maniobra, a pesar del mayor ruido en las medidas.
Los recuadros rojos en la Fig. 8 muestran los flancos de subida y de bajada
que son los que se utilizan para detectar el comienzo y final del vehículo.
Como se puede apreciar, dichos flancos son suficientemente marca-

44 Robots de exteriores
dos para poderse distinguir del ruido ambiente utilizando simplemente un
umbral.
Fig.8. Medidas de los sensores laterales
Por último, la figura Fig. 9 muestra el prototipo instalado en un vehículo
real, concretamente en un autobús del Instituto Nacional de Tecnología
Aerospacial (INTA), en cuyas pistas se realizaron las pruebas de integración
de todos los sensores del prototipo.
Fig.9. Montaje en un vehículo real (pistas del INTA).

Aplicación de Técnicas Robóticas al Adelantamiento Entre Vehículos Pesados
45
5 Conclusiones y Trabajos Futuros
El sistema que se ha presentado en el artículo se encuentra en una fase inicial
de su desarrollo. En principio el prototipo construido es simplemente
un demostrador de viabilidad. Los resultados obtenidos en los experimentos
realizados han sido satisfactorios, pudiéndose resumir en que es viable
la idea de desarrollar un sistema comercial de este tipo.
En particular, el algoritmo desarrollado para la construcción de segmentos
ha resultado ser muy eficiente y adecuado para la aplicación.
Entre las líneas de investigación abiertas se encuentra el prescindir del
sensor frontal y estudiar la viabilidad del proyecto únicamente utilizando
sensores de ultrasonido de bajo coste. También se está trabajando en el
software de control para optimizar la respuesta del sistema ante más entornos
y situaciones que las analizadas hasta la fecha.
Agradecimientos
Los autores quieren expresar su agradecimiento a los miembros del equipo
del INTA dirigido por D. Ricardo Chicharro y a los de CONSULTRANS
SA. con quienes se realizó parte de este trabajo.
El trabajo descrito en este artículo ha sido financiado parcialmente por
el Ministerio de Educación mediante el proyecto ACRACE (DPI2004-
07993-C03-01) y por la Comunidad Autónoma de Madrid, mediante el
proyecto RoboCity 2030 (S-0505/DPI/0176).
Referencias
Batavia P.H., Pormerleau D.A., y Thorpe C.E. 1997. Detecting Overtaking Vehicles
with Implicit Optical Flow. CMU-RI-TR-97-28.
Batavia P.H., Pormerleau D.A., y Thorpe C.E. 1997. Detecting Overtaking Vehicles
with Implicit Optical Flow. Proceedings of the IEEE Transportation Systems
Conference, pp. 729-734.
European Comission. 1992. Directive 92/6/EEC
Ewald A., Willhoeft V. 2000. Laser scanners for obstacle detection in automotive
applications. Technical Report, Fa. IBEO Lasertechnik GmbH.

46 Robots de exteriores
Dickmanns E.D 1997. Vehicles capable of dynamic vision – a new breed of technical
beings In Proceedings of the 15th International Joint Conference on Artificial
Intelligence, IJCAI-97. 1577-1592, Nagoya (JAPÓN).
Gómez V., Cañas J.M. 2003 Vision based schemas for an autonomous robotic
soccer player. In Proceedings of the IV Workshop en Agentes Físicos, WAF-
2003. 109-120, Alicante (SPAIN).
Gómez V., Agüero C.E. , Cañas J.M., Matellán V. 2005 Desarrollo de un sistema
de detección de adelantamiento.. XI Seminario Anual de Automática, Electrónica
Industrial e Instrumentación (SAAEI-2005), ISBN:84-8102-964-5, Santander
(ESPAÑA).
Sun Z., Bebis G., y Miller R. 2004. On-road Vehicle Detection Using Optical Sensors:
A Review. IEEE International Conference on Intelligent Transportation Systems,
pp. 585-590.
Wang J., Bebis G., Millar R. 2005. Overtaking vehicle detection using Dynamic
and Quasi-Static Background Modeling. Proccedings of the 2005 IEEE Computer
Society Conference on Computer Vision and Pattern Recognition (CVPR’05).
Zhu Y., Comaniciu D., Pellkofer M y Koehler T. 2006 Reliable Detection of overtaking
vehicles using robust information fusion. IEEE Transactions on Intelligent
Transportation systems, Vol. 7, Num. 4

CAPÍTULO 4
Modelado de Zonas Cruzables para la
Navegación Segura de Robots en Entornos
Exteriores
C. CASTEJÓN 1 , D. BLANCO 2 y L.E. MORENO 2
1 Grupo Maqlab, Universidad Carlos III de Madrid 2 Robotics Lab, Universidad
Carlos III de Madrid {castejon ,dblanco, moreno} @ ing.uc3m.es
En este trabajo, se presentan los desarrollos realizados por el grupo de investigación
Robotics Lab de la Universidad Carlos III de Madrid, en la robótica
de exteriores. El trabajo desarrolla una metodología para la etapa de
modelado que representa, de forma reducida y simple, el entorno. El modelo
de navegación obtenido, que ha sido designado como Modelo de Regiones
Cruzables (MRC), está basado en la técnica del diagrama de Voronoi
adaptada a entornos exteriores de grandes dimensiones. El modelo se
construye a partir de información tridimensional, y permite definir trayectorias
seguras que van a depender de las capacidades del robot y de las
propiedades del terreno. Además, el modelo representará, de manera topogeométrica,
el entorno en mapas locales y globales, con la ayuda de los sistemas
sensoriales: telémetro láser tridimensional, brújula y sistema de posicionamiento
global (GPS). Este trabajo es una contribución novedosa en
el campo del modelado de regiones en robótica. El método permite calcular
el grado de rugosidad de un terreno desconocido basado en la desviación
del vector normal. El parámetro que mide el grado de rugosidad es la
varianza esférica y será de gran utilidad, junto con el cálculo de la pendiente
del terreno, para determinar las áreas cruzables.
1 Introducción
Las nuevas aplicaciones robóticas, tales comos la exploración planetaria o
la robótica asistencial, implican que algunas tareas de los robots deben realizarse
en entornos exteriores cambiantes. Los entornos exteriores son me-

48 Robots de exteriores
nos estructurados, menos controlados y menos predecibles que los entornos
interiores. Por ello, se hace necesario proponer una nueva filosofía en
cuanto a navegación, planificación de trayectorias y modelado. La navegación
de robots sobre entornos desconocidos y cambiantes obliga a la reducción
de los tiempos de cálculo y a la seguridad del robot (Fernandez,
2001). Para dotar al robot de autonomía es necesario un conocimiento del
entorno sobre el que navega, donde el robot va a moverse y/o a manipular
objetos, debe planificar trayectorias y navegar sin colisión. El mayor problema
de la navegación en entornos exteriores es la gran variedad de terrenos
que existen (rugosos, con alta densidad de obstáculos, parcialmente
estructurados o completamente desconocidos). Esto quiere decir, que para
todos los entornos exteriores y todos los tipos de robot, no existe un único
modelo útil. En este trabajo, se presenta un método para modelar amplios
entornos exteriores por medio de áreas que dependen de la habilidad del
robot para moverse a través de él. La metodología permite construir diferentes
tipos de modelos, dependiendo de la tarea del robot. El modelo obtenido
para la navegación se denomina Modelo de Regiones Cruzables
(MRC), y representa las áreas cruzables del entorno percibido por un telémetro
láser tridimensional desarrollado en el Robotics Lab. El modelo está
orientado a las capacidades del robot, ya que ciertas áreas serán cruzables
o no dependiendo del propio robot. En este sentido, el mapa utilizará un
modelo basado en Voronoi 2D para representar la información del entorno
en el espacio XY, y una descripción cualitativa de la cruzabilidad del terreno
para dar la coordenada Z. Esta descripción es altamente compacta y
muy sencilla de manejar para los sistemas de navegación y planificación.
El sistema utilizará un sistema GPS diferencial para integrar la información
local en un mapa global.
2 Trabajos relacionados
La mayoría de los trabajos relacionados con los mapas de navegación se
refieren a robots operando en terrenos planos como entornos planetarios
(Maurette, 2003), carreteras (Langer, 1994), aeropuertos, etc. En estos casos,
el terreno tiene un grado de rugosidad bajo y los obstáculos se encuentran
en el suelo y tienen forma conocida (normalmente esférica o cúbica),
de manera que son fáciles de modelar con primitivas geométricas. En general,
en la navegación, los estudios relacionados con las rejillas de ocupación
es uno de los métodos más utilizados (Yahja, 2000). Esta representación
es sencilla de manipular y la discretización facilita la ordenación de
información específica para la tarea del robot. Por otra parte, otros estudios

Modelado de Zonas Cruzables para la Navegación Segura de Robots en Entornos
Exteriores 49
se refieren al nivel de representación del entorno que se divide en geométrico,
topológico y topo-geométrico. El nivel geométrico se demuestra que
no es interesante para los modelos de navegación. La reconstrucción 3D
para entornos interiores y exteriores puede encontrarse en los trabajos
(Gomez-Mota, 2000), (Hähnel, 2003). En ellos, la gran cantidad de información
requerida para modelar el entorno se pone de manifiesto. La principal
desventaja es el alto coste computacional, cuando se usa en entornos
de grandes dimensiones y poco estructurados. La ventaja de los modelos
geométricos deriva de la habilidad para generar mapas con gran precisión,
muy parecidos al entorno real. Sin embargo, estas representaciones son de
uso limitado en entornos exteriores debido a su alto coste computacional,
la falta de estructuras geométricas en algunos entornos, y la gran dimensión
del modelo que se genera. Además del alto coste computacional requerido
para interpretar estos mapas para la navegación. En los modelos
topológicos, la información numérica es sustituida por datos simbólicos, y
el mapa se representa como un grafo. Se ha demostrado que estos modelos
son de gran utilidad para la navegación en corredores. En cuanto a las aplicaciones
en entornos exteriores, no se han encontrado, a pesar de su efectividad
en entornos de grandes dimensiones (Ranganathan, 2002), (Nehmzow,
2000). Estos modelos permiten la planificación de trayectorias de
manera rápida y reduce la cantidad de datos y el tiempo de cálculo. Sin
embargo, la representación de grafos requiere de elementos repetitivos (tales
como puertas, paredes, esquinas, etc.), que no existen en entornos exteriores.
Esta técnica es de interés en entornos interiores de grandes dimensiones
donde existen gran cantidad de objetos comunes. Los objetos
permitirán al robot localizarse y moverse con seguridad. Pero en entornos
exteriores, a priori desconocidos, estos modelos no son útiles. La representación
híbrida es una buena alternativa a los métodos descritos anteriormente.
El método combina diferentes técnicas de modelado para tomar las
ventajas de cada uno de los métodos y eliminar o reducir las desventajas.
Actualmente, es una buena elección para la construcción de modelos de
navegación. Algunos autores trabajan en modelo topo-geométricos (Boada,
2002), donde llevan a cabo una discretización del terreno utilizando modelos
basados en sensores. Thrun construye en (Thrun, 1998) un grafo topológico
basado en rejillas de ocupación. Betgé-Brezetz en (Betgé 1994)
describe, de manera topológica, las posiciones, partiendo de información
geométrica. El autor construye planos para representar el suelo y super
cuádricas para la representación de los obstáculos. Mediante técnicas de
visión artificial y extracción de bordes, se separan los objetos del entorno
para obtener el modelo topológico. Esta descripción está limitada a entornos
sencillos con obstáculos en forma circular y sobre el terreno. Otros au-

50 Robots de exteriores
tores construyen modelos topológicos a partir de información geométrica
suministrada por el sistema sensorial. Choset en (Choset, 2000) describe
una exploración basada en sensores a partir de un sonar para modelar entornos
interiores sencillos, el modelo lo construye con diagramas de Voronoi.
El sistema construye, de manera incremental, un grafo conectado con
puntos que pertenecen a los bordes de Voronoi. La misma técnica es usada
por Blanco en (Blanco, 2000) con un telémetro 2D.
En este trabajo se utiliza una aplicación y adaptación de la técnica anterior
aplicada a entornos exteriores. El modelo se representará como Diagramas
de Voronoi (Blanco, 2003) y está basado en la información tridimensional
provista por un telémetro. Será necesario realizar algunas modificaciones
al utilizar información tridimensional.
2.1 Cruzabilidad
La cruzabilidad es un atributo que representa la adecuabilidad del terreno a
ser navegado. Algunos autores como Langer en (Langer, 1994) o Seraji en
(Seraji, 1999), han desarrollado métodos para determinar este atributo. La
mayoría de los autores trabajan con dos parámetros básicos: la pendiente y
la rugosidad. Muchos trabajos han sido desarrollados para entornos planetarios,
es decir para entornos planos con obstáculos de forma definida (básicamente
rocas sobre un suelo plano). En este trabajo se construirá un
Modelo Numérico de Cruzabilidad (MNC). El terreno se dividirá en zona
cruzables y no cruzables para el robot. Es importante tener en cuenta que la
característica de cruzabilidad no sólo depende de las propiedades del terreno,
también depende de las restricciones físicas y tareas del robot.
3 Metodología de modelado
En la figura 1 se representa la metodología orientada al robot para la construcción
de mapas de navegación en diferentes tipos de entornos exteriores.
Divide el problema en diferentes niveles de modelado que permiten
obtener modelos intermedios, que pueden ser útiles en otras tareas del robot.
El objetivo es construir un modelo que represente grandes áreas con
la mínima información necesaria para la navegación. El modelo propuesto
es compacto y representa las áreas que el robot puede cruzar. Los diferentes
niveles se describen a continuación:
En el primer nivel, denominado nivel de extracción de la información, la
información es capturada, en este caso por un telémetro 3D, y transformada,
con la ayuda de una brújula en un modelo instantáneo de representa-

Modelado de Zonas Cruzables para la Navegación Segura de Robots en Entornos
Exteriores 51
ción (snapshot). En este nivel se han desarrollado los algoritmos necesarios
para la realización de los cambios en los sistemas de coordenadas. Esta
información será interesante para el modelado tridimensional de objetos,
necesario para las tareas de manipulación.
Fig. 1. Metodología de modelado presentada
En el segundo nivel, denominado de modelado local, el modelo instantáneo
es enriquecido con el análisis del terreno. Los datos 3D son clasificados
dependiendo de su característica de cruzabilidad. El modelo obtenido
se denomina Modelo Numerico de Cruzabilidad (MNC). Este modelo divide
el entorno percibido en regiones que pueden ser cruzables o no por el
robot. Para determinar la característica de cruzabilidad en cada punto, se
han tenido en cuenta las características del terreno y las del propio robot.
Las medidas 3D se proyectan en el plano XY y se discretizan en un mapa
de elevación para obtener una descripción cualitativa de cada celda. Se
construye un mapa de visibilidad para obtener la información de celdas
ocultas. Adicionalmente, se realiza una extracción de bordes de las áreas
no cruzables para la construcción del modelo 2D. A partir de la información
de las fronteras se obtendrá el modelo de regiones cruzables (MRC)
mediante un grafo de Voronoi. El MRC es representativo por definición,
ya que corresponde al camino de máxima seguridad para el robot. Los obstáculos
se designan como áreas no cruzables y no serán consideradas para
la representación.

52 Robots de exteriores
Por último, en el nivel de modelado global, se obtiene la integración de
mapas locales en un mapa global gracias a la información de un GPS diferencial
que se encuentra a bordo del robot. El modelo es compacto y puede
construirse en tiempo real, mientras el robot se desplaza.
4 Análisis de cruzabilidad
En la navegación por entornos exteriores, es interesante estimar algunos
parámetros que definen la dificultad del terreno para ser cruzado. La planificación
de trayectorias en entornos de grandes dimensiones y exteriores es
una tarea compleja ya que existen muchos parámetros que definen la cruzabilidad,
por ejemplo:
• La tarea que va a realizar el robot en el entorno. Tareas como manipulación,
exploración planetaria o en entornos peligrosos, etc.,
necesitan diferentes modelos de información. Para la tarea del robot
de esta aplicación, se construirá un modelo de tipo topogeométrico.
• Las características de la plataforma experimental, su sistema de locomoción
y las restricciones físicas afectan a las decisiones futuras.
En este caso, el sistema de locomoción, que restringe la
máxima y mínima pendiente que el robot puede alcanzar, así como
el nivel de rugosidad máximo y la mínima elevación que el robot
puede sobrepasar (espacio libre tridimensional).
• Las características del terreno, que determinan su dificultad a ser
cruzado. La mayoría de los autores centran su investigación en dos
parámetros básicos: la pendiente y la rugosidad. Los dos parámetros
no sólo se utilizan en el campo de la robótica, sino también en
el campo de la topografía y especialmente en los sistemas de información
Geográfica, pero a otro nivel y con diferentes sistemas
sensoriales. Ambos parámetros serán utilizados en este trabajo
4.1. Análisis de la pendiente
La inclinación de la superficie o la pendiente puede ser definida como el
ángulo que existe entre el vector normal a la superficie N y el vector W π
perpendicular a la superficie horizontal, realizando el cálculo a través del
producto escalar con la ecuación (1).

Modelado de Zonas Cruzables para la Navegación Segura de Robots en Entornos
Exteriores 53
uur
arccos N W
uur
⋅
π
ξ = uur uur (1)
N ⋅ W
π
El valor de la normal se obtiene para cada punto con un método sencillo
propuesto por Betgé-Brezetz en (Betgé 1994). Consiste en aplicar, sobre
una imagen ordenada de datos, un filtro Sobel horizontal y vertical que
proporciona las tangentes de cada punto a lo largo de las dos direcciones
de barrido del telémetro. Cada punto tridimensional (P) está expresado en
un sistema de referencia cartesiano relativo a la escena. En la figura 2 se
representa la obtención gráfica del vector normal en un punto, y en la
ecuación (2) la formulación analítica utilizada.
uuur
N
P
( θ,
φ )
Fig. 2. Estimación de la pendiente en cada punto
uur uur
Pθ
∧ Pφ
= uur uur (2)
P ∧ P
θ
φ
El método permite calcular la normal en cada punto de forma rápida y
simple. Es muy adecuado para un entorno exterior desconocido y no estructurado,
ya que se realiza el cálculo de manera local atendiendo únicamente
a los cuatro puntos vecinos. Además, aunque los valores de pendiente
obtenidos no son muy exactos (debido al tipo de filtro utilizado),
para un análisis de cruzabilidad es suficiente. Por limitaciones físicas de la
masa del robot y su sistema de locomoción, existe un valor de pendiente
máxima y mínima que el robot es capaz de subir y bajar. Teniendo en
cuenta las limitaciones del robot, el análisis de cruzabilidad en esta
aproximación se realiza como sigue:
Se define ZA como el subconjunto de puntos, p i , pertenecientes a una imagen
tridimensional, tal que la pendiente en cada punto, ξ i , cumple la propiedad
de cruzabilidad siguiente:

54 Robots de exteriores
{ ( , , ) /
}
ZA = p x y z ξ < ξ < ξ
(3)
i
min
Es decir, en el análisis de la pendiente, se consideran zonas no cruzables
(ZNA) aquellas regiones en las que la inclinación, en cada punto tridimensional,
supera unos umbrales máximos y mínimos (ξ max y ξ min , respectivamente)
de pendiente.
Este análisis es útil en entornos planos con diferentes pendientes, pero el
método presenta algunos problemas con superficies como escalones (no
cruzables para la plataforma y sin embargo consideradas cruzables por el
método), o pequeñas rocas (fáciles de cruzar con el sistema de locomoción).
En este caso, será necesario estudiar otro parámetro que complete el
análisis de cruzabilidad.
max
4.2 Análisis de rugosidad
La mayoría de las definiciones de rugosidad encontradas en la literatura,
hacen referencia a la medida de irregularidades a partir de las variaciones
en altura. El método utilizado en este trabajo para el cálculo del grado de
rugosidad es un método novedoso no utilizado hasta ahora en el campo de
la robótica, está basado en el cálculo de la desviación del vector normal en
cada punto dentro de una zona local, mediante el cálculo del parámetro estadístico
denominado varianza esférica (Castejón, 2005). El estudio utiliza
el siguiente razonamiento:
• En un entorno uniforme (con bajo grado de rugosidad), los vectores
normal a la superficie serán prácticamente paralelos, y por ello,
presentarán baja dispersión (como en la figura 3 izquierda).
• Por otra parte, un terreno muy rugoso presenta diferentes cambios
en la orientación de los vectores normales, por lo que existirá una
gran dispersión (parte derecha de la figura 3).
Fig. 3. Análisis de rugosidad. Dos casos extremos
Dado un conjunto de vectores N i , correspondientes a las normales en una
vecindad, contenida en el espacio percibido, se define la varianza esférica
como el estadístico ω, complementario al módulo medio normalizado del
conjunto.

Modelado de Zonas Cruzables para la Navegación Segura de Robots en Entornos
Exteriores 55
ω = 1− R (4)
n
Es decir, ω mide la dispersión de una muestra formada por vectores, elementos
definidos por una longitud (módulo) y un sentido, en el espacio tridimensional.
El desarrollo para la obtención del estadístico se detalla a
continuación:
1. Dado un conjunto de n vectores normales a la superficie, definidos por
sus tres componentes N i = (x i ; y i ; z i ), el módulo del vector suma del conjunto
se calcula a partir de la ecuación 5:
n
2
n
2
n
2
⎛ ⎞ ⎛ ⎞ ⎛ ⎞
R = ⎜ x ⎟ + ⎜ y ⎟ + ⎜ z ⎟
(5)
∑ ∑ ∑
i i i
⎝ i= 1 ⎠ ⎝ i= 1 ⎠ ⎝ i=
1 ⎠
2. El valor medio se normaliza dividiendo entre el número de datos n, de
manera que su resultado se encuentra en un rango de valores entre 0 y 1.
R
[ 0,1]
n ∈ (6)
3. Para terminar, se obtiene el complementario del valor medio normalizado
para dar sentido al estadístico en la ecuación 4.
De esta manera, los valores están estandarizados y se distribuyen en un
rango teórico entre 0 y 1. Cuando ω = 0 existe una dispersión máxima y
puede considerarse el terreno con rugosidad máxima, y cuando ω = 1 existe
un alineamiento completo, y el terreno será completamente plano. El valor
del umbral que determina la cruzabilidad de un terreno se ha establecido,
en este caso, en ω umbral = 0,2. Se ha realizado este análisis de rugosidad
en una vecindad, constituida por ventanas de 5x5 alrededor de cada punto.
Con esta información se define el modelo 3D a partir del análisis de la
pendiente y de la rugosidad definido como Modelo Numérico de Cruzabilidad
(MNC).
5. Modelo de regiones cruzables
A partir del MNC podemos extraer la información de espacio libre y construir
el modelo de regiones cruzables para la planificación y la navegación
del robot. Para la representación de las regiones se ha optado por la técnica

56 Robots de exteriores
del Diagrama de Voronoi (DV). El MNC proporciona información geométrica
que puede ser útil para el modelado de objetos o construcciones de
entornos virtuales. Sin embargo, la gran cantidad de información que se
obtiene del sistema sensorial hace que el modelo sea difícil de manipular y
que los tiempos de cómputo se disparen. Antes de obtener el modelo de
regiones cruzables es necesario reducir y simplificar la información 3D. El
constructor de modelo de regiones necesita la coordenadas 2D de las fronteras
que separan las ZA de las ZNA. Para ello, se utilizan técnicas basadas
en procesamiento digital. En este trabajo, definimos la imagen como una
matriz bidimensional donde cada píxel está definido por su característica
de cruzabilidad. La imagen 3D en este caso se transforma en una imagen
binaria que representa las diferentes regiones. Es decir, representa el espacio
de trabajo del robot. Para conseguir el modelo seguiremos los siguientes
pasos:
1) Obtención Mapa de Elevación Digital (MED): éste permite ordenar
la información del modelo 3D en celdas en el plano XY, guardando
en cada celda solo la información necesaria para representar
el modelo de navegación. Los parámetros necesarios para la construcción
del modelo son: la posición de la celda, la información de
cruzabilidad, el número de obstáculos presentes en la celda, y la
medida de elevación real. La cruzabilidad y la medida de elevación
dependen del número de obstáculos presentes en la celda y de
su posición. El sensor suministra la información sobre el suelo, los
objetos que se apoyan en el suelo y también los objetos aéreos. Para
la obtención del número de objetos en cada celda se utiliza el
algoritmo de las distancias encadenadas (Escalera, 2001).
2) Cálculo del mapa de Visibilidad (MV): mediante el mapa de elevación
solo se consigue dar información de aquellas celdas donde
el sensor capta datos. Sin embargo, en el entorno discretizado existirán
celdas sin información, bien porque aparecen como ocultas al
sensor, o porque se ha superado el rango máximo de medida. Para
ello se construye el mapa de visibilidad estimando los parámetros
asociados a las celdas ocultas a partir de la información de sus vecinas.
Esta estimación se realiza mediante la extrapolación del
segmento tridimensional que une el sensor con el centro de las
celdas visibles.
3) Obtención del mapa binario: a partir del espacio dividido en celdas,
con la característica de cruzabilidad se obtiene una imagen binaria.
Esta imagen es una matriz que representará regiones cruzables
(0) o no cruzables (1). La imagen será filtrada con
operaciones morfológicas clásicas (closing) para suavizar las for-

Modelado de Zonas Cruzables para la Navegación Segura de Robots en Entornos
Exteriores 57
mas de las regiones y obtener mejores resultados posteriores sin
modificar las dimensiones de las mismas. Para terminar se obtienen
las fronteras entre las regiones cruzables y no cruzables para
construir el MRC, a partir de detectores de bordes utilizados en el
procesamiento de imágenes digitales.
5.1 Algoritmo para el modelo de cruzabilidad
Como ya ha sido comentado, para la representación de las regiones se ha
elegido el DV por las siguientes razones:
• El modelo se construye a partir de la información sensorial. Por
ello es rápido en su cálculo y puede utilizarse en tiempo real.
• DV por definición genera las trayectorias que maximizan la distancia
entre el robot y los obstáculos. Por lo que el modelo es muy
interesante para la navegación segura.
• El modelo del entorno es una representación esquemática del
espacio libre del robot, por lo que no presenta problemas de almacenamiento
de la información.
El DVL (Diagrama de Voronoi Local) presentado en este trabajo, utiliza la
aproximación a una imagen digital. El primer paso que se realiza es la
agrupación de datos o pixels de la imagen en grupos generadores g i . Para
cada punto o celda (i,j) del espacio libre existe al menos un punto más cercano
al espacio ocupado que se denomina punto base. Así, el DVL se define
como la serie de puntos en el espacio libre que tiene al menos dos puntos
base diferentes, es decir, que se encuentra a la misma distancia de al
menos dos grupos generadores, siendo esta distancia menos que la que se
le separa del resto de los puntos del espacio ocupado. Los pasos a seguir
son:
1) Agrupamiento de los pixels (i,j) que forman las fronteras en series
de puntos generadores. Se consideran dentro de un mismo grupo
generador todos aquellos puntos que se encuentran a una distancia
tal que el robot no es capaz de pasar entre ellos.
2) Para cada celda (i,j) se evalúa la pertenencia a las Regiones de Voronoi
(RG) definidas por los obstáculos presentes en el entorno
observado. Las RG tienen la propiedad de cubrir todo el espacio
libre, por lo que cualquier punto de la imagen pertenecerá al menos
a una RG. Para ello se evalúa la distancia de cada celda a todos
los grupos generadores, de forma que la celdilla pertenece a la
RG de un objeto si está más cerca de éste que de todos los demás.
Si la celda es equidistante a dos objetos del entorno. pertenecerá a

58 Robots de exteriores
un Borde de Voronoi (BD) y si es equidistante a más de dos objetos
será un Nodo de voronoi (ND).
En el cálculo de la distancia se tendrá en cuenta el error ocasionado al realizar
la discretización. Las distancias se calculan entre centros de las
celdas. Sin embargo la verdadera posición puede encontrarse en cualquier
punto de la celda. Por ello se calcula la distancia máxima a la cual pueden
encontrarse dos puntos pertenecientes a dos celdas diferentes y se incluye
en la evaluación del etiquetado de celdas en regiones, bordes o nodos. En
la figura 4 se presenta un resultado del modelo.
Fig. 4. Representación del modelo de cruzabilidad
6. Construcción de un Modelo Global
Con la información de los modelos de regiones locales, y gracias al GPS
diferencial que se encuentra a bordo del robot, es posible construir modelos
globales mediante la integración de los modelos locales obtenidos a
medida que el robot se desplaza. Esta integración se realiza a partir del
cambio de coordenadas de los puntos del modelo de un sistema local situado
en la base del robot a un sistema global. La integración se realiza
mediante: el agrupamiento de los puntos de interés (bordes y nodos de cada
DVL) en regiones definidas por circunferencias de radio r y su sustitución
por el centro de masas del sistema de puntos agrupados.
De esta manera, cada nodo o borde del DVL, definido por sus coordenadas
(x,y) en el sistema de referencia global y por su distancia a los grupos generadores,
es incorporado a una lista de puntos con las mismas características
de posición.

Modelado de Zonas Cruzables para la Navegación Segura de Robots en Entornos
Exteriores 59
7. Resultados experimentales
En esta sección presentamos los resultados experimentales obtenidos en
tres entornos exteriores reales diferentes y la construcción de un modelo
global. Como resultados de los modelos locales en cada escena, se presentan:
• El MNC obtenido, donde los puntos que pertenecen a la ZA se representan
en color claro y los pertenecientes a la ZNA en oscuro.
• El MV basado en el modelo anterior, para una mejor visión de la escena.
• El DVL, como representación de las regiones cruzables.
El modelo construido no solo se adapta al tipo de terreno, sino que también
está adaptado a la tarea del robot y a la propia plataforma robótica. En este
caso, los resultados experimentales se han llevado a cabo con el robot
GOLIAT, plataforma desarrollada en la Universidad Carlos III de Madrid.
Se trata de un vehículo de tracción con orugas de 1.5 Ton. Los sistemas de
percepción que se encuentran a bordo del robot y que han sido utilizados
para la obtención de los resultados experimentales son: un láser 3D integrado
en el Robotics Lab a partir de un láser 2D de Sick y un motor, una
brújula magnética y un GPS diferencial. Detalles sobre la estructura, arquitectura
y sistemas sensoriales de la plataforma pueden consultarse en (Castejón,
2004).
Fig. 5. Robot de Exteriores GOLIAT

60 Robots de exteriores
Los parámetros asociados a la plataforma de exteriores GOLIAT, necesarios
para obtener la cruzabilidad se presentan en la tabla 1.
Tabla 1. Parámetros característicos de GOLIAT
Altura máxima del robot (incluida la antena DGPS) H robot 219.50 cm
Distancia del telémetro láser 3D al SDR de la base H L 152.30 cm
Ancho del robot D robot 188.50 cm
Altura máxima que las orugas pueden sobrepasar U min 15.00 cm
Pendiente máxima de subida ξ max +54º
Pendiente mínima de bajada ξ min -49º
Grado de rugosidad máximo ω th 0.2
7.1 Primera escena: entorno con obstáculos aéreos
En la figura 6 se presentan los resultados experimentales de la primera escena.
Se trata de un entorno parcialmente estructurado con obstáculos aéreos.
El entorno presenta un grado de rugosidad relativamente bajo y accesible
para el robot. En el MNC (parte superior derecha), se observa
como el obstáculo aéreo ha sido etiquetado como ZNA, a pesar de ser un
objeto que se encuentra a una altura superior a la del robot. Con la construcción
del mapa de elevación y mapa de visibilidad (en la parte inferior
izquierda de la figura 6), este objeto no será considerado como obstáculo,
gracias al cálculo del número de obstáculos por celda, comentado en secciones
anteriores. Por último, se presenta en la parte inferior derecha de
esta misma figura el DVL, donde se pede apreciar los caminos de máxima
seguridad. Para este resultado, se ha considerado una resolución de celda
de 20 cm.
El DVL almacenará las coordenadas (x,y) de cada punto que pertenece a él
en la figura se representa en oscuro los bordes de voronoi y en claro los
nodos, proporcionando información adicional al planificador. En cuanto al
tiempo de procesado de toda la metodología (desde la obtención de las
medidas 3D por parte del sensor hasta el modelo de regiones) es inferior a
los 5 segundos (en un ordenador personal AMD-K6 (tm) 3D processor,
con 64MB de RAM).

Modelado de Zonas Cruzables para la Navegación Segura de Robots en Entornos
Exteriores 61
Fig. 6. Resultados experimentales primera escena
7.2 Segunda escena: entorno con diferentes pendientes
En la figura 7 se presenta tanto la escena como los modelos parciales y el
MRC de un entorno semiestructurado con obstáculos. Lo más relevante de
la escena es la diferencia de pendientes, remarcadas en la parte superior izquierda
de la figura 7. En el MNC representado permite destacar la cantidad
de información que proporciona el telémetro láser 3D, que produce
mapas densos con un rango de 30 metros. Esto puede apreciarse en la definición
del árbol y las paredes del edificio. En cuanto al tiempo de procesado
de este entorno, se presenta inferior a los 5 segundos. Estos valores dependen
del número de obstáculos presentes en la escena y de la dificultad
del entorno.
7.3 Tercera escena: entorno complejo
En la figura 8 se muestra un entorno denominado complejo por el número
de obstáculos presentes. La metodología nos lleva a través de los diferentes
modelos a un modelo compacto de cruzabilidad, donde en este caso,
permite al planificador elegir entre diferentes trayectorias seguras. Al ser

62 Robots de exteriores
éste un entorno con mayor complejidad, el tiempo de cálculo se encuentra
entre los 5 y los 6 segundos.
Fig. 7. Resultados experimentales, segunda escena
Fig. 8. Resultados experimentales, tercera escena

Modelado de Zonas Cruzables para la Navegación Segura de Robots en Entornos
Exteriores 63
7.4 Modelos globales
En esta sección se muestra una secuencia de exploración del robot
GOLIAT. La plataforma móvil captura una imagen del entorno cada tres
metros y construye el modelo incremental. En la figura 9 se presentan alguna
de las secuencias. Se puede observar que se conserva la bondad de
los resultados gracias a la información adicional del GPS diferencial. Se
observa a lo largo de toda la secuencia que a medida que el robot adquiere
nuevos modelos según se desplaza, zonas que en los primeros mapas eran
considerados como no visibles se convierte en zonas de paso al aumentar
la información.
Fig. 9. Resultados experimentales, modelo global.

64 Robots de exteriores
7. Conclusiones
La información tridimensional ha sido utilizada para aplicar una nueva metodología
para el modelado de entornos exteriores, basado en el análisis
topográfico. El modelo puede ser construido en tiempo real, mientras el
robot se mueve, y es posible llevar a cabo una integración con el fin de
conseguir una base de conocimiento sobre un modelo global. Como conclusión
de los resultados experimentales podemos subrayar que el algoritmo
es altamente eficiente en tiempo de cálculo. Se ha utilizado una resolución
de celdilla de 20 cm, que en el caso de las dimensiones del entorno y
del robot es bastante pequeña, en pruebas realizadas se ha comprobado que
con un tamaño de celdilla de 50 cm para entornos como los presentados, se
consiguen tiempos inferiores a 1 segundo. El tiempo requerido para integrar
los mapas locales en uno global es de 50 ms.
El modelo es muy fácil de utilizar para la navegación porque detecta las
celdas que no son cruzables y el mapa nos da caminos locales seguros. Por
ello, el mapa puede ser utilizado directamente para obtener caminos globales.
El tiempo de procesado del DVL aumenta con el número de celdas
libres y con el número de puntos generadores.
Acknowledgements
Los autores quieren agradecer sinceramente los fondos proporcionados por
el Gobierno español a través del proyecto MICYT DPI2003-01170.
References
Betgé-Brezetz S., Chatila R., y Devi M., “Natural scene understanding for
mobile robot navigation,” in IEEE International Conference on Robotics
and Automation, 1994, vol. 1, pp. 730–736.
Blanco D., Boada B.L., Moreno L., y Salichs M.A., “Local mapping from
on-line laser voronoi extraction,” in IEEE/RSJ International Conference on
Intelligent Robots and Systems, 2000.
Blanco D., Boada B.L., Castejón C., Balaguer C., y Moreno L.E., “Sensorbased
path planning for a mobile manipulator guided by the humans,” in
The 11th international conference on Advanced Robotics, ICAR 2003,
2003, vol. 1.

Modelado de Zonas Cruzables para la Navegación Segura de Robots en Entornos
Exteriores 65
Boada B.L., Palazon D, Blanco D., y Moreno L., 2002 “Voronoi based
place recognition using hidden Markov models,” in International Federation
of Automatic Control 15th IFAC World Congress.
Castejón C., Boada B.L., Blanco D., y Moreno L., 2005 “Traversable Region
Modeling for outdoor navigation”, Journal of Intelligent and Robotic
Systems, n 43, pag: 157-216.
Castejón C., Blanco, D., Boada B.L., y Moreno L., 2004 “Desarrollo del
sistema de percepción de una plataforma móvil para entornos exteriores”,
Revista iberoamericana de Ingeniería Mecánica, vol 8, n 3, pag 3-23.
Choset H., Walker S., Eiamsa-Ard K., y Burdick J., 2000 “Sensor-based
exploration: Incremental construction of the hierarchical generalized voronoi
graph,” International Journal of Robotics Research, vol. 19, no. 2,
pp. 126–148, February.
Escalera A. de la, 2001, Visión por computador. Fundamentos y Métodos.
Prentice Hall.
Fernández V., Balaguer C., Blanco D., y Salichs M.A., “Active Human-
Mobile Manipulator Cooperation Through Intention Recognition,” in Proceedings
of the IEEE International Conference on Robotics and Automation,
Seoul, Korea, 2001, pp. 2668–2673.
Gomes-Mota J., y Ribeiro M.I., 2000, “Mobile robot localization on reconstructed
3d models,” Robotics and Autonomous Systems, vol. 31, pp. 17–
30.
Hähnel D., Burgard W., y Thrun S., 2003 “Learning compact 3d models of
indoor and outdoor environments with a mobile robot,” Robotics and
Autonomous Systems, vol. 1, no. 44, pp. 15–27.
Langer D., Rosenblatt J.K., y Hebert M., 1994 “A behavior-based system
for off-road navigation,” IEEE Trans. Robotics and Automation, vol. 10,
no. 6, pp. 776–782.
Maurette M., 2003 “Mars rover autonomous navigation,” Autonomous robots,vol.
14, pp. 199–208.

66 Robots de exteriores
Nehmzow U. y Owen C., 2000 “Robot navigation in the real world: experiments
with manchester’s fortytwo in unmodified, large environments,”
Robotics and Autonomous Systems, vol. 33, pp. 223–242.
Ranganathan P., Hayet J.B., Devy M., Hutchinson S., y Lerasle F., 2000,
“Topological navigation and qualitative localization for indoor environment
using multi-sensory perception,” Robotics and Autonomous systems,
vol. 41, pp. 137–144.
Seraji H., 1999, “Traversability index: a new concept for planetary rovers,”
in Proceedings of the 1999 IEEE International Conference on Robotics
& Automation.
Thrun S., 1998, “Learning metric-topological maps for indoor mobile robot
navigation,” Artificial Intelligence, vol. 99, no. 1, pp. 21–71, February.
Yahja A., Singh S., y Stentz A., 2000, “An efficient on-line path planner
for outdoor mobile robots,” Robotics and autonomous systems, vol. 32, pp.
129–143.

CAPÍTULO 5
Localización de Robots y AGVs Mediante
Tecnología RFID
F. SECO 1 , F. RAMOS, A. KOUTSOU, A.R. JIMÉNEZ, C. PRIETO, J.
ROA, J. GUEVARA y J. EALO 2
1 Grupo LOPSI, Instituto de Automática Industrial - CSIC, Ctra. De Campo
Real km 0,200. 28500 Arganda del Rey, Madrid; 2 Universidad del Valle,
Colombia.
El conocimiento de la posición propia es uno de los requisitos imprescindibles
para la navegación autónoma de robots, vehículos móviles o personas.
Para operar en el interior de edificios, donde el GPS no es operativo,
se han desarrollado numerosos sistemas de posicionamiento local (LPS) alternativos;
entre ellos, los basados en señales de radiofrecuencia (RF) son
muy interesantes porque operan tanto en interiores como exteriores, no requieren
línea de visión directa con el móvil y el coste de la infraestructura
necesaria es reducido. En este trabajo presentamos los primeros resultados
obtenidos con un sistema LPS basado en identificadores de radiofrecuencia
(RFID) desarrollado por nuestro grupo en el Instituto de Automática Industrial.
El sistema estima la posición del vehículo móvil de forma indirecta
a partir del nivel de señal (RSSI) recibido de varios marcadores distribuidos
por el entorno. La estimación de la posición es de naturaleza
bayesiana, basándose en una caracterización probabilística del proceso de
medida, y en la combinación de un número estadísticamente significativo
de las mismas para obtener una precisión aceptable. En este trabajo se
muestra que mediante la aplicación de un filtro de partículas a las medidas
obtenidas con el RFID-LPS, pueden alcanzarse errores de posicionamiento
medios del orden de 1.5-2.5 metros, con una densidad de marcadores relativamente
baja.

68 Robots de exteriores
1 Introducción
El problema de la navegación, definida como la capacidad de un robot o
vehículo autónomo (AGV) para desplazarse libremente por un entorno
desconocido, sigue centrando gran parte de los esfuerzos investigadores de
la comunidad robótica. Algunos autores (Salichs, 2000) han dividido conceptualmente
el problema de la navegación en cuatro áreas: el control del
movimiento del robot (por ejemplo para evitar obstáculos en su camino); la
interpretación de los datos sensoriales recibidos para crear un modelo del
entorno; la localización física del móvil, y el planeamiento de rutas dentro
del entorno. Al igual que para los seres vivos, esta división no corresponde
a tareas completamente disjuntas, existiendo una gran interrelación entre
las mismas.
El conocimiento de la propia posición es, pues, fundamental para la navegación
del robot. Una de las formas habituales para determinar la misma
es emplear algún tipo de señales producidas por una infraestructura externa
al propio objeto móvil. El ejemplo más notorio de este tipo de técnicas es
el sistema de posicionamiento 1 global (GPS), que ofrece excelentes prestaciones
de precisión y robustez, así como un notable grado de implantación
en el mercado. Su mayor inconveniente desde el punto de vista de la robótica
móvil es su inoperatividad en regiones donde falle la cobertura, lo que
ocurre en determinadas zonas de exteriores y en la gran mayoría de los entornos
interiores. Afortunadamente, se han desarrollado una multitud de
sistemas de localización basados en diferentes tecnologías físicas que podemos
englobar mediante el acrónimo LPS (Sistemas de Posicionamiento
Local) (Jiménez, 2005; Kolodziej, 2006).
De entre los diferentes soportes tecnológicos para los LPS (ultrasonidos,
infrarrojos, visión artificial, etc), los basados en señales de radio están experimentando
un gran auge en la actualidad. Estos sistemas se benefician
de la relativa ubicuidad de la comunicación por radio en interiores (ejemplos
notorios son GSM, WiFi, Bluetooth y RFID), y, por tanto de su bajo
coste. Desde el punto de vista de la localización, estas tecnologías presentan
la ventaja de no requerir línea de visión directa (LOS) al objeto móvil;
su principal desventaja es que, por haber sido desarrollados para la comunicación
de datos y no para posicionamiento, la localización debe realizarse
indirectamente a partir de variables físicas como el nivel de señal reci-
1
En inglés, “Positioning” y “Localization” se usan de forma intercambiable para
indicar la determinación de la posición de un objeto; no así en español, donde el
término estrictamente correcto (según la RAE) es localización.

Localización de Robots y AGVs Mediante Tecnología RFID 69
bida o la calidad del enlace de datos 2 . La medida de dichas variables está
sujeta a grandes fluctuaciones, por lo que la estimación de datos es de naturaleza
estadística; no obstante este inconveniente, este tipo de técnicas de
estimación, conocidos por métodos bayesianos o de Monte Carlo, están
adquiriendo una gran popularidad en Robótica (Thrun, 2002).
El presente trabajo se centrará en un sistema de localización de interiores
desarrollado por el grupo LOPSI (Localización y Exploración para Sistemas
Inteligentes), que usa la tecnología de identificación por radiofrecuencia
(RFID). De entre las tecnologías de radio mencionadas
anteriormente, RFID es seguramente la que goza de mayor grado de aceptación
general, y por sus características (que describiremos en la sección
2), resulta idónea para el desarrollo de LPS. El resto del presente trabajo se
estructura de la siguiente manera: en la sección 3 describiremos los métodos
bayesianos que permiten obtener la máxima precisión de localización
partiendo de medidas de naturaleza imprecisa, así como la implementación
de un filtro de partículas que será empleada posteriormente. En la sección
4 mostramos los resultados obtenidos por nuestro grupo hasta el momento,
mediante dos configuraciones básicas del sistema RFID-LPS (un sistema
central y otro individual de posicionamiento). Finalmente, en la sección 5
ofrecemos una discusión de los resultados, las conclusiones y futuras líneas
de mejora.
2 La tecnología RFID
Los marcadores de radiofrecuencia o RFID (Radio Frequency Identification)
son pequeños dispositivos que transmiten un código digital con un
número de identificación al ser interrogados mediante radio por un lector.
Los marcadores pueden ser pasivos o activos. Los primeros son de pequeño
tamaño, y no poseen fuente de alimentación propia, sino que utilizan
parte de la energía recibida por el lector para emitir su código, y, en consecuencia,
tienen un rango de operación pequeño, de 1 m aproximadamente.
Por el contrario, los marcadores activos son de mayor tamaño porque poseen
fuente de alimentación propia; su alcance típico es de varias decenas
de metros, dependiendo del entorno.
En la figura 1 se muestra el sistema RFID de la empresa Wavetrend adquirido
por el grupo Lopsi para la realización de experimentos de localización.
Se muestran los marcadores activos (de dimensiones 85 x 70 x 9 mm,
2
Una excepción es la radio de banda ultra-ancha UWB, en la que la medida de
rangos se produce directamente a partir del tiempo de vuelo (Gezici 2005).

70 Robots de exteriores
peso 25 g), que emiten su código de identificación cada 1.5 s, con un tiempo
de vida útil de 5 años. Esta empresa ofrece asimismo dos tipos de antenas:
omnidireccional (en realidad, panorámica) y de tipo panel, con directividad
angular. La frecuencia de RF empleada por el sistema es de 433
MHz.
Fig. 1. Sistema RFID de la empresa Wavetrend empleado para las pruebas experimentales:
(a) lectores de tipo panel (patch); (b) marcadores activos (tags); y
(c) lectores omnidireccionales (stub).
La red de lectores se configura en una topología en anillo, mediante una
conexión RS-485 (la conexión del nodo central al PC es mediante RS-
232). Para el desarrollo del sistema de software se desarrolló un conjunto
de rutinas en el entorno Matlab basadas en la interrogación al sistema por
el puerto serie según los comandos de bajo nivel detallados por el fabricante.
La principal finalidad de estas rutinas es la interrogación a uno o múltiples
lectores del valor de señal (RSSI) recibido de todos los marcadores
presentes en el área de trabajo, así como la detección automática de la aparición
o desaparición de nuevos marcadores. De esta forma se obtienen los
datos crudos necesarios para la operación de los algoritmos de localización.

Localización de Robots y AGVs Mediante Tecnología RFID 71
Como un paso previo a la configuración del sistema de localización, se
realizaron pruebas para estudiar diversas características físicas del sistema.
Algunos de los datos extraídos son:
• Un alcance de recepción operativo de 25 en exteriores, y de 30
m en interiores.
• La relación entre fuerza de señal RSSI y rango r de marcador a
lector sigue una pauta predecible en exterior, pero se deteriora
por reflexiones múltiples, atenuación, etc en interiores.
• Las antenas de tipo panel presentan una elevada directividad,
siendo útiles para medir ángulos, particularmente en una configuración
doble (dos antenas separadas 90º).
• A pesar de la atenuación, el lector es habitualmente capaz de detectar
marcadores situados detrás de obstáculos sólidos. El descenso
en el nivel de señal RSSI típico es de 30 unidades al atravesar
una pared de 25 cm de espesor, 20 unidades para un
cuerpo humano interpuesto, y de apenas 2-3 unidades para una
puerta de madera hueca.
Estos datos nos confirman que el sistema de localización basado en
RFID es capaz de abarcar un área relativamente grande con baja densidad
de lectores; que es posible, al menos a priori, calcular rango y ángulo relativo
entre lector y marcador; que es asimismo capaz de operar en condiciones
de falta de visión directa (NLOS), pero que va a ser perturbado por
la presencia de obstáculos, y en particular, de personas, de forma impredecible.
Mayor información puede encontrarse en el trabajo (Ramos, 2006).
3 Localización bayesiana
Desde un punto de vista general, el problema de la localización puede expresarse
como la determinación de las coordenadas de un móvil en un
tiempo dado t, xˆt , a partir de un conjunto de medidas sensoriales recogidas
en el tiempo t y tiempos anteriores (Thrun, 2001):
{ zt
, zt− 1,
zt−2,...;
ut
, ut−
1,
ut−2,...}
⇒ xt
, (1)
donde se ha distinguido, como es habitual en robótica, entre datos de
percepción z (por ejemplo, tiempos de vuelo TOF ultrasónicos, medidas de
ˆ

72 Robots de exteriores
RSSI de marcadores RFID, etc) y datos de odometría u, aunque no necesariamente
estos últimos estarán siempre presentes.
La relación entre los datos de percepción z y la posición x determinará la
eficacia de los métodos empleados para la localización. En un LPS ultrasónico,
los tiempos de vuelo (TOF) de las señales están determinados por
los rangos entre el robot móvil y el faro ultrasónico; por tanto la relación
de z con x es determinista, y la posición del móvil puede calcularse mediante
multilateración o alguna de sus variantes (Jiménez, 2006). La incertidumbre
en las medidas se restringe únicamente al ruido de medida que
las perturba; bajo la asunción de que dicho ruido es gaussiano, la estimación
óptima de la posición puede producirse mediante un filtro de
Kalman 3 .
Por el contrario, las señales de radio que se propagan por interiores están
sujetas a tantos factores perturbadores (presencia de obstáculos, propagación
multicamino, movimiento de personas, etc), que resulta imposible a
priori encontrar una relación determinista entre el rango de emisor a receptor
con el nivel de señal recibido por éste. Por ello, deben explotarse relaciones
estadísticas con las medidas para producir una estimación de la posición
que concuerde “de la mejor forma posible” con los observables
{z,u}, así como con el estado previo estimado, x t
.
Una importante ventaja de los métodos bayesianos de estimación de la
posición es que permiten combinar de forma natural medidas procedentes
de sensores tecnológicamente distintos (por ejemplo, medidas de RSSI de
señales de radio con TOF de señales ultrasónicas).
3.1 Fundamentos de la localización bayesiana
Los métodos bayesianos (Fox, 2003) representan la posición del móvil
en un instante dado mediante una distribución de probabilidad,
p( xt
| zt
, zt− 1,
zt−2,...)
, dependiente de las medidas recibidas hasta el momento.
En principio esta distribución de probabilidad puede tener una forma
arbitraria, pudiendo incluso acomodar simultáneamente varias hipótesis
distintas sobre la posición.
3
Un problema habitual se da si el camino directo (LOS) entre emisor y receptor
está bloqueado, pero existe un camino indirecto para la propagación ultrasónica,
por ejemplo, por reflexión en una pared. En este caso, se darán medidas
z=TOF con un error sistemático respecto al verdadero rango; este problema
puede solventarse, si existe redundancia en el número de sensores disponibles,
mediante los llamados algoritmos de monitorización de la integridad (RAIM).

Localización de Robots y AGVs Mediante Tecnología RFID 73
Los métodos bayesianos actualizan la distribución de probabilidad
p x ) con la llegada de nuevas medidas de forma recursiva en dos pasos:
( t
1. El modelo de movimiento considera la información existente
sobre el desplazamiento del móvil para predecir el lugar dónde
estará en el siguiente instante de tiempo. Si el robot dispone de
medidas de odometría u , esa información también es empleada:
∫
p (2)
priori
( xt
) = p(
xt
| xt−
1
, ut−
1)
p(
xt−
1)
dxt−
1
Este modelo puede ser muy sencillo; por ejemplo, si únicamente
conocemos la velocidad máxima v max
de desplazamiento del
robot, podemos suponer que p( x t
| x t− 1)
es uniforme en un círculo
de radio v max
dt y cero en el exterior. El modelo de movimiento
también puede incorporar otros datos disponibles sobre
el entorno de movimiento: existencia de paredes, zonas inaccesibles
por el robot, etc..
2. Tras aplicar el modelo de movimiento obtenemos una estimación
a priori de la posición del móvil; el modelo sensorial emplea
el teorema de Bayes para corregir dicha estimación con la
información aportada por las nuevas medidas recibidas:
posteriori
priori
p x ) = p(
z | x ) p ( x ) , (3)
(
t
t t
t
posteriori
donde p ( xt
) = p(
xt
| zt
) sería la probabilidad condicional
una vez recibidas las medidas z. La distribución de probabilidad
empleada en el modelo sensorial, p( z t
| xt
) , puede ser
calculada a partir de las características conocidas de los sensores
o, más comúnmente, determinada experimentalmente.
Ambas etapas se realizan de forma consecutiva, refinándose en cada caso
la estimación de la densidad de probabilidad p( x t
) .
Existen numerosas implementaciones prácticas de los métodos bayesianos;
en aplicaciones robóticas las más interesantes son aquellas que permiten
funcionamiento en tiempo real y suponen un uso limitado de los recur-

74 Robots de exteriores
sos del sistema (tiempo de procesamiento y memoria). En este trabajo nos
limitaremos a la implementación conocida como filtro de partículas, cuya
filosofía de funcionamiento describimos a continuación. Otras alternativas
basadas en algoritmos genéticos se describen en (Moreno, 2006).
3.2 El filtro de partículas para estimación de la posición
El principal problema, desde el punto de vista computacional, de los métodos
bayesianos, es cómo muestrear apropiadamente la función de probabilidad
p( x t
) de forma que se obtengan estimaciones precisas de la posición.
Un enfoque puede consistir en considerar sistemáticamente todas las
posibles posiciones del móvil en el entorno de trabajo, mediante un mallado
suficientemente denso. Es fácilmente comprensible que este camino
conduce a unos requisitos de cálculo demasiado elevados (particularmente
en el caso de estimaciones de estados con varios grados de libertad, por
ejemplo, posición y orientación).
Los filtros de partículas concentran los esfuerzos de cálculo en las regiones
donde es más probable la presencia del móvil. Para ello, aproximan
la distribución de probabilidad mediante un conjunto de N muestras (o partículas)
de la siguiente forma (Fox, 2001):
i i
p( x ) ≈ { x , w , i 1,..., N}
, (4)
t t t
=
i
donde las partículas están situadas en posiciones x y tienen factores de
i
importancia o pesos w . Inicialmente las partículas están distribuidas al
azar por todo el entorno de posibles desplazamientos y todas tienen un peso
igual a 1/N. Cuando se reciben medidas de RSSI en el sistema, el filtro
corrige los pesos mediante el teorema de Bayes de forma análoga a la
ecuación 3, aplicando posteriormente una normalización de forma que
∑w
i t
=1. El modelo de movimiento se realiza mediante el remuestreo de
las partículas. Para ello se reemplazan todas las partículas de la iteración
anterior por otras con pesos de nuevo iguales a 1/N, pero situadas más densamente
en el los lugares donde las partículas de la iteración previa tuvieran
mayores pesos. La forma de la región donde las nuevas partículas son
colocadas viene dictada por el modelo de movimiento, de forma similar a
la ecuación 2. Por precaución, una fracción del número total de partículas
se disemina al azar por todo el entorno de movimiento, de forma que el filtro
pueda recuperarse si se ha producido un error en la estimación, o se ha
“raptado” al robot. La figura 2 muestra tres iteraciones de un filtro de par-

Localización de Robots y AGVs Mediante Tecnología RFID 75
tículas (correspondientes al experimento que se describirá en la sección
4.2).
0
-5
-10
-15
-20
-25
-30
-35
-40
(a) Situación inicial
0
-5
-10
-15
-20
-25
-30
-35
-40
(b) Tras 1 ciclo
-45
10 20 30 40 50 60
10 20 30 40 50 60
0
(c) Tras 2 ciclos
-5
-10
-15
-20
-25
-30
-35
-40
10 20 30 40 50 60
Fig. 2: Evolución de la estimación de la posición mediante un filtro de partículas:
(a) la primera estimación contiene partículas distribuidas por todo el espacio
de trabajo; (b), (c) las estimaciones sucesivas concentran mayor número de partículas
en el lugar donde se estima que está el móvil.
4 Resultados experimentales
Hasta el momento, las pruebas realizadas dentro del grupo Lopsi se corresponden
con dos configuraciones distintas del RFID-LPS: un sistema
centralizado con numerosos lectores por el entorno y otro orientado a la
privacidad, donde el lector es portado por el usuario que quiere autolocalizarse.
Ambos se describen a continuación.
4.1 Localización mediante un sistema centralizado
El LPS consiste en una red de lectores RFID colocados por el entorno, y
un sistema central que a partir de las lecturas de RSSI de un usuario determinado
(que debe portar un marcador identificador) desde varios de los

76 Robots de exteriores
lectores de la red, realiza la estimación de su posición. Esta configuración
se estudió en el marco del proyecto del Imserso Ariadna (“Sistema de localización
e interactuación para personas mayores y/o con discapacidad en
interiores de edificios”), y está descrita en (Ramos, 2006)
Una de las configuraciones empleadas para este sistema consistió en
cuatro lectores omnidireccionales y cuatro de tipo panel (estos últimos
agrupados en dos parejas) colocados en el recibidor del Instituto de Automática
Industrial (figura 3). Para la caracterización del sistema se recorrieron
exhaustivamente todos los puntos del recibidor, aprovechando la rejilla
“natural” proporcionada por las baldosas del suelo (con dimensiones 40 x
40 cm), y anotando las medidas de RSSI recibidas de un marcador portado
por el usuario. La figura 4 muestra los resultados de esta calibración, para
dos de las antenas omnidireccionales y los dos paneles de una antena directiva.
Fig. 3: Posicionamiento de los lectores en el recibidor del Instituto de Automática
Industrial

Localización de Robots y AGVs Mediante Tecnología RFID 77
Fig. 4: Disposición y calibración del sistema RFID centralizado. (a) Montaje de
pares de antenas de tipo panel (círculos rojos); (b) y (c) mapas de calibración de
dos antenas omnidireccionales; (d) y (e) mapas de calibración de una antena del
tipo panel. La graduación de colores de verde a rojo indica menores a mayores valores
de RSSI. A partir de estos mapas se obtienen los modelos de medida
P(RSSI|r).

78 Robots de exteriores
Fig. 5: Seguimiento de dos trayectorias (real: línea roja; estimación: línea negra)
en el recibidor del Instituto con el sistema de posicionamiento centralizado.
Con dicho sistema se realizó el seguimiento de varias trayectorias por el
recibidor, algunas de las cuales se muestran en la figura 5. En general, no
se obtuvieron resultados satisfactorios con estas configuraciones, con errores
medios en torno a los 3-4 m (en trayectorias de menos de 20 m de longitud).
En particular, no se obtuvo un modelo estadístico satisfactorio de
las antenas de panel, por lo cual la aportación de las mismas a la estimación
de la posición no fue muy positiva. La baja precisión puede deberse a
un número relativamente bajo de antenas receptoras operativas (4 lectores
omnidireccionales). Obviamente, el coste global del sistema crece rápidamente
con el número de lectores, así que se decidió cambiar de configuración
y trabajar con el LPS que se describe a continuación.
4.2 Sistema orientado a la privacidad
Esta configuración del sistema de localización es la inversa a la del apartado
4.1: en este caso existen varios marcadores de RFID diseminados densamente
por el entorno, y es el propio usuario (dotado de su lector RFID)
el que se autolocaliza, para lo cual debe contar con un sistema de procesamiento
(un ordenador portátil o una PDA) además de un mapa con la posición
de los marcadores RFID que le sirven como referencia. Este modo de

Localización de Robots y AGVs Mediante Tecnología RFID 79
funcionamiento imita a la configuración de GPS, y está orientado a la privacidad
en el sentido de que la posición de los usuarios es conocida únicamente
por ellos mismos. En esta configuración se está trabajando en el
seno del proyecto Dédalo (“Sistema para proporcionar servicios de guiado
en espacios interiores para el incremento de la autonomía personal de las
personas mayores e invidentes”), y los primeros resultados obtenidos están
descritos en (Koutsou, 2007).
Las ventajas de la arquitectura descentralizada es la fácil escalabilidad
del sistema, el soporte de un número elevado de usuarios y la práctica ausencia
de mantenimiento (más allá de reemplazar los marcadores RFID
cuando sus baterías se agoten); además, dependiendo de la aplicación, dichos
marcadores pueden ser pasivos, con la consiguiente disminución de
su coste.
En la fase de calibración del sistema para este proyecto se ha decidido
crear modelos de medida distintos P(RSSI|r) en función de que lector y
partícula tengan LOS o no; se ha comprobado experimentalmente que se
alcanzan mayores precisiones en la localización de esta forma. Un ejemplo
de histogramas de la calibración del sistema se muestra en la figura 6.
Fig. 6: Histogramas con la densidad de probabilidad P(RSSI|r) halladas mediante
la calibración del sistema orientado a la privacidad (columna izquierda:
LOS entre receptor y marcador; columna derecha: sin línea directa). Se muestran
tres rangos diferentes (3, 10 y 21 m).

80 Robots de exteriores
Como ejemplo de la capacidad de autolocalización obtenida, en la figura
7 se muestran dos trayectorias, la primera de las cuales transcurre en el recibidor
del Instituto de Automática y la segunda abarca tres salas: el propio
recibidor, un pasillo y el laboratorio de nuestro grupo. En ambos casos
comprobamos que el usuario es capaz de autolocalizarse con suficiente
precisión como para permitir la navegación; aunque los errores medios obtenidos
(1.4 y 2.5 m respectivamente) están todavía lejos de la precisión
obtenible por LPS ultrasónicos (Jiménez, 2006). Un área de mejora es el
modelo doble de P(RSSI|r) de la figura 6.
Fig. 7: Estimaciones de trayectorias propias con el sistema de localización del
apartado 4.2: (a) trayectoria en el recibidor; (b) trayectoria por el recibidor, pasillo
y laboratorio. Los marcadores RFID se indican mediante puntos rojos.
Conclusiones
En este trabajo se han discutido las principales características de los sistemas
de localización basados en la tecnología RFID (RFID-LPS), incluyendo
su configuración, las técnicas de estimación bayesiana de la posición
que deben emplearse para procesar la información aportada por el nivel de
señal RSSI y una implementación práctica basada en un filtro de partículas.
Se han mostrado los resultados obtenidos con dos prototipos de LPS basados
en diseños distintos: uno centralizado con varios receptores en el entorno,
y otro individual u orientado a la privacidad, donde son los marcadores
inalámbricos los que se colocan en el edificio. En principio se han
obtenido mejores precisiones de localización con el segundo sistema. Se

Localización de Robots y AGVs Mediante Tecnología RFID 81
demuestra que el LPS permite localizar de forma topológica al móvil, si
bien las precisiones ofrecidas (entre 1.5 y 2.5 m) no son competitivas por
el momento con las alcanzables por sistemas LPS ultrasónicos. No obstante,
la enorme ventaja en coste y escalabilidad de la tecnología RFID frente
a ultrasonidos hace que sea prometedora la investigación en la mejora de
los sistemas RFID-LPS para aplicaciones de Robótica, computación ubicua
y entornos inteligentes.
Agradecimientos
Los autores agradecen la financiación aportada por el Imserso en el marco
de los proyectos Ariadna (2006) y Dédalo (2007) en la realización de la
presente investigación.
Referencias
Fox D., S. Thrun, W. Burgard y F. Dellaert "Particle Filters for Mobile
Robot Localization," in Sequential Monte Carlo Methods in Practice, (editors
A. Doucet, J.F.G. de Freitas and N.J. Gordon). New York: Springer-
Verlag (2001).
Fox D., Hightower, J., Liao, L., Schulz D. y Borriello, G, 2003. Bayesian
Filtering for Location Estimation. IEEE Pervasive Computing 2 (3): pp
24−33.
Gezici S. et al, 2005. Localization via Ultrawideband Radios. IEEE Signal
Processing Magazine 22(4): pp 70-84.
Jiménez, A. R., Seco, F, Prieto C. y Roa, J., Tecnologías
sensoriales para la localización en entornos inteligentes, Simposio de
Computación Ubicua e Inteligencia Ambiental, UCAmI'2005 (CEDI 2005:
I Congreso Español de Informática), Granada, 13-16 de septiembre de
2005. Libro de actas, pp. 75-86 (ISBN: 84-9732-442-0)
Jiménez A. R. y Seco, F. Ultrasonic Localization Methods for Accurate
Positioning, en “New acoustics : selected topics II” (CSIC, F. Montero de
Espinosa, C. Ranz, J. Pfretzschner, editores), pp.147-166 (2006) ISBN 84-
00-08471-3.

82 Robots de exteriores
Kolodziej, K. W. y Hjelm, J. 2006. Local Positioning Systems. LBS Applications
and Services, Taylor and Francis: Boca Raton, FL.
Koutsou, A. et al 2007. Preliminary Localization Results With an RFID
Based Indoor Guiding System. In Proc. IEEE Internacional Symposium on
Intelligent Signal Processing., Alcalá de Henares, España, 3-5 octubre de
2007.
Moreno, L., Garrido, S., Muñoz, M. L., 2006. Evolutionary filter for robust
mobile robot global localization. Robotics and Autonomous Systems 54
(7): pp 590−600.
F. Ramos, Estudio y definición de estrategias para localización en entornos
interiores basadas en tecnología RFID. Trabajo de maestría, Universidad
Politécnica de Madrid (2006)
Salichs, M. A., Moreno, L., 2000. Navigation of mobile robots: open
questions. Robotica vol. 18: pp 227−234.
Thrun S, Fox, D., Burgard, W. y Dellaert, F, 2001. Robust Monte Carlo
Localization for Mobile Robots. Artificial Intelligence, vol. 128, pp. 99-
141.
Thrun, S, 2002. Probabilistic Robotics, Communications of the ACM, vol.
45, no. 2, pp. 52-57.

CAPÍTULO 6
Robot de Grandes Dimensiones para la
Consolidación de Laderas de Montañas
S. NABULSI, J. SARRIA, R. PONTICELLI y M. ARMADA
Instituto de Automática Industrial – CSIC snabulsa@iai.csic.es
Se presenta el análisis del diseño mecánico de Roboclimber (Anthoine,
2003) (Armada, 2002). Un robot de cuatro patas, escalador y caminante,
financiado por un proyecto Growth/Craft de la Comunidad Europea para
realizar perforaciones en las laderas de las montañas para poder después
inyectar otros materiales para fortalecer su estructura. En la investigación
se analizan los principios del diseño según las especificaciones del proyecto
y del estudio de la problemática de la robótica para implementar un robot
de grandes dimensiones con un nivel de seguridad y robustez altos.
1 Introducción
Para fortalecer la estructura de las montañas se realizan perforaciones horizontales
con profundidades de hasta 20 m. en varios puntos de la pendiente,
y a continuación se inyecta hormigón para consolidar la estructura de la
ladera. Este tipo de consolidación es realizada, a veces, acercando camiones
con brazos articulados y llevando consigo el sistema de perforación,
en sitios que deben ser accesibles para un vehículo pesado. Otra solución
típica para este tipo de trabajos es el uso de andamios construidos para que
los trabajadores logren acceder y subir los equipos necesarios. Por supuesto
estas soluciones tienen un alto coste en todos los aspectos, necesitan
mucho tiempo para su realización, lo que supone cargas laborales muy altas
y especializadas en tareas sumamente peligrosas. Otras soluciones alternativas
han sido desarrolladas, como son el uso de estructuras metálicas
colgadas de las montañas mediante cables de acero en las que se lleva todo
el equipamiento y trabajadores especializados a bordo.

84 Robots de exteriores
Roboclimber es un robot caminante y escalador cuadrúpedo financiado
bajo un proyecto Growth/Craft de la Comisión Europea (2002-2004), desarrollado
para realizar operaciones remotas y automatizadas de monitorización
y de perforación en montañas rocosas de difícil acceso, con el objeto
de consolidar las laderas y evitar derrumbes, disminuyendo el riesgo que
esto supone para distintas infraestructuras como carreteras, ferrocarriles o
viviendas ubicadas al pie de las montañas.
Fig. 1. Diseño de Roboclimber
Conceptualmente Roboclimber se basa en una estructura mecánica diseñada
para llevar el equipo necesario a bordo para realizar las labores de
consolidación. La estructura es soportada por cuatro patas, cada una de tres
grados de libertad y de configuración cilíndrica, cuyos movimientos se generan
a partir de actuadores hidráulicos y cuyo equipamiento tanto de control
como de potencia son llevados a bordo, ascendiendo por las paredes de
las montañas con un peso superior a 3500 Kg con la ayuda de cables de
acero sujetos adecuadamente en la cima de la montaña. El proyecto tiene
como objetivo principal mejorar las condiciones del trabajo de consolidación
con respecto a los diferentes tipos de soluciones actuales como lo son
la reducción del tiempo de trabajo, reducción de gastos de materiales y de
operación, y lo más importante, la disminución del riesgo laboral.
2 Diseño del sistema mecánico
Para entender el concepto de la estructura mecánica del robot se deben recordar
los requerimientos del proyecto para el que fue construido. Primero,
el robot tiene dos funciones principales, la primera es la recopilación de

Robot de Grandes Dimensiones para la Consolidación de Laderas de Montañas
85
datos geológicos y la segunda es la de realizar trabajos de perforación para
alcanzar profundidades de hasta 20 m en montañas rocosas.
Para la recopilación de datos geológicos, la fuerza de propulsión del robot
en la ladera debe ser generada mediante el uso de cables de acero sujetos
en la cima de la montaña, y por consiguiente la fuerza de agarre del robot
debe ser su propio peso. El robot debe ser capaz de caminar y escalar
sobre pendientes compuestas entre 60º y 90º, superando obstáculos superiores
a 500 mm de altura. En segundo lugar, el sistema debe llevar a bordo
el equipo necesario para alimentar los actuadores y para la generación de
movimientos de los diversos sistemas mecánicos.
2.1 Estructura mecánica
El diseño de la estructura mecánica de Roboclimber se basa en tubos cuadrados
de acero con perfil cuadrado de 70 mm y 7 mm de espesor. Aunque
existen materiales más ligeros, como el aluminio, se ha decidido utilizar
el acero como el material principal para la fabricación de la estructura
de Roboclimber gracias a sus propiedades mecánicas, que son más fiables
considerando las elevadas cargas y torsiones que la estructura tendrá que
soportar.
b.
a.
c.
Fig. 2. Estructura de Roboclimber

86 Robots de exteriores
Esta estructura está dividida en seis partes principales. En la parte central
del cuerpo se encuentran dos cavidades (c); la posterior está diseñada
para alojar tanto los sistemas hidráulicos con un depósito de aceite como el
sistema de control. La cavidad delantera esta diseñada para instalar el sistema
de perforación.
El desplazamiento de la estructura se realiza mediante unas patas las
cuales son soportadas por los cuatro arreglos laterales creados para este
fin. En sus extremos se instalan cuatro rótulas las cuales tendrán la tarea de
sujetar las patas y hacer de pivote para realizar giros. Como se puede ver
en la (a), las dimensiones entre ejes se asemejan aun cuadrado, lo cual
simplificará el estudio de las condiciones de estabilidad en el momento de
realizar la generación de modos de caminar. Una característica fundamental
es que el peso total de la estructura base es de 500 Kg pero puede llegar
a soportar sobre sí misma una carga superior a 3.5 toneladas.
2.2 Configuración de las patas
Las patas de las máquinas caminantes son el elemento básico para su locomoción.
Por esa razón la elección acerca del tipo de configuración de
patas que se va a utilizar es fundamental para lograr un buen comportamiento
en la locomoción. En el caso de Roboclimber, se eligió un tipo de
configuración que, si bien, no es muy versátil, se adapta bien a los requerimientos
operativos del robot. En nuestro caso, las patas no tienen que
hacer una fuerza necesariamente alta de agarre (puesto que es desarrollada
por el peso de la máquina), pero si tienen que generar un soporte muy estable
para moverse con un gran peso a bordo y para realizar las tareas de
perforación.
El diseño se basa en las patas de dos grados de libertad que equilibran
los camiones grúa, los cuales tienen un centro de gravedad alto, y en los
que se generan pares que pueden llegar a volcar el vehículo lateralmente al
trabajar con cargas elevadas.
La única diferencia con respecto a este tipo de soporte es que, en las patas
que utiliza Roboclimber, se ha añadido una articulación más para poder
tener la capacidad de giro horizontal y lograr realizar diferentes maniobras
en la locomoción. Roboclimber tiene cuatro patas, y cada una de ellas tiene
3 grados de libertad (gdl), dando como resultado un total de 12 gdl en el
robot. Dentro de las principales características del diseño de las patas cabe
resaltar su robustez y fiabilidad. Cada pata se conecta a la estructura, como
se muestra en la imagen, por medio de unos ejes superiores e inferiores a
as rotulas instaladas en los extremos de la estructura creando el primer gdl
de rotación; este movimiento de rotación lo genera un actuador hidráulico

Robot de Grandes Dimensiones para la Consolidación de Laderas de Montañas
87
ubicado en la parte lateral de la pata y conectado a su vez a la parte lateral
correspondiente de la estructura.
Fig. 3 Configuración cinemática
Los siguientes dos gdl prismáticos, uno horizontal y otro vertical, se
crean al introducir un tubo cuadrado de acero dentro de otro. Entre los tubos
se instala un cilindro hidráulico que sujeto del tubo exterior mueve el
interior y de esta manera cuando el cilindro actúa, saliendo o entrando,
también lo hace el tubo interior.
Esta configuración cinemática de las articulaciones, una de rotación y
dos prismáticas, es normalmente llamada cilíndrica debido al volumen de
trabajo y alcance que describe su movimiento (Sciavacco, 2001). La zona
verde de la figura muestra el área cinemática útil de trabajo para el desarrollo
de movimientos en el robot.
Una de las principales características de la configuración mecánica actuada
mediante cilindros hidráulicos es que se generan topes mecánicos
muy rígidos en donde no es posible alcanzar posiciones de interferencia
entre los distintos componentes del robot. Está característica es muy importante
puesto que dadas las fuerzas que cada uno de estos cilindros puede
desarrollar, si hubiese alguna interferencia, sería muy probable la generación
de daños en la estructura.
2.3 Sistema de sujeción
Como se mencionó al inicio de este capítulo, al escalar Roboclimber utiliza
dos dispositivos llamados Tirfor que, actuados hidráulicamente, ejercen

88 Robots de exteriores
una fuerza tal que son capaces de mover el robot hacia arriba o dejarle descender
hacia abajo; cada uno se sujeta de un cable de acero instalado en el
tope de la montaña; estos cables están ubicados de tal forma que sea posible
para el robot abarcar el área en el que se quiera realizar los trabajos de
perforación.
Una vez que cada uno de los extremos del cable ha sido sujetado al tope
de la montaña, se pasa el otro extremo por medio del Tirfor. Cuando éste
es accionado por un actuador hidráulico, el Tirfor se desplaza por el cable,
desplazando consigo todo lo que lleva sujeto, en este caso Roboclimber.
El Tirfor ha sido elegido como medio de propulsión para escalar frente a
otros sistemas tradicionales motorizados por varios motivos. El primero es
que no es necesario almacenar el cable puesto que este se mantiene colgado
de la montaña; de esta forma se evitan los enredos y otros problemas
que se pueden generar al estar enrollando y desenrollando el cable. Otra de
las ventajas es que al ser propulsados hidráulicamente es posible utilizar el
sistema hidráulico y de control ya incorporado en el robot.
Como principal desventaja, se tiene que la velocidad de desplazamiento
por el cable no es continuo, lo que genera altas vibraciones al escalar y
complicaciones al coordinar el movimiento del robot con el de los Tirfor.
2.4 Sistema de detección del suelo
Al estar el robot concebido para la locomoción en terrenos naturales uno
de los principales componentes de la generación de modos de locomoción
es la detección del suelo. La transferencia de una pata consta de tres movimientos,
primero el de separación del suelo, seguido del movimiento
hasta su posición de llegada y por último el contacto con el suelo.
El problema es que si existe una irregularidad en la superficie en el
momento de bajar la pata para hacer el contacto con el suelo, si no existiera
ningún sistema de detección, la pata subiría hasta la altura determinada
por el sistema de control del robot y generaría un desequilibrio en la orientación
del robot con respecto al suelo. Esta situación puede acarrear muchos
problemas de estabilidad, sobre todo si la carga soportada por el robot
es muy grande, y el centro de gravedad está situado en una posición muy
alta con respecto al eje z del robot, debido a que pueden producirse pares
inesperados.
Por esta razón se ha diseñado un sistema de detección que se compone
de cuatro elementos:
• Base interior: Es en donde se conecta el pie a la pata.

Robot de Grandes Dimensiones para la Consolidación de Laderas de Montañas
89
• Muelle: Es el mecanismo de recuperación de la detección y se
aloja entre la base interior y la exterior.
• Base exterior: Es la parte que activa el sensor y recubre el muelle.
• Sensor inductivo: Se activa cuando el pie toca el suelo.
Fig. 4. Mecanismo de detección del suelo
Cuando la pata baja y el pie hace contacto con el suelo, se produce un
leve movimiento de alrededor de unos 4 mm de distancia, de tal manera
que la base exterior, sin llegar a tocar el sensor inductivo, tenga la capacidad
de activarlo, enviando una señal al sistema de control. Por supuesto,
cuando la pata sube y el pie deja de tocar el suelo el sensor se desactiva,
separándose la base exterior del sensor por la acción del muelle. La característica
principal de este mecanismo es que, por medio de su sistema de
recuperación es capaz de trabajar tanto en superficies horizontales como en
verticales.
3 Sistema servo-hidráulico
Para el diseño del sistema hidráulico para el posicionamiento de Roboclimber
hay que tener en cuenta los requerimientos del sistema. Primero,
se debe definir el tipo de control que se desea tener. Las principales ventajas
de los servo-actuadores hidráulicos son primero la gran presión que
pueden soportar, la transmisión de movimientos con cargas muy altas y
por último que pueden ser controladas con varios tipos de realimentación

90 Robots de exteriores
como el flujo, la presión, posición, fuerzas o cualquier combinación de estas.
Finalmente, y porque en esta aplicación no es necesario el uso de altas
velocidades, los actuadores hidráulicos generan movimientos suaves, propiedad
que ayuda en la generación de movimientos en donde la sincronización
de varios actuadores es crítico y además ayudan también a mejorar el
comportamiento dinámico del sistema disminuyendo las inercias.
Para lograr el movimiento del robot por medio de las patas primero se
debe lograr que cada una de las articulaciones se mueva independientemente
con una velocidad determinada, que pueda llegar a una posición específica
y que sea controlado en los dos sentidos. Como ya se ha indicado,
el sistema mecánico fue diseñado para utilizar cilindros hidráulicos. Por
consiguiente es necesario un cilindro de doble efecto para cada articulación.
Controlar la velocidad del actuador implica que es necesario controlar
su caudal; para lograr esto tenemos dos opciones, la primera es la de controlar
el motor de la bomba. Esta posibilidad no se ajusta a las necesidades
del sistema, puesto que para lograr un movimiento coordinado del cuerpo
se da el caso en que la velocidad de las articulaciones no es la misma. Por
esta razón se decidió que cada articulación debería ser un sistema independiente
controlado por medio de válvulas proporcionales.
Desde el punto de vista energético, es preferible realizar un control directo
sobre la bomba hidráulico para el control del caudal. Pero los sistemas
controlados por medio de válvulas proporcionales generalmente presentan
mejores características dinámicas sobre los actuadores.
Para una selección básica de una bomba hidráulica hay dos parámetros
requeridos por el sistema que se deben tener en cuenta, la presión y el caudal.
Con respecto al primer requerimiento, la presión, debe ser la suficiente
como para poder generar una fuerza de empuje tal que se logren levantar
por lo menos 3500 Kg, lo que significa que cada pata tendrá que levantar
una carga de por lo menos 1500 Kg . Usando la ecuación de la presión (Jelali,
2003):
F mg
P = =
2
A π r
1750Kg
⋅9.8 m / s
P =
−2 2
π (3.5⋅10 m)
6
4.456 10 44.56
P = ⋅ Pa = bar
2
(1)
En donde r es el radio dado por la sección transversal de la camisa del
cilindro hidráulico tiene un diámetro de 70 mm, por lo tanto la presión mí-

Robot de Grandes Dimensiones para la Consolidación de Laderas de Montañas
91
nima que el motor hidráulico debe proporcionar es de 38.2 bar, con un flujo
constante.
Para analizar el caudal Q mínimo que la bomba debe entregar al sistema
es necesario tener en cuenta que al realizar el movimiento del cuerpo del
robot se utilizan al menos ocho articulaciones u ocho cilindros hidráulicos
a la vez. Usando la ecuación del caudal:
V dA
Q = =
τ
τ
1.15l
q = = 8.65 l / min
0.133min
(2)
en donde V es el volumen de la camisa interna del cilindro dado en Litros,
en donde A es el área de la sección transversal de la camisa de cilindro definida
en la ecuación y d es la longitud máxima de recorrido del cilindro
que es de 300 mm; y τ es el tiempo en minutos en la que se hace el movimiento
completo que es de alrededor de 0.133 min o 8 seg, para cada una
de las articulaciones. Por lo tanto, al multiplicar por el número de articulaciones
el Q máximo requerido por el sistema es de 34.638 l/min.
La selección de la válvula proporcional se debe hacer con respecto al
caudal necesario para que solo un cilindro hidráulico, de 300 mm de carrera,
logre recorrer esa distancia en 3 seg. Calculando de la misma forma el
caudal pero con un tiempo de 3 seg da como resultado que el caudal necesario
es de 13.85 l/min, de esta forma se seleccionó una válvula de capaz
de entregar hasta 15 l/min según las características del fabricante.
4 Arquitectura de control
Todos los movimientos hidráulicos en el sistema que necesitan ser controlados
tienen que desarrollar una velocidad específica y/o llegar con precisión
a alguna posición deseada (Nabulsi, 2003). Por esta razón, en la estructura
básica de control, los servo-mecanismos hidráulicos son
controlados midiendo su posición mediante encoders (codificadores incrementales
de posición), para cerrar el lazo. El sistema de control realiza
la coordinación de las acciones sobre los actuadores de forma que se produzca
la locomoción en la
dirección y orientación deseadas.
La plataforma consta de una unidad de control central para la supervisión
y planificación de todas las tareas a realizar. La unidad de control

92 Robots de exteriores
central es en la práctica un ordenador industrial de reducidas dimensiones,
pero con todos los periféricos estándar de un PC. Los diferentes sensores a
bordo están atendidos por una tarjeta de entrada/salida de señales analógicas
y digitales. Las mediciones de magnitudes sensoriales, así como las acciones
sobre los actuadores de cada pata están supervisadas en todo momento
por el procesador central.
La arquitectura de control debe ocuparse de toda la información generada
por el sistema y procesarla en tiempo real. Por esta razón el sistema
operativo QNX ® 6.3, un sistema operativo basado en UNIX y de procesamiento
en tiempo real, se utiliza para leer y procesar la información de todos
los sensores manteniendo la capacidad y la precisión para controlar los
actuadores simultáneamente, con un software de control desarrollado en
lenguaje C++.
En el robot hay cinco tarjetas de control local desarrolladas por el Departamento
de Control Automático del IAI-CSIC, las cuales utilizan microcontroladores
LM629 dedicados al control de articulaciones en lazo cerrado
con realimentación de posición. Estos microcontroladores cuentan
con un generador de perfiles de posición y velocidad, un regulador PID digital
programable y un decodificador de señales de cuadratura de codificadores
ópticos incrementales (encoders) para la realimentación de la posición.
La señal de control a la salida del microcontrolador es un tren de
pulsos modulados en anchura (también llamada PWM, del inglés ``Pulse
Width Modulation"). Los microcontroladores locales están agrupados en
tarjetas de tres ejes cada una, por lo que cada tarjeta realiza el control de
una pata del robot.
En Roboclimber, dos tipos de encoders son usados principalmente para
la medición de la posición de las articulaciones de las patas. En las articulaciones
de rotación se usaron encoders de 2500 ppr (pulsos por revolución)
adaptándolos directamente al eje de cada una de las articulaciones
para medir el ángulo de la pata disminuyendo la carga de operaciones en el
ordenador del robot, facilitando así la solución de las ecuaciones cinemáticas.
El segundo tipo de encoder es el lineales; estos sensores tienen la característica
de medir posiciones de actuadores lineales que, a diferencia de
los rotacionales, mediante un cable de acero instalado en el actuador, mueve
el mecanismo interno del encoder generando el mismo tipo de señales.
El cable está sujeto a los tubos de acero internos de las articulaciones
prismáticas de las patas, midiendo directamente su posición con una precisión
de 0.1 mm.
Para cerrar completamente el lazo, en el sistema de control hay 12 amplificadores
de potencia, uno por cada actuador, tanto del sistema de posicionamiento
como para los elementos de perforación. Su función es la de
dar la señal de control adecuada a las válvulas proporcionales del robot pa-

Robot de Grandes Dimensiones para la Consolidación de Laderas de Montañas
93
ra lo cual reciben las señales analógicas demoduladas de ±10 voltios a partir
de la señal PWM suministrada por las tarjetas de control.
La electrónica de potencia transforma de nuevo a una señal analógica en
una señal PWM amplificada y sintonizada para las válvulas proporcionales.
Además realizan automáticamente un control con realimentación de
corriente para obtener la señal deseada para alimentar el solenoide de
acuerdo con la consigna de entrada.
Fig. 5. Lazo de control para una articulación
5 Modos de locomoción
El posicionamiento del robot no se realiza de forma completamente automática;
un operario debe decidir en que dirección y la posición a donde se
debe mover el robot dando los comandos convenientes de acuerdo con la
información de posición generada por el sistema de control. De la misma
forma la unidad de control tiene almacenados movimientos predefinidos
para lo cual solo es necesario que el usuario de comandos tales como adelante,
atrás o subir y bajar para que el robot automáticamente genere un
movimiento. Estos movimientos son lo suficientemente complejos para un
posicionamiento seguro del robot, en terreno regular o irregular, en planos
horizontales o con inclinación.

94 Robots de exteriores
Tanto el modos de caminar como el de escalar requieren de diferentes
movimientos, por esta razón el usuario debe seleccionar cual de los dos tipos
de movimientos es el idóneo dependiendo de la posición en la que se
encuentre el robot. Para los modos de caminar se usa un modo discontinuo
de dos fases. La característica principal de este tipo de movimientos es que
se optimiza la estabilidad del robot pues se mantiene una zona estable muy
amplia dentro del triangulo de apoyo generado por las patas que están
apoyadas en el suelo.
Distintos movimientos predeterminados del robot han sido programados
en el ordenador; estos movimientos son lo suficientemente complejos como
para poder ubicar el robot por terrenos regulares o irregulares, y en
donde es indispensable mantener una posición equilibrada sobre la superficie
para asegurar la estabilidad y por lo tanto la seguridad del sistema.
5.1 Modo de caminar discontinuo de dos fases
En la secuencia del modo discontinuo de dos fases, las patas se deben ubicar
de tal forma que el MDE no se salga del polígono de apoyo del robot al
subir una de ellas (Hirose, 1984). Esto se logra apoyando la pata después
de realizar su transferencia en su límite cinemático. En la primera parte de
la secuencia la pata 4 debe ser levantada y se debe mover hasta un punto
en el que sea posible subir otra pata, sin perder estabilidad; esto se debe
hacer cuando el cuerpo del robot está en posición estática. Después se
mueve la pata 2 en el mismo sentido para luego poder hacer el movimiento
del cuerpo que debe recorrer la mitad de la distancia recorrida por las patas;
de esta forma termina el termina la primera fase. La segunda fase de la
secuencia consiste en hacer los mismos movimientos, pero con las patas
del lado opuesto, es decir la pata 1 y la pata 3, y mover de nuevo el cuerpo
del robot, terminando así con la segunda fase de la secuencia.
Analíticamente se puede determinar el grado de estabilidad de la posición
de las patas mediante el “Margen de Estabilidad Longitudinal” (MEL)
que está definido como la distancia más corta entre la proyección del centro
de gravedad y el límite del polígono de apoyo en la dirección del eje
longitudinal de la máquina. El MEL se determina por la diagonal definida
por dos pies no adyacentes y contralaterales; la diagonal va desde una pata
en la mitad de su volumen de trabajo a una pata ubicada en su límite cinemático
y cercano al centro de gravedad. Como se puede ver en la figura,
el MDE es el mismo en todos los casos en los que el robot se encuentra en
tres patas y por lo tanto el valor MEL está determinado por el valor absoluto
de la abscisa de la diagonal en el origen (Gozález de Santos, 2006):

Robot de Grandes Dimensiones para la Consolidación de Laderas de Montañas
95
⎛ y − y ⎞
MEL
d
= x + y
⎝ ⎠
3 2
2 ⎜ ⎟ 2
x3 − x2
(3)
En donde P 2 (x 2 ,y 2 ) y P 3 (x 3 ,y 3 ) son los extremos de la diagonal. Sustituyendo
los valores de estos puntos por la primera postura, (-P x /2, P y /2) y (P x /2-
R x /2, -P y /2), de la Ecuación (3) se deduce que:
Ry
MEL
d
= (4)
4
En este caso en donde P x es la longitud del paso en la dirección del eje x,
P y es la longitud del paso en la dirección del eje y y, R x y R y son las dimensiones
del área de trabajo de una pata, que define la longitud del paso.
Fig. 6. Secuencia de locomoción del modo de caminar discontinuo de dos fases
En la secuencia (ver Fig. 6) se muestra la posición de las articulaciones
del Roboclimber durante un ciclo completo de un modo de caminar discontinuo
de dos fases. De acuerdo con la geometría de la pata (es posible
calcular el MEL d de la Ecuación (4) dependiendo de la posición de las articulaciones
de las patas. Según la gráfica (ver Fig. 7) el MEL máximo du-

96 Robots de exteriores
rante el modo de caminar discontinuo de dos fases es de 220 mm, lo cual
lo hace un modo de caminar muy confiable con respecto a su estabilidad.
Rotación ( º )
50
0
Posición de las articulaciones de las patas
-50
0 10 20 30 40 50 60
Horizontal (m m .)
Vertical (m m .)
M EL d
(m m .)
300
Pata 1
Pata 2
200
Pata 3
Pata 4
100
0 10 20 30 40 50 60
400
300
200
0 10 20 30 40 50 60
200
100
Márgen de Estabilidad Longitudinal
0
0 10 20 30 40 50 60
Tiempo (seg.)
Fig. 7. Posición de las articulaciones y MEL en un modo de caminar discontinuo
de dos fases de Roboclimber.
5.2 Modo de escalar
El problema del escalado de Roboclimber (cuya masa puede superar los
3500 Kg), es que tiene que realizarse por pendientes con una inclinación
entre 45º y 90º y, además, debe desplazarse por superficies irregulares que
en ciertos momentos tienen obstáculos. Tales condiciones son las que en
su mayoría podemos encontrar en terrenos naturales como por ejemplo en
montañas. Al ser muy difícil diseñar e implementar un sistema de sujeción
o de agarre para que las patas se mantengan unidas a la superficie, se ha
optado por la solución de que el robot debe estar colgado por medio de cables
de acero y utilizando los Tirfor como actuador y elemento de sustentación.

Robot de Grandes Dimensiones para la Consolidación de Laderas de Montañas
97
Así los conceptos clásicos de estabilidad para escalar según los robots
que se sujetan con dispositivos de adherencia especiales (Grieco, 1997)
(Hirose, 1997) no son aplicables. Razón por la cual un nuevo modo de escalado
ha sido desarrollado para este proyecto, y puede ser aplicable para
cualquier tipo de robot aunque no esté especialmente diseñado para escalar.
Fig. 8. Esquema de los momentos en el modo de escalar
El objetivo de los movimientos es el de lograr subir las patas evitando
inestabilidades tanto verticales como horizontales, para que después sea
posible trasladar el cuerpo. Para lograrlo la proyección del centro de gravedad
debe estar siempre por detrás de las patas de apoyo, de esta forma
logramos que el momento generado por el peso del cuerpo siempre tenga
la dirección M 1 . Así, cuando las dos patas traseras se levanten el apoyo de
las patas posteriores es suficiente como para hacer una fuerza de soporte F s
y mantener una distancia con la superficie, mientras los cables soportan el
peso de la máquina manteniendo así su posición y un equilibrio en las
fuerzas de propulsión F p .
Si por el contrario, el momento resultante por la proyección del centro
de gravedad fuera de M 2 , es decir, que la proyección del centro de gravedad
estuviera por delante del apoyo de las patas, la máquina tendería a girar
hacia adelante en el instante en que las patas delanteras fueran levantadas.
También ocurriría lo mismo si, por ejemplo, se levantaran solo las
patas de uno de los lados del robot, creando un desequilibrio lateral. Por
consiguiente el modo de escalar se ha deducido a partir de esta problemática
(Nabulsi, 2004).

98 Robots de exteriores
Fig. 9. Secuencia de movimientos para el modo de escalar
6 Medición en las fuerzas de reacción de las
articulaciones verticales
Durante la fase de la puesta en marcha y experimentación de Roboclimber
se han realizado varios intentos para aumentar la eficiencia en el funcionamiento
de este. Los problemas que se suelen encontrar son siempre debido
al cambio de las condiciones físicas tanto de la estructura mecánica
del robot como en los distintos medios naturales en los que se debe trabajar.
Un robot de estas dimensiones puede ser útil para muchas otras aplicaciones
distintas a la de perforación. Puede emplearse como un vehículo de
carga para transportar materiales o herramientas a sitios de difícil acceso.
Esto implica el cambio de la masa del robot y por consiguiente del centro
de gravedad, aumentándose así la inestabilidad en los modos de caminar
(Montes, 2006).
Se han estudiado distintas posibilidades en las que no se tenga que realizar
cambios mecánicos drásticos, ni realizar inversiones altas para lograr
una medición fiable de las fuerzas. Una de las posibles propuestas se ha
deducido del análisis de las fuerzas que actúan sobre las patas. De este
análisis se deduce que la extensión de la articulación prismática es generada
por la presión que genera el fluido hidráulico y por lo tanto, la carga
que debe soportar para mantener el robot.
Fig. 10. Cilindro hidráulico

Robot de Grandes Dimensiones para la Consolidación de Laderas de Montañas
99
Por eso se ha determinado que una de las posibles soluciones al problema
de la medición de las fuerzas en Roboclimber puede ser la de incorporar
sensores que midan la presión hidráulica generada y por lo tanto deducir
las fuerzas que actúan sobre la articulación. Los transductores más
utilizados actualmente para convertir la energía hidráulica en energía eléctrica
son los transductores de presión. Las principales ventajas de estos
sensores es que son relativamente económicos, son fáciles de instalar, son
robustos y precisos.
Cuando el pistón se mueve a una velocidad determinada se generan
fuerzas de fricción entre las cámaras A y B de la camisa del cilindro, si la
velocidad sube normalmente la fricción aumenta. Pero esta relación no es
lineal puesto que en cada instante la posición del pistón dentro del cilindro
es diferente, lo que significa que hay mayor o menor cantidad de fluido
dentro de las cámaras, afectando en mayor o en menor medida su comportamiento.
Uno de los métodos más usados para contrarrestar el efecto de la fricción
entre las cámaras, es instalando un sensor de presión en la cada una
de las cámaras cilindro hidráulico y determinar la fuerza de presión diferencial
F p generada por el movimiento del pistón aplicando la ecuación
(Jelali, 2003):
F = ( p − α p ) A
(5)
p A B p
en donde A p es el área de la camisa del pistón, p A y p B es la presión en la
cámara A y B respectivamente y α es el factor diferencial del área de las
cámaras producido por el vástago.
Controlar la estabilidad de un robot con las características de Roboclimber,
usando la medida de la presión hidráulica en los actuadores como realimentación,
ofrece muchos desafíos. Roboclimber está compuesto por
una serie de sistemas (e.g. el sistema de control, el mecánico o el hidráulico)
en los que cada uno de ellos afecta de forma importante a los demás
complicando la posibilidad de realizar modelos completos del sistema y el
poder, en consecuencia, diseñar controladores aptos para los distintos procesos.
Aunque teóricamente es posible hacerse una idea de como podrían actuar
las fuerza durante un modo de caminar, ha sido necesario evaluar su
comportamiento real realizando dos pasos en el modo de caminar discontinuo
hacia atrás midiendo las fuerzas generadas en cada una de las articulaciones
verticales. De esta forma se pueden analizar las diferentes posibilidades
para mejorar la estabilidad del robot mediante el uso de sistemas de
control de fuerza alternativos.

100 Robots de exteriores
Posición de las articulaciones verticales
0.5
P os (m .)
0.45
0.4
0.35
q 1
q 2
q 3
q 4
0.3
0 20 40 60 80 100 120
Tiempo (seg.)
Fuerzas en las articulaciones verticales
15
F uerz a (K N)
10
5
0
F 1
F 2
F 3
F 4
0 20 40 60 80 100 120
Tiempo (seg.)
Fig. 11. Comportamiento de las fuerzas diferenciales en un modo de caminar
discontinuo de dos fases
7 Conclusiones
Actualmente, con los sistemas de locomoción con patas actuales, no se ha
logrado alcanzar un nivel de desarrollo lo suficientemente alto como para
poder introducirlos ampliamente en el mercado de la robótica de servicios.
Esto se debe, a que su elevada complejidad técnica genera un coste muy
alto en el desarrollo de los sistemas robóticos sin que siempre se logre una
plataforma realmente útil, para las aplicaciones en las que es necesaria la
automatización de procesos de difícil ejecución.
Tal es el caso de los trabajos de consolidación de montañas en donde,
actualmente, en la ejecución de cada una de estas tareas es necesario utilizar
una infraestructura compleja y costosa. El desarrollo de Roboclimber
ha supuesto la búsqueda de soluciones a problemas muy complejos y altamente
técnicos pero que, a su vez, simplifican la forma de ejecutar las tareas
de consolidación que actualmente son realizadas manualmente por
trabajadores especializados.

Robot de Grandes Dimensiones para la Consolidación de Laderas de Montañas
101
En este trabajo se ilustran las distintas soluciones que se han adoptado
para el desarrollo y la puesta en marcha del proyecto Roboclimber, empezando
desde el diseño básico mecánico, el control de las articulaciones,
hasta lograr implementar una plataforma útil para las labores de consolidación,
el desarrollo de modos de caminar y de estrategias de control, aportando
a su vez soluciones a la investigación de la locomoción de robots
con patas de grandes dimensiones.
Agradecimientos
El proyecto ROBOCLIMBER ha sido financiado por la Comunidad Europea
(EC) con el Contrato Nº G1ST-CT-2002-50160. El consorcio está integrado
por: ICOP S.p.a., Space Applications Services (SAS), Otto Natter
Prazisionenmechanik GmbH, Comacchio SRL, Te.Ve. Sas di Zannini Roberto
& Co. (TEVE), MACLYSA, D'Appolonia S.p.a., University of Genova-PMAR
Laboratory, y el CSIC-IAI.
Referencias
Anthoine P., Armada M., Carosio S., Comacchio P., Cepolina F., González
P., Klopf T., Martin F., Michelini R.C., Molfino R.M., Nabulsi S.,
Razzoli R.P., Rizzi E., Steinicke L., Zannini R., y Zoppi M., 2003,
ROBOCLIMBER. In: ASER03, 1st International Workshop on Advances
in Service Robotics, March 13-15, Bardolino, Italy.
Armada M. y Molfino R.M., 2002, Improving Working Conditions and
Safety for Landslide Consolidation and Monitoring. In: Workshop on the
role of CLAWAR in education, training, working conditions and safety, on
CD-Rom, Madrid.
Gozález de Santos P., Garcia E., y Estremera J., 2006, Quadrupedal Locomoion:
An Introduction to the Control of Four-Legged Robots. London:
Springer.
Grieco J.C., 1997, Robots escaladores. Consideraciones acerca del diseño,
estabilidad y estrategias de control. Ph. D. thesis, Universidad de Valladolid.

102 Robots de exteriores
Hirose, S., 1984, A Study design and Control of a Quadruped Walking
Vehicle. The International Journal of Robotics Research, 31(2): 113-133.
Hirose S., Yoneda K., y Tsukagoshi H., 1997, TITAN VII: Qudruped
walking and manipulating robot on a steep slope. In Proc. IEEE Int. Conf.
Robotics and Automation. Albuquerque, New Mexico.
Jelali M. y Kroll A., 2003, Hydrulic Servo-systems: Modelling, Identification
and Control. Springer, London.
Montes H., Nabulsi S., y Armada M., 2006, Reliable, built-in, high- accuracy
force sensing for legged robots. The International Journal of Robotics
Research. Vol.25, No.9, 931-950.
Nabulsi S. y Armada M., 2004, Climbing strategies for remote maneuverability
of ROBOCLIMBER. In: 35 th International Symposium on Robotics,
23-26 March, Paris-Nord Villepinte, France.
Nabulsi S., Armada M., González de Santos P., 2003, Control Architecture
for a Four-Legged Hydraulically Actuated Robot. Measurement and Control
in Robotics (ISMCR 2003), pp. 291-295, Madrid.
Sciavacco L. y Siciliano B., 2001, Modelling and Control of Robot Manipulators,
Springer-Verlag: London.

CAPÍTULO 7
Modelado, Análisis y Construcción de una
Plataforma Paralela Experimental para Aterrizaje
y Despegue de Helicópteros
JACQUELINE QUINTERO, ILKA BANFIELD, ALEXANDRE CAM-
POS, ROQUE SALTARÉN, MANUEL FERRÉ, RAFAEL ARACIL
División de Ingeniería de Sistemas y Automática.
Departamento de Automática, Ingeniería Electrónica e Informática Industrial,
Universidad Politécnica de Madrid
Esta publicación presenta el análisis, simulación y construcción de un prototipo
de mecanismo basado en la plataforma Stewart y dirigido a facilitar
el aterrizaje de helicópteros en barcos, considerando el movimiento oscilante
de los barcos debido al movimiento del mar y el viento. Para simular
el movimiento del mar se utiliza un robot paralelo de tres grados de libertad
denominado plataforma inferior. La plataforma inferior se desplaza a
lo largo del eje vertical (z) y gira alrededor de los dos ejes restantes.
La plataforma Stewart-Gough, denominada en este artículo heliplataforma,
está colocada sobre la el efector final de la plataforma inferior. Sobre
el efector final de la plataforma superior se fija la superficie de aterrizaje
del helicóptero.
La heliplataforma se encarga de compensar el movimiento de la plataforma
inferior, de tal forma que la superficie de aterrizaje permanezca en
una misma posición y sin variación en su orientación con relación a un
marco inercial absoluto denominado tierra. Para esto es necesario medir
ciertas dimensiones de la plataforma inferior. Estas medidas deben ser realimentadas
al control de posición de la heliplataforma cada milisegundo.
Para estas medidas se utilizan una unidad de medida inercial, IMU situada
sobre el efector de la plataforma inferior y un sensor ultrasónico. Con el
objetivo de controlar la plataforma experimental se implementan los algoritmos
de control utilizando una tarjeta controladora dSPACE1103. La
plataforma experimental es probada en campo utilizando un helicóptero de

104 Robots de exteriores
aeromodelismo, el cual realiza una aproximación sobre la plataforma y
luego aterriza.
1 Introducción
Las operaciones de vuelo sobre estructuras flotantes son procesos complejos.
Estos procesos requieren altos niveles de entrenamiento, aptitud y
habilidad para planear el vuelo, el despegue y el aterrizaje sobre una estructura
offshore con el fin de ejecutar la tarea eficientemente y con seguridad
bajo condiciones “normales” de vuelo y buen tiempo. El hecho de introducir
condiciones adversas de tiempo (por ejemplo, baja visibilidad),
vuelos nocturnos o cualquier otro tipo de factor, predecible o impredecible,
pueden limitar las habilidades humanas en las tareas a realizar.
Con la finalidad de aumentar la seguridad y facilitar a la tripulación de
los helicópteros la realización de las operaciones de vuelo se plantea la
necesidad de desarrollar nuevos equipos y tecnologías. Una de las maneras
es contrarrestar los posibles movimientos de la plataforma de aterrizaje
causados por el oleaje y el viento.
La plataforma de aterrizaje debe compensar los movimientos en las tres
direcciones del movimiento y asimismo los tres posibles giros de un cuerpo
en el espacio. Por lo tanto es necesario que la plataforma de aterrizaje
tenga al menos 6 grados de libertad (gdl). Para cumplir con este requerimiento
de movimiento se elige utilizar como prototipo una estructura paralela
Stewart-Gough (Stewart, 1965; Fichter, 1986).
La heliplataforma se prueba sobre un simulador del movimiento del
mar. A diferencia del simulador de la empresa AUGUST para ésta aplicación
se consideran tres de los seis movimientos posibles. Los movimientos
más importantes a tener en cuenta en un barco o plataforma flotante
son los de roll, pitch y heave (nomenclatura según Fossen, 1994); y en esta
dirección se crean los movimientos en el simulador. Para construir el
simulador se utiliza una plataforma paralela de tres grados de libertad, con
actuadores neumáticos; con los mismos se logran oscilaciones alrededor de
los ejes roll y pitch cerca de los 10º y un movimiento vertical de 100 mm.
Para la heliplataforma, como ya se ha dicho, se escoge la popular plataforma
Stewart-Gough 6-UPS, cuyo número de aplicaciones crece cada día.
Esta plataforma paralela utilizada comúnmente en simuladores (Hoffman.
1979; Lee. 1999), se encarga en esta aplicación de compensar el movimiento
del simulador del mar o plataforma inferior, para mantener su efector
final en una posición y orientación fija respecto a un marco de referencia
inercial.

Modelado, Análisis y Construcción de una Plataforma Paralela Experimental
para Aterrizaje y Despegue de Helicópteros 105
En este artículo, inicialmente, se describe la plataforma experimental y
sus partes constituyentes: heliplataforma, plataforma inferior y hardware.
Luego, en la sección 3, se presenta el marco teórico del modelo cinemático
de plataformas paralelas para obtener el algoritmo de cinemática inversa
necesario para controlar, tanto la heliplataforma como la plataforma inferior.
En la secuencia, son analizadas las estrategias de movimiento a aplicarse
en las plataformas, con el objetivo de obtener tanto el movimiento
del mar como el movimiento de compensación de la heliplataforma. En la
sección 4 son descritas simulaciones computacionales, a través de software
especializado, de la plataforma experimental que validan los datos obtenidos
con la formulación teórica. Finalmente, son presentadas las pruebas de
laboratorio y de campo realizadas.
2 Descripción de la Plataforma Experimental
La plataforma experimental, ver la figura 1, está constituida por dos partes
principales, el simulador del movimiento del mar (plataforma inferior) y la
plataforma Stewart-Gough (heliplataforma). La heliplataforma compensa
el movimiento de la plataforma inferior, que representa el movimiento del
barco, para mantener a la superficie de aterrizaje, colocada sobre el efector
final, en una posición fija. En esta sección se describen los principales
componentes de ambas plataformas y el hardware utilizado para controlar
el sistema.
Fig. 1. Plataforma experimental prototipo

106 Robots de exteriores
2.1 Heliplataforma
La heliplataforma prototipo es una plataforma de Stewart-Gough 6-UPS; el
efector es una plataforma circular de aluminio de 25 mm de espesor. Está
unida a la plataforma inferior mediante seis actuadores eléctricos lineales.
Los actuadores lineales se unen al efector final mediante articulaciones esféricas
y a la base mediante articulaciones universales (observe la figura
2).
La junta prismática está constituida por dos cilindros concéntricos; uno
se desliza dentro del otro mediante un sistema de husillo a bolas (Bermejo,
2004). Sobre el extremo del husillo está colocada una polea que transmite
el movimiento proveniente del motor a través de una correa dentada, que
pasa también por el eje del motor.
Fig. 2. Modelo de la Plataforma Experimental en ADAMS®
Los motores son de corriente continua sin escobillas, de la casa
CONTROL TECHNIQUES modelo 55MMB300FBMAA. El motor es
conectado a un servo amplificador, el cual lleva incorporado un juego de

Modelado, Análisis y Construcción de una Plataforma Paralela Experimental
para Aterrizaje y Despegue de Helicópteros 107
transistores de potencia para manejar el voltaje que se aplica a las fases del
sistema trifásico del estator. El amplificador utilizado en esta aplicación es
también CONTROL TECHNIQUES, modelo MiniAx 60x10/20.
2.2 Simulador de los movimientos del mar
El robot paralelo utilizado para simular el movimiento del mar emplea cuatro
cilindros neumáticos:
• dos cilindros empotrados a la base que se unen a la plataforma mediante
una unión universal, que permite el movimiento alrededor de
los ejes planares. Estos cilindros se mueven verticalmente de forma
simultánea para controlar la altura del efector de la plataforma inferior.
Para satisfacer los requerimientos de desplazamiento y carga se eligieron
dos cilindros Numatics KFFM 063/0210, de 210 mm de carrera
y diámetro del pistón de 63 mm, doblemente actuados y con
pistón magnéticos.
• Los otros dos cilindros neumáticos proporcionan los movimientos
rotacionales de la plataforma; estos cilindros están unidos a la base
mediante uniones universales y a la plataforma móvil, por uniones
esféricas. Se eligieron los cilindros neumáticos NUMATICS, doblemente
actuado y con pistón magnético, WG 040/0320, con émbolo
de 40 mm de diámetro y carrera de 220 mm.
El flujo hacia las cámaras de los cilindros son controlados por válvulas
posicionadoras 5/3- FESTO MPYE-5-1/8-HF\_010\_B. Estas válvulas
modifican la sección de sus salidas en función de una señal analógica de
entrada entre 0 y 10 V; tiene un caudal nominal de 700 l/min y una presión
de operación entre 0 y 10 bar.
2.3 Hardware utilizado
2.3.1 Sensores
Para controlar la plataforma experimental es necesario conocer las variables
de estado del sistema, así como otras variables de vigilancia y señales
de consigna. Se cuenta para ello con los siguientes sensores:
• la Unidad de medida inercial (IMU) Micro Strain, modelo 3DM-
GX1 utilizada para medir la orientación del barco. Proporciona una

108 Robots de exteriores
salida serial digital que provee la orientación en varios formatos:
matriz de orientación, cuaternios, o ángulos de Euler; y con una rapidez
de actualización de datos de 350 Hz.
• el sensor de posición ultrasónico BERO-Siemens 3RG6233-3JS00,
realimenta la posición del cilindro neumático central del barco. El
sensor emite un pulso ultrasónico y usa el primer eco reflejado por
el objeto en cuestión para calcular la distancia. En este proyecto se
utiliza el sensor con salida analógica lo que permite una medición
continua de la distancia.
• Los encoders, incorporados a los motores eléctricos, son capaces de
proporcionar el desplazamiento exacto de los cilindros a los cuales
están conectados; tienen una resolución de 2048 pulsos/vuelta; de tal
forma que cada milímetro es equivalente a 614.4.
2.3.2 Tarjeta DS1103
La tarjeta controladora PowerPC (PPC) DS1103 está específicamente diseñada
para desarrollos de controladores digitales de alta velocidad y simulaciones
en tiempo real en distintos campos. Es un sistema completo de
control en tiempo real basado en el procesador PowerPC604e de Motorola
que forma la unidad principal de procesamiento.
Alrededor del procesador y bajo su control, se sitúan los periféricos que
posibilitan la interacción de la tarjeta con el sistema al que se conecta. Entre
las unidades de E/S, cuenta con convertidores analógico/digital y digital/analógico,
puertos de E/S digital, una interfaz serie y control de encoders
incrementales (hasta para seis articulaciones), capaces de leer las
señales en forma de tren de pulsos generadas por estos dispositivos y convertirlas
directamente, en un valor numérico. Además, cuenta con un subsistema
DSP (Digital Signal Processor), basado en un TMS320F240 DSP
de Texas Instrument, especialmente diseñado para el control de amplificadores
eléctricos.
Control Desk
Control Desk es un software completo de experimentación que es incluido
por el fabricante de la tarjeta dSPACE, para acceder a la tarjeta en tiempo
real. Control Desk proporciona todas las funciones de control, visualización
y automatización de experimentos.
Entre las ventajas que ofrece control desk está el poder crear un panel de
control, insertando una serie de instrumentos de control y medición. Los
controles se asocian a los sensores u otras variables del programa, y pue-

Modelado, Análisis y Construcción de una Plataforma Paralela Experimental
para Aterrizaje y Despegue de Helicópteros 109
den servir para cambiar el valor de una variable cuando el programa está
en ejecución, o simplemente dar seguimiento a su valor en tiempo real. Posee
también un editor de código fuente C o Python; una escritos los algoritmos
de control, estos pueden ser copilados y cargados a la dSPACE.
3 Modelo Cinemática de una plataforma paralela
Las consignas de control necesarias para mover las plataformas se determinaron
a través de los conceptos de cinemática inversa: cálculo de las
longitudes de cada eslabón a partir del conocimiento de la posición del
efector final (Tsai, 1999). En general, para los robots paralelos espaciales,
primero se establecen dos sistemas de referencia, uno unido a la base
(marco de referencia A, origen O y ejes xyz), y otro unido al efector final
(marco de referencia B, origen P, y ejes uvw), como se aprecia en la figura
3.
Fig. 3. Marcos de referencia en la base y efector de un robot paralelo.
El punto donde cada actuador lineal se une a la base es descrito por un
vector posición A A i , referido al sistema de coordenadas de la base (el superíndice
anterior indica el sistema de coordenadas al cual está referido el
vector). De igual forma, cada punto de unión a la plataforma es descrito
por una posición B B j referido al sistema de coordenadas de la plataforma.
La longitud de cada actuador lineal es la magnitud del vector S r i
, dirigido
desde el punto de unión en la plataforma inferior hasta el punto de

110 Robots de exteriores
unión en la plataforma superior. Este vector se obtiene restando las posiciones
B i - A i , expresadas en el mismo marco de referencia.
Un punto expresado en un marco de referencia B puede expresarse en
un marco de referencia A, utilizando la matriz de transformación homogénea
de la ecuación (1) (Tsai, 1999):
A
T
B
A
⎡ RB
⎢
= ⎢ L
⎢
⎣ γ
A
( 3×
3) M q( 3×
1)
M
L
( ) ( ) ⎥ ⎥⎥ 1×
3 M ρ 1×
1
⎦
donde,
A
q denota la posición del origen del marco de referencia B respecto al
marco de referencia A.
γ es una matriz de transformación de perspectiva. Para cinemática de
mecanismos y robots manipuladores su valor es cero.
ρ factor de escalamiento, su valor es igual a uno.
A R
B
es la matriz de rotación, la cual es una representación de la orientación
de la plataforma relativa a la base. En función de los parámetros
de Euler, la matriz de rotación puede obtenerse a través de la
ecuación 2:
A
R B
⎛
2 2
⎜
q + − 1
0
q1
2
= 2⎜
q1q2
+ q0q3
⎜
⎜ q −
⎝
1q3
q0q2
q1q2
− q0q3
2 2
q + − 1
0
q2
2
q q + q q
2
3
0
1
⎤
q ⎞
1q3
+ q0q2
⎟
q − ⎟
2q3
q0q1
⎟
2 2
q + − 1 ⎟
0
q3
2⎠
Una vez encontrada la matriz de transformación homogénea, la posición
en el nuevo marco de referencia se obtiene a partir de la ecuación (3):
A
(1)
(2)
A B
pˆ = T pˆ
(3)
B
[ ]
T
x
y
z
donde,
A
pˆ = p , p , p , 1 es la posición, en coordenadas homogéneas, expresada
en el marco de referencia A.
pˆ = p , p , p , 1 es la posición expresada en el marco de referencia B.
[ ] T
u
v
w
B

Modelado, Análisis y Construcción de una Plataforma Paralela Experimental
para Aterrizaje y Despegue de Helicópteros 111
3.1 Modelo Cinemático de la Plataforma Inferior
La plataforma inferior utiliza un robot paralelo de tres grados de libertad.
La plataforma móvil puede desplazarse translacionalmente a lo largo del
eje vertical z y angularmente alrededor de los ejes situados en el plano xy.
Para lograr este movimiento emplea tres actuadores neumáticos, cuyo desplazamiento
debe ser controlado.
Para el análisis cinemático inverso, se escoge como origen de referencia
de la base, un punto sobre el eje vertical que pasa por el centro de gravedad
y a la altura de la punta del sensor ultrasónico, utilizado para determinar su
altura; y para el marco de referencia del efector final, se escoge como origen
el centro de rotación de la unión universal del cilindro central, éste es
el único punto unido al efector final que siempre se desplazará sólo en dirección
z.
La orientación de ambos sistemas coordenados, se escogen inicialmente
iguales a la de la IMU, el eje x señala al polo norte magnético terrestre, y
el eje z positivo a la dirección de la fuerza gravitacional. En base a estos
marcos de referencias se establecen las posiciones de los puntos de unión
de los cilindros neumáticos a la base (A) y a la plataforma móvil (B). Los
cuaternios que proporciona la IMU son utilizados para calcular la matriz
de rotación en todo momento, utilizando la ecuación (2), luego los valores
de A B i son calculados con la ecuación 3. En todo momento se conoce la
posición de P respecto a O, puesto que sus coordenadas x y y, son siempre
cero y la coordenada z está determinada por la lectura del sensor ultrasónico.
3.2 Modelo Cinemático de la heliplataforma
La heliplataforma prototipo es una plataforma de Stewart-Gough 6-UPS; el
efector está unido a la base mediante seis actuadores eléctricos lineales.
Las coordenadas del punto de unión de los actuadores lineales a la base,
son expresadas en el marco de referencia B del barco, y las posiciones de
los puntos de unión al efector final de la Stewart son expresadas respecto a
un marco de referencia C. El marco de referencia C tiene su origen P f ubicado
en el centro de la superficie superior de la plataforma, y está orientado
igual que la IMU. Para determinar el desplazamiento de los actuadores
es necesario obtener los puntos de unión en el efector, en el marco de referencia
B, y obtener el vector BC i cuya magnitud es la longitud total del
actuador lineal. En la siguiente sección se explicará como se efectúa la
transformación, utilizando los datos sensoriales.

112 Robots de exteriores
4 Estrategias de movimiento
Se tiene como objetivo determinar los desplazamientos lineales para cada
actuador del barco y la plataforma Stewart; de tal forma, que se logren los
movimientos deseados en el barco y se contrarresten estos movimientos en
la plataforma Stewart. A continuación se describen estos movimientos
4.1 Movimiento del barco
El desplazamiento del cilindro central del barco se realiza independientemente
de los otros dos, éste se desplaza sinusoidalmente alrededor de una
posición inicial. Dicho desplazamiento provoca el movimiento vertical
deseado para el barco. Los otros dos cilindros se mueven siguiendo también
un desplazamiento sinusoidal, la cinemática inversa toma lugar para
calcular los desplazamientos efectivos que deben realizarse para obtener la
posición del actuador, en base a la posición y orientación del barco. Los
movimientos sinusoidales de los actuadores están desfasados entre ellos
para lograr el movimiento alrededor del eje x, y desfasados del pistón central
para lograr oscilaciones alrededor del eje y.
4.2 Movimiento de la heliplataforma
Para calcular el desplazamiento necesario de los actuadores, de la heliplataforma,
se parte de la consigna de que el movimiento absoluto del efector
final debe ser cero; i.e. la plataforma debe mantener una posición y orientación,
respecto a tierra, constante. Sin embargo, para aplicar las ecuaciones
de cinemática inversa es necesario obtener esta posición, respecto al
marco de referencia de la base de la heliplataforma. Reemplazando en la
ecuación (1), se obtiene la ecuación (4) para realizar la transformación de
coordenadas:
B
B
B A
⎡ R ⎤⎡
⎤
A
PA
Pf
P
f
= ⎢
⎥⎢
⎥
(4)
⎣[ 0 0 0]
1 ⎦⎣
1 ⎦
donde,
A P f es la posición del efector de la heliplataforma respecto al marco de referencia
fijo a tierra (A). Su valor debe mantenerse constante para
cualquier movimiento del barco.

Modelado, Análisis y Construcción de una Plataforma Paralela Experimental
para Aterrizaje y Despegue de Helicópteros 113
B P A es la posición del marco de referencia A respecto al marco de referencia
B. Esta posición se obtiene por la ecuación:
B
P
A
( − P )
B
A
= RA
B
(5)
En esta expresión la posición de la plataforma del barco respecto al
marco de referencia de la base A P B es una cantidad que debe ser medida
en todo momento.
B R A es la matriz de rotación del marco de referencia A respecto al marco de
referencia B. Este se obtiene de la transpuesta de la matriz de rotación
de B respecto a A, y que se obtiene a través de la ecuación (2)
sustituyendo el valor de los cuaternios medidos por la IMU.
5 Simulación Computacional
La simulación computacional permite comprobar la cinemática del robot,
que las longitudes de las juntas prismáticas no excedan sus límites, en ningún
momento, y que la respuesta del robot a las señales de control sean las
esperadas. Los programas de simulación que se emplearon en el diseño y
en la simulación del comportamiento del sistema de plataformas paralelas
son Matlab® y ADAMS®. ADAMS permite modelar la planta (simulador
del barco y heliplataforma) y visualizarla, y Matlab permite implementar el
sistema de control de esa planta.
En la figura 2 se muestra el modelo terminado en Adams, el mismo
consta de 20 partes construidas con las geometrías primitivas del programa,
y 26 uniones que conectan estas partes. Se crearon también, 30 variables
de estado, de las cuales 9 son entradas (posiciones de los actuadores
lineales) y el resto son señales de salida (lectura de sensores) utilizadas por
el controlador y para la verificación de los resultados.
El modelo es exportado como un bloque de simulink a Matlab® a través
de una herramienta de MSC.ADAMS®, ADAMS/Controls. Las salidas y
entradas de la planta son conectadas a los otros bloques de simulink.
ADAMS impone a cada junta prismática un desplazamiento en función del
tiempo, igual al calculado por Matlab.
5.1 Resultado de las simulaciones
El movimiento la plataforma inferior se simuló directamente en ADAMS®
para observar el comportamiento de la plataforma móvil, con el acciona-

114 Robots de exteriores
miento independiente de los pistones neumáticos. Por medio de Adams se
observan los movimientos translacionales y rotacionales resultantes, para
una onda senoidal de los pistones 50 sin(.628t) a partir de los 100 mm,
donde uno de los cilindros laterales tiene un desfase de 180º. La figura 4
muestra el movimiento de la plataforma móvil del barco, las rotaciones están
un poco por encima de los 10 grados y el desplazamiento total en z alcanza
los 100 mm.
Fig. 4. Movimiento del barco que resulta del desplazamiento independiente de
los pistones. Arriba, movimiento vertical; abajo, componentes x y y de rotación.
La figura 5 muestra los desplazamientos que tendría la heliplataforma si
los motores estuvieran bloqueados. Cuando el desplazamiento de los actuadores
es mínimo alcanza desplazamientos en x y y por arriba de los 200
mm y en z un poco más de 100 mm.
El algoritmo que calcula los desplazamientos requeridos de los actuadores
fue implementado en una función embebida de Matlab y fue conectada
al bloque de simulink que representa la planta construida en ADAMS®. Se
determina que para mantener a la heliplataforma en una posición de 1726
mm respecto a tierra, el desplazamiento máximo requerido de los pistones
es de 337 mm, y el mínimo de cero. Por lo tanto para asegurar que los pistones
no alcancen su final de carrera, la altura de la heliplataforma respecto
a su base debe ser de 1310 mm, esta es la posición inicial que debe tener la
heliplataforma antes de iniciar el controlador, a la cual es llevada mediante
un planificador, como se describe en la siguiente sección.

Modelado, Análisis y Construcción de una Plataforma Paralela Experimental
para Aterrizaje y Despegue de Helicópteros 115
Fig. 5. Desplazamiento resultante de la heliplataforma si los motores estuviesen
bloqueados
6 Pruebas
Varias pruebas son realizadas para verificar el funcionamiento y comportamiento
de la heliplataforma. Estas pruebas son divididas en etapas o
pruebas intermedias con el objetivo de comprobar el desempeño de los
subsistemas por separado y luego, en pruebas posteriores, examinar el
comportamiento de la heliplataforma como un todo.
6.1 Prueba de la plataforma paralela de 3 GdL
6.1.1 Determinación de las ganancias del controlador
El control de la posición de los pistones, se logra variando la entrada de
voltaje a las válvulas proporcionales que controlan el flujo de aire hacia la
cámara de los cilindros. Esta señal de control se hace proporcional al error
de posición. Inicialmente se determinan las ganancias proporcionales adecuadas.

116 Robots de exteriores
La estimación de las ganancias proporcionales, para los cilindros de
menor diámetro, se realizó con la ayuda de la interfaz gráfica del programa
Control Desk. En esta interfaz, la ganancia se incrementa lentamente por
medio de un instrumento deslizante en la pantalla del PC. Al mismo tiempo,
se monitorea la respuesta de los cilindros, por medio de las lecturas de
los sensores (el sensor ultrasónico y la IMU), y por medio de los cálculos
cinemáticos cuyo resultado se muestran en pantalla. El objetivo es lograr
la posición deseada rápidamente pero sin causar cambios bruscos de posición,
o vibraciones alrededor de la posición deseada.
Debido a que cada válvula neumática tiene un comportamiento diferente,
esto debe hacerse para cada una de ellas; además debido a las variaciones
dinámicas y la asimetría de las caras de los émbolos, se estiman dos
ganancias proporcionales para cada pistón, dependientes de la dirección de
avance. Las ganancias proporcionales de subida/bajada estimadas son de
0.11/0.034 y 0.10/0.030, respectivamente.
6.1.2 Movimiento sinusoidal de los pistones neumáticos
Con el objetivo de simular el movimiento del barco sobre el mar se implementa
el control de posición para los pistones neumáticos a una trayectoria
sinusoidal. La trayectoria sinusoidal deseada puede ser modificada
online por medio de variables controladas directamente en el panel de control
de la tarjeta controladora dSPACE1103. Por tanto, durante el funcionamiento
de la plataforma es posible alterar tanto la amplitud de la trayectoria
sinusoidal, como el valor alrededor del cual la onda sinusoidal oscila.
No se consiguió un seguimiento exacto de la onda, sin embargo para la
aplicación utilizada se considera aceptable la respuesta de los pistones a la
señal comandada.
Debido a que la tarjeta controladora dSPACE1103 puede controlar solamente
ocho ejes, es necesario que el control de movimiento de los cilindros
centrales se realice por medio de un PLC externo, éste utiliza directamente
los datos del sensor ultrasónico para cerrar el lazo de control.
6.2 Prueba de la plataforma Stewart-Gough
Para realizar las pruebas de seguimiento de trayectoria, utilizando el control
de posición de lazo cerrado, de la plataforma Stewart-Gough es necesario
inicialmente sintonizar las ganancias proporcionales de los seis servomotores
eléctricos. Una vez estimadas las ganancias se procede a
verificar que el movimiento que la plataforma Stewart-Gough realiza al re-

Modelado, Análisis y Construcción de una Plataforma Paralela Experimental
para Aterrizaje y Despegue de Helicópteros 117
alimentar la información de la unidad de medida inercia IMU, sea el adecuado.
6.2.1 Sintonización de los servomotores eléctricos
Se realizó una subrutina de prueba en C para sintonizar el lazo de control
de posición y se agregó una gráfica en la interfaz para visualizar los resultados.
Esta subrutina manda una señal de referencia de voltaje al motor,
que sería el error de posición o sea la diferencia entre la posición deseada y
la posición actual marcada por el enconder (en pulsos), multiplicado por
una ganancia proporcional.
Al inicio todas las ganancias proporcionales son reducidas a lo mínimo.
A continuación se aumenta la ganancia proporcional kp, hasta que el encoder
alcanza la posición deseada rápidamente, pero sin causar vibración
al sistema.
Por otra parte el amplificador contiene unos potenciómetros que se deben
ajustar para ajustar las ganancias, entre ellos uno de ganancia derivativa
llamada DER y uno de ganancia PI llamada Kv, la DER ayuda a amortiguar
la respuesta y la Kv podría mejorar la respuesta en el tiempo. Por
otra parte el amplificador contiene unos potenciómetros que se deben de
ajustar, entre ellos tiene una ganancia derivativa llamada DER y una ganancia
PI llamada Kv, la DER ayuda a amortiguar la respuesta y la Kv podría
mejorar la respuesta en el tiempo.
6.2.2 Movimiento de la plataforma sincronizada con la unidad
de medida inercial - IMU
Con el objetivo de mantener el efector final de la heliplataforma estable en
una posición inicial dada, es necesario medir la inclinación de la base de la
plataforma Stewart-Gough, el barco, y realimentarla al control de posición
de la plataforma. Para esto se localiza la unidad de medida inercial IMU
sobre la base de la plataforma Stewart-Gough.
En una prueba previa se desmontan los motores de los husillos y se retira
la unidad de medida inercial de la base de la plataforma. Entonces, la
orientación de la unidad de medida inercial es modificada con la mano y se
observa que el movimiento de los ejes de los motores eléctricos sea el esperado.
Posteriormente, los motores son montados a los husillos y el efector
de la plataforma Stewart es llevado, mediante un planificador, a una
posición de inicio (por encima de la mitad de su carrera), y nuevamente la
orientación de la unidad de medida inercial es cambiada manualmente, para
verificar el correcto movimiento de la plataforma.

118 Robots de exteriores
6.3 Prueba de la plataforma experimental
Estas pruebas se realizan inicialmente en el laboratorio y luego en campo,
a todo el conjunto de la plataforma experimental, la plataforma Stewart-
Gough montada sobre la plataforma de 3 GdL. Con esta prueba se requiere
comprobar que el efector de la heliplataforma (lugar de aterrizaje del helicóptero)
permanece en una misma posición y sin variación en su orientación
con relación a la tierra durante el movimiento de la plataforma de simulación
del mar.
Inicialmente se utiliza un planificador de trayectorias para llevar el efector
de la plataforma a una posición que le permita compensar los movimientos
del barco en todo momento. Durante ese tiempo los pistones
neumáticos de la plataforma paralela de 3 GdL se encuentran bloqueados.
En seguida, son accionados los pistones neumáticos. Los de menor diámetro
son llevados a una posición que logre colocar el efector de la plataforma
inferior paralelo a tierra. En este momento se pasa a la Stewart a
modo Control (modo en que compensa el movimiento del barco). Seguido,
todos los pistones son llevados a la mitad de sus carreras y luego son
movidos sinusoidalmente. Este movimiento senoidal provoca en una variación
en la orientación y posición del barco, lo cual es captada por los sensores
y realimentadas a la tarjeta controladora.
A partir de la información prestada por los sensores, el procesador calcula
el desplazamiento de los actuadores de la plataforma Stewart, necesarios
para mantener su posición y orientación fijas con respecto a la tierra.
Con esta información y el control de posición de lazo cerrado los servomotores
son actuados a través de los amplificadores.
La figura 5 muestra una prueba en campo de la plataforma experimental,
se observa como la inclinación del barco es compensada por el movimiento
de los actuadores de la plataforma Stewart, para mantener a la plataforma
de aterrizaje paralela al piso. La plataforma Stewart-Gough es equipada
con una placa de 1 m 2 de madera sobre el efector final como
plataforma de aterrizaje; en la figura 6 se muestra el momento en que el
helicóptero Colibrí (www.disam.upm.es/colibri) aterriza en la heliplataforma.
En campo, cuando se colocó la superficie de aterrizaje al efector de la
heliplataforma, a diferencia de los experimentos realizado en el laboratorio,
se observó una inestabilidad en el sistema de control. El movimiento
que alcanzaba la plataforma inferior debía ser reducido para que la plataforma
se comportara correctamente.

Modelado, Análisis y Construcción de una Plataforma Paralela Experimental
para Aterrizaje y Despegue de Helicópteros 119
Fig. 5. Prueba en campo de la plataforma experimental.
Fig. 6. Helicóptero Colibrí aterrizado en la heliplataforma, durante el movimiento
del barco.
7. Conclusiones y Trabajos Futuros
Con la simulación se demostró que es posible compensar el movimiento
del mar a través de una plataforma Stewart-Gough, por medio de un algoritmo
de control, que determina los desplazamientos de los actuadores a
cada instante.
El prototipo desarrollado ha demostrado su capacidad para la ayuda para
el aterrizaje y despegue de helicópteros de pequeñas dimensiones. Los
equipos utilizados, han demostrado ser idóneos para el control de la plataforma
de aterrizaje.

120 Robots de exteriores
Las pruebas realizadas mostraron que para oscilaciones de la plataforma
inferior cuyos ángulos superan un valor límite, es necesario un estudio detallado
del efecto dinámico de la superficie de aterrizaje en el comportamiento
de la plataforma experimental.
Los algoritmos de control y el desempeño de los sensores, como unidad
de medida inercial, encoders y sensor-ultrasónico, se mostraron adecuados
para asegurar el cumplimiento de la tarea propuesta.
Referencias
Fichter E.F., 1986. A Stewart Platform- Based Manipulator: General Theory
and Practical Construction. The International Journal of Robotics Research;
5; 157
Fossen, Thor I., Guidance and Control of Ocean Vehicles, John Wiley &
Sons, Chichester England, 1994.
Lung-Wen Tsai, Robot analysis: The mechanics of serial and parallel manipulators,
John Wiley & Sons, Inc, 1999.
R. Bermejo, Desarrollo de un Robot Paralelo Trepador. Tesis Doctoral,
UPM, 2004.
R. Hoffman. 1979. Dynamics and control of a flight simulator motion system,
in Proc. Canadian Conf. Automatic Control, Montreal, Canada, May
23–25, pp. 1–10.
Stewart, D. 1965 (London, England). A platform with six degrees of freedom.
Proc. Inst. Mech. Engr. 180(1):371-386.
W-S. Lee, J.H. Kim, J.H. Cho, and S.J. Lee. 1999. The Kookmin University
driving simulators for vehicle control system development and human
factor study. In Proc. DSC’99—Driving Simulation Conf., Paris, July 7–8.

CAPÍTULO 8
Planificación de Misiones de UAV Mediante el
Lenguaje de Control de Vehículos Aéreos
P. GUTIÉRREZ, J. DEL CERRO, A. BARRIENTOS, R. SAN MARTÍN,
A. MARTINEZ y C. ROSSI
Grupo de Robótica y Cibernética, Universidad Politécnica de Madrid
pgutierrez@etsii.upm.es, antonio.barrientos@upm.es
El Lenguaje de Control de Vehículos Aéreos (AVCL) permite expresar de
forma abstracta una misión para vehículos aéreos autónomos (UAVs). El
AVCL: representa el vínculo entre una herramienta GIS de Planificación
de Misiones y un grupo heterogéneo de UAVs y sensores; permite
expresar misiones que no requieren de un UAV específico, siendo capaz
de definir interacciones simples es misiones multi-vehículo. Su validez ha
sido probada extensamente mediante misiones simuladas en las que se han
realizado diversos tipos de maniobras con un vehículo virtual conectado a
un módulo de guiado y navegación. Asimismo se han realizado pruebas
con UAV reales, con algunas de las misiones previamente simuladas.
1 Introducción
En las últimas décadas el desarrollo de vehículos aéreos autónomos
(UAVs por sus siglas en inglés) se ha centrado en el control de actitud,
seguimiento de trayectorias y generación de trayectorias libres de colisión.
Tradicionalmente los científicos e ingenieros interesados en el desarrollo
de UAVs siguen el esquema mostrado en la Fig. 1: primero se construye
un modelo de la dinámica del vehículo mientras que el control de misión
constituye la última etapa, algunas veces sólo como un diseño insinuado
en papel.
La persistencia de esta metodología es especialmente cierta en el caso
de vehículos inherentemente inestables como los helicópteros. Como
evidencia está la gran cantidad de artículos dedicados al control de actitud

122 Robots de exteriores
frente al escaso desarrollo de herramientas de control y planificación de
misión. Esta “jerarquía” es un planteamiento razonable, incluso natural,
para el desarrollo de un UAV pero comúnmente el diseño de las etapas
superiores está condicionado por las capacidades, limitaciones y
arquitectura de las etapas inferiores.
Fig. 1. Desarrollo tradicional de UAVs
En este escenario el diseño se propaga hacia arriba, y es posible que el
diseño de las capas más bajas de la jerarquía limiten severamente las
alternativas de diseño de las capas más altas. Por ejemplo: con un vehículo
diseñado para navegación punto-a-punto será virtualmente imposible
desarrollar algoritmos de navegación capaces de realizar trayectorias
complejas; un control de actitud. Estos problemas son más notorios cuando
los responsables del proyecto consideran que el prototipo existe como un
elemento aislado del universo, limitado en tiempo y espacio, un diseño que
probablemente no podrá interactuar con sistemas de planificación futuros u
otros UAVs. Fuera de los centros de investigación con nexos militares
(Office of the Secretary of Defense, 2005) no existe una “fuerza” que
impulse el uso de estándares aplicables y tecnologías que faciliten la
integración de un grupo heterogéneo de vehículos autónomos con los
sistemas actualmente en operación.
El presente documento expone parte de los resultados obtenidos por el
grupo de Robótica y Cibernética * . El grupo cuenta con un grupo
heterogéneo de vehículos autónomos: un dirigible y tres helicópteros con
diferentes autopilotos, cada uno con capacidades y limitaciones diferentes.
La disparidad entre los autopilotos (dos comerciales y el último
desarrollado internamente) obligó a una parte del grupo de investigadores
a invertir el esquema de la Fig. 1: el diseño empieza en las etapas
superiores de la jerarquía (software de planificación de misión) y asume
que el sistema debe integrarse con un grupo heterogéneo de UAVs que
utilizan diferentes algoritmos de control y seguimiento de trayectorias, y
*
URL: http://robcib.etsii.upm.es

Planificación de Misiones de UAV Mediante el Lenguaje de Control de Vehículos
Aéreos 123
una gran variedad de sensores y equipamiento adicional a bordo del
vehículo.
El fruto de ese proyecto es una herramienta de software para la
planificación, simulación y supervisión de vehículos aéreos. Esta
herramienta está basada en un Sistema de Información Geográfica (GIS)
digital, y se conecta con diferentes vehículos (simulados y reales)
mediante el Lenguaje de Control de Vehículos Aéreos (AVCL, por sus
siglas en inglés), un lenguaje interpretado en tiempo de ejecución. El
AVCL permite que el diseño de las etapas superiores sea independiente
de la arquitectura de las etapas inferiores, algo análogo al MDLe (Hristu,
2000). Tanto el Planificador de Misión (PM) como el AVCL son las piezas
clave de una arquitectura unificada y abierta para la integración de grupos
heterogéneos de vehículos aéreos, aunque este documento se centrará casi
exclusivamente en el AVCL y el control de un UAV simulado.
El AVCL es la capa de abstracción que permite al supervisor humano
crear misiones independientes de vehículos y sensores, de forma que la
reutilización del código es posible y ventajosa. Al mismo tiempo las
expresiones y comandos en AVCL esconden las diferencias entre los
diferentes sistemas de software/hardware que constituyen un UAV, y
sirven como un medio de definición y almacenamiento de misiones.
2 Lenguaje de Control de Vehículos Aéreos
Aunque en este documento se centra en el desarrollo y funcionalidad del
AVCL es necesario exponer el diseño del sistema global de planificación y
supervisión de misión. Sólo así podrá entenderse cabalmente el papel que
juega el AVCL en el esquema global y sus conexiones con el resto de
componentes del sistema.
2.1 Planificador de Misión basado en GIS
Una parte importante de los proyectos de desarrollo de UAVs tienen un
objetivo o motivación claramente militar (Air & Space Europe, 1999), y
por tanto sus esfuerzos en algoritmos de planificación se han centrado en
los sistemas reactivos y la navegación en espacios parcial o totalmente
desconocidos. Sin embargo el mismo Departamento de Defensa de los
Estados Unidos (Office of the Secretary of Defense, 2005) afirma que una
tarea importante de los UAVs es llevar a cabo misiones aburridas, es

124 Robots de exteriores
decir, operaciones repetitivas en territorio no-hostil y conocido, y que
pueden ser realizadas por máquinas más sencillas, fiables y baratas.
En otras palabras, el gobierno de los EEUU reconoce en los UAVs las
mismas ventajas que la industria del automóvil en los manipuladores
tradicionales. Además, sin dejar a un lado la capacidad de reacción en un
ambiente dinámico y/o hostil, hay que considerar que casi ningún ámbito
donde habitualmente se desarrolla la misión de un UAV es totalmente
desconocido -siendo los micro vehículos una notable excepción-. Todos
los días organizaciones gubernamentales y comerciales trabajan para
enriquecer enormes bases de datos de información geográfica (GIS). En
los países más desarrollados la cobertura es prácticamente total y la
precisión aumenta a la par del nivel de detalle y la riqueza de la
información georeferenciada, sobretodo en las inmediaciones de los
centros urbanos.
En España múltiples instancias de los tres niveles de gobierno publican
información cartográfica en formato digital. por ejemplo: el Instituto
Geográfico Nacional, el Servicio de Cartografía y el Instituto de
Estadística de la Comunidad Autónoma de Madrid, y la Gerencia
Municipal de Urbanismo del Ayuntamiento de Madrid. Sin contar con el
GIS comercial son muchas las bases de datos disponibles que pueden
servir de marco de referencia para una gran variedad de misiones aéreas.
El uso de información GIS no es nuevo en robótica móvil (Doherty,
2000; Sinopoli, 2001; Doherty, 2004), y en el caso de planificación de
misiones resulta crucial (p. ej. para la inspección de líneas de alta tensión),
al tiempo que ofrece la oportunidad de ambientes virtuales para
teleoperación con mayor nivel de realismo. Además el uso de tecnologías
y estándares GIS son un excelente medio para compartir información
espacial con otros sistemas.
2.1.1 Arquitectura del Planificador
El Planificador de Misión (PM) (Gutiérrez, 2006) es una herramienta
informática (ver Fig. 2), basada en una librería comercial (ESRI
ArcObjects * ), y con capacidad de operar directamente sobre gran cantidad
de formatos e interfases GIS. Este nivel de integración con las bases de
datos de objetos georeferenciados es la diferencia más notable y, desde
nuestro punto de vista, la principal ventaja del planificador frente a
desarrollo previos (Barrouil, 1998; Tso, 1998; Kim, 2002; Ramos, 2003).
*
URL: http://www.esri.com/arcobjects

Planificación de Misiones de UAV Mediante el Lenguaje de Control de Vehículos
Aéreos 125
El PM tiene, grosso modo, dos funciones: construcción de una Realidad
Aumentada (2-3D) (ver Fig. 3) y diseño de la misión. La primer función
puede descomponerse en dos operaciones:
1. Preprocesamiento de las bases de datos GIS (comerciales y
oficiales) para obtener un “mapa digital” que incluye: ortofoto,
modelo digital del terreno y objetos georeferenciados (líneas
eléctricas, sembradíos, poblaciones, etc.).
2. Inclusión de objetos virtuales (zonas restringidas, puntos de paso,
otros vehículos, combinaciones lógicas de objetos, etc.)
En otras palabras, la primer función del PM es ofrecer al usuario el
contexto donde volará el UAV, ofreciendo toda la información relevante y
facilitando el diseño de la misión.
Fig. 2. El Planificador de Misión
Fig. 3. Diagrama simplificado del MP
Es para el diseño de misión, la segunda tarea del MP, donde entra en
juego el AVCL – fundamentalmente su intérprete –, tal y como se observa
en la Fig. 4. Es decir, el AVCL es el puente que une una herramienta
visual (el MP) con un grupo heterogéneo de UAVs.

126 Robots de exteriores
2.2 AVCL: el puente entre la planificación y el UAV
El Planificador de Misión (PM) es una herramienta visual y de alto nivel
que permite a un operador humano definir una misión para un vehículo
aéreo autónomo de forma abstracta. Sin embargo debe existir un
mecanismo potente, flexible y extensible capaz de unir el PM con un grupo
heterogéneo de UAVs. La respuesta a este problema es una arquitectura de
software que consta de tres partes:
1. un lenguaje de programación de UAVs capaz de describir las
misiones y capacidades de un grupo heterogéneo de vehículos y
sensores;
2. el intérprete de dicho lenguaje, con capacidad para establecer la
comunicación entre los UAVs y el Planificador de Misiones;
3. la definición de un vehículo básico cuyas capacidades de
operación y maniobra pueden ser extendidas por UAVs
específicos.
Fig. 4. Planificador de Misión e Intérprete de AVCL
El resultado es el Lenguaje de Control de Vehículos Aéreos – AVCL,
por sus siglas en inglés –. El AVCL no debe considerarse simplemente
como una gramática y su sintaxis, sino como un lenguaje, su intérprete, y
una serie de especificaciones que establecen las reglas básicas que todo
UAV debe cumplir para operar dentro de la arquitectura del Planificador
de Misiones. En otras palabras, el Planificador de Misión permite al
operador expresar los objetivos de la misión y las operaciones concretas

Planificación de Misiones de UAV Mediante el Lenguaje de Control de Vehículos
Aéreos 127
que habrá de realizar el UAV mediante expresiones de un lenguaje. Como
ejemplo de AVCL:
# puntos de paso
variable p1, p2, p3
p1 = @ 1.1 km, 0.1 km, 55 m @
p2 = @ p1.X() + 33.3m, 0km, 70m@
# comandos al UAV
helicopter.TakeOff (15m)
helicopter.FlyTo (p1)
helicopter.Camera.Zoom (1.0)
# lectura de datos
p3 = helicopter.Position()
print (‘p3 = ‘, p3)
# los argumentos de las funciones pueden
# tener nombre, lo que facilita la
# lectura del código
uav.FlyTo (destination = p1, abortIf = uav.Z < 3 ft)
Otros proyectos de vehículos aéreos y submarinos autónomos han
desarrollado sus propios lenguajes de programación/control (Yuan, 1999;
Dixon, 1999; Duarte, 2000; Doherty, 2000; Kim, 2002; Kim , 2003) de los
que el AVCL toma algunos conceptos básicos que fueron ampliados hasta
convertirse no sólo en un lenguaje sino en una arquitectura abierta y
extensible. Frente a proyectos anteriores las principales ventajas del AVCL
son:
1. su manejo intuitivo de diferentes sistemas de unidades, y la
facilidad con que nuevas unidades y magnitudes pueden agregarse;
2. sigue el paradigma de la programación orientada a objetos (POO),
lo que permite agrupar de forma útil y coherente las funciones y
propiedades de un vehículo o sensor;
3. el paradigma POO permite el diseño de misiones multi-vehículo;
4. las funciones pueden recibir punteros a objetos. Esto permite
conectar en tiempo de ejecución diferentes vehículos y sensores;
5. es extensible, nuevas funciones y clases de objetos se pueden
agregar fácilmente;
6. el intérprete fue desarrollado en C++ estándar, por tanto puede
utilizarse en una gran variedad de sistemas operativos.
Usar el AVCL para unir el Planificador de Misiones y las capacidades
específicas de un vehículo aéreo representa una importante ventaja frente a
otros mecanismos: el AVCL también sirve de puente entre los vehículos.
Esto significa que en tiempo de ejecución se pueden generar nuevas
conexiones, interacciones que no fueron consideradas durante la fase de
diseño. Por ejemplo:

128 Robots de exteriores
1. se puede pedir a un vehículo que siga la trayectoria de otro, o que
espere una señal de un sensor remoto;
2. puede conectarse dinámicamente un vehículo con diferentes
algoritmos de navegación;
3. diferentes sensores pueden mezclarse con los vehículos disponibles,
conectando sus señales mediante comandos AVCL;
4. puede definirse un sensor estándar que encapsule la funcionalidad
básica de diferentes sensores, un mecanismo de abstracción.
Como ejemplo de algunos de estos casos se ofrecen los siguientes
segmentos de código AVCL:
# seguimiento de un vehículo
uavA.TakeOff (5m)
uavB.TakeOff (15 ft)
uavB.FlyTo (p1)
while (uavB.Position != p1)
uavA.RefPosition = uavB.Position + offset
endWhile
# conexión con sensores
uav.Sensors(0) = parser.loadObject (‘camera.lib’)
uav.Sensors(0).LookAt (p1)
uav.Sensors(1) = parser.loadObject (‘laser.lib’)
uav.Sensors(1).TurnOn()
# señales de sensores como banderas de control
uav.FlyTo (p1, abortIf = laser.Range < 10m)
2.2.1 Sintaxis básica
El AVCL es un lenguaje interpretado en tiempo de ejecución, es decir, no
se compila. Su sintaxis ha sido descrita en una variante de la Forma
Backus-Naur Extendida (EBNF), la cual es demasiado compleja y extensa
para presentarse aquí. Sin embargo el AVCL es un lenguaje quasiimperativo
muy parecido al C++ y resulta sencillo aprenderlo una vez que
se conocen sus tipos de datos y operaciones básicas:
1. tipos básicos: bool, número de coma flotante, y cadena de
caracteres;
2. tipos complejos: distancia, velocidad, aceleración, ángulos,
temperatura, coordenadas 3D, actitud (guiñada, cabeceo y alabeo),
vector, etc. Todas ellas con unidades en SI e Inglés;
3. operadores lógicos, de comparación y aritméticos, definidos para
todos los tipos, y funciones trigonométricas;
4. variables, constantes y mutables. Las variables pueden destruirse, y
la diferencia respecto a un mutable es que tienen un tipo definido
mientras que éstos últimos son contenedores universales;

Planificación de Misiones de UAV Mediante el Lenguaje de Control de Vehículos
Aéreos 129
5. las funciones pueden sobrecargarse y anidarse (sin límite). Los
argumentos de las funciones pueden incluir una etiqueta (nombre)
que facilite la lectura del código (p. ej. alpha = sin ( ángulo = 30°));
6. los objetos tienen métodos y propiedades (por ejemplo, una cadena
de caracteres tiene la propiedad “longitud”).
2.2.2 El intérprete: diseño extensible
El intérprete de AVCL fue desarrollado en C++ estándar, por tanto puede
compilarse en diversos sistemas operativos (Windows, variantes de Linux
y Mac OS X). Ya que el intérprete sólo define los tipos de datos básicos y
los operadores descritos en la sección anterior, es necesario un mecanismo
para definir nuevos tipos de objetos, funciones y operadores. En otras
palabras, todos los vehículos y sensores sobre los que deseamos operar se
definen como librerías externas, lo mismo que funciones adicionales que
se quieran incorporar al AVCL.
El desarrollo de las librerías que extienden la funcionalidad del
intérprete de AVCL siguen un estándar propio, y pueden desarrollarse en
C, C++ y C#. Es importante notar que se incluyó C# por dos importantes
razones:
1. Mono * permite el desarrollo de librerías que funcionan en varios
sistemas operativos sin necesidad de recompilar;
2. el estándar .NET establece un protocolo para el procesamiento
distribuido, en algunos casos análogo a CORBA, que permite al
intérprete operar de forma transparente con objetos que existen en
diferentes contextos (p. ej. en los ordenadores de varios UAVs).
El vehículo simulado cuyo uso describiremos en secciones posteriores,
es un ejemplo práctico de cómo extender el intérprete mediante librerías
externas que definen un objeto nuevo (con propiedades y métodos
propios).
2.2.3 Vehículos y sensores genéricos
Contamos con un grupo cada vez más grande y heterogéneo de vehículos
aéreos y sensores. Adicionalmente cada autopiloto (la combinación
HW/SW que pilota cada vehículo) tiene diferentes modos de operación,
nuevos y mejores algoritmos de control y navegación, lo que configura un
universo casi ilimitado de combinaciones de vehículo – sensor – software.
Sin embargo la mayor parte de estas combinaciones comparten
*
URL: http://www.mono-project.com

130 Robots de exteriores
características básicas, por ejemplo: todos ellos son capaces de despegue
automático, vuelo en línea recta y vuelo estacionario (no contamos con
aviones).
Ya que el AVCL es un lenguaje interpretado es posible el concepto de
vehículos y sensores genéricos. En otras palabras, el Planificador de
Misión conoce el subconjunto de operaciones que son posibles para todos
los vehículos y sensores disponibles, y puede generar misiones genéricas
que cualquiera de los vehículos puede realizar. Este concepto es
importante por dos motivos: permite al operador concentrarse en cumplir
los objetivos de la misión en vez de preocuparse por la disponibilidad de
un vehículo específico; para una misión multi-vehículo permite el libre
intercambio de roles.
3 Control de vuelo y guiado
Los autopilotos de nuestros vehículos aéreos se comandan con dos tipos
básicos de orden: vector de velocidad y puntos de paso (waypoints).
Ninguno de estos modos de operación cumplen todos los requisitos de
flexibilidad y potencia de “expresión” que requiere el Planificador basado
en AVCL. Por un lado es complicado (por no decir imposible) expresar
una misión en términos de vectores de velocidad, mientras que un control
de guiado basado exclusivamente en un grupo de waypoints no permite al
operador definir trayectorias específicas. Por ello surgió la necesidad de
desarrollar un control de vuelo y guiado capaz de volar un conjunto básico
de trayectorias, un conjunto de elementos que permiten construir misiones
complejas. El resultado es un módulo de guiado superior a desarrollos
anteriores (Lillo, 2007), capaz de guiar cualquier helicóptero que pueda
comandarse con un vector de velocidad, y que incluye el siguiente
conjunto de operaciones:
1. vuelo estacionario;
2. vuelo en línea recta y velocidad constante hacia un punto;
3. vuelo en arco a velocidad constante. El arco se construye a partir de
las coordenadas del centro de la circunferencia y su longitud se
expresa en grados;
4. vuelo en una dirección a velocidad variable durante un tiempo
predefinido.
En todos los casos la guiñada puede ser constante respecto al norte, un
offset respecto a la dirección de vuelo o apuntar hacia la dirección de una

Planificación de Misiones de UAV Mediante el Lenguaje de Control de Vehículos
Aéreos 131
coordenada 3D; por otra parte la altura se controla de forma independiente
mediante una referencia de posición.
El módulo realiza básicamente dos operaciones: genera un perfil de
velocidad que se ajusta a la trayectoria deseada y después vigila que la
trayectoria real del UAV se ajuste a la ideal. La Fig. 5 ilustra el principio
básico del bucle de control que mantiene el vehículo sobre la trayectoria
deseada. La línea punteada es la trayectoria que ha creado el algoritmo de
generación de trayectorias, y representa un perfil de velocidad que el UAV
debe cumplir. El rombo representa la posición que idealmente debería
tener el vehículo, mientras que el círculo representa (de forma exagerada
para que sea más ilustrativo) la posición actual del vehículo. El error de
posición y el siguiente segmento del perfil de velocidad se combinan
linealmente para generar el vector de velocidad de referencia para el UAV.
En otras palabras, el UAV persigue la posición futura de un vehículo ideal.
Fig. 5. Seguimiento de trayectorias
Se han realizado muchas pruebas del módulo de guiado con un vehículo
simulado (del Cerro, 2004) con excelentes resultados, algunos de los
cuales se exponen en la siguiente sección.
4 Simulación de misiones
Las pruebas al intérprete de AVCL y el módulo de guiado se han realizado
utilizando un vehículo virtual capaz de simular el comportamiento
dinámico de un mini-helicóptero y los lazos de control de bajo nivel en
tiempo real (del Cerro, 2004). A continuación se presentan los resultados
de tres misiones simuladas. Por limitaciones de espacio sólo se presentan
gráficos 2D (ilustran mejor la trayectoria del UAV), los segmentos más
relevantes del código AVCL de cada misión (se obvia, por ejemplo, la

132 Robots de exteriores
inicialización del vehículo simulado) y no se presentan gráficos que
ilustren los cambios de guiñada.
Es importante destacar que desde el punto de vista informático este
vehículo virtual (desarrollado en C+ y C#) fue diseñado como un objeto
remoto, lo que permite que diferentes contextos (ordenadores o procesos)
lo utilicen como si fuera un objeto local, algo análogo a un sistema
CORBA. En otras palabras, el intérprete de AVCL (o cualquier otro
proceso) crea el vehículo virtual y publica su ubicación en un servidor
central. Software en otros contextos – típicamente un visualizador (ver.
Fig. 6), otros vehículos y sensores virtuales – pueden interactuar (o
comandar) en tiempo real con el UAV virtual.
Fig. 6. Interface visual
4.1 Concatenación de maniobras
El primer conjunto de misiones para el UAV representa la concatenación
de diferentes tipos de maniobra. En todos los casos el vehículo parte de las
coordenadas (0,0). El código de la misión se presenta a continuación y el
resultado son los gráficos de la Fig. 7:
# definición de variables
variable uav, v, p1, p2, p3
# crear el vehiculo virtual
uav = parser.loadObject (‘Vampira.Sim.dll’)
# coordenadas relevantes
p1 = @10m, 0m, 3m@
p2 = @15m, 0m, 3m@
# velocidad para todas las operaciones
v = 0.5 m_s

Planificación de Misiones de UAV Mediante el Lenguaje de Control de Vehículos
Aéreos 133
# misión 1 – circuito cerrado
uav.TakeOff (3m)
uav.Arc (centro = p1, vel = v, longitud = 90 deg)
uav.Hover (tiempo = 5s)
uav.FlyTo (destino = p2, v)
uav.FlyTo (@-5m, 5m, 3m@, v)
uav.FlyTo (@-5m,-5m, 3m@, v)
p3 = @0m, -5m, 3m@
uav.Arc (centro = p3, vel = v, longitud = 90 deg)
uav.Land ()
# misión 2 – dos círculos
uav.TakeOff (altura = 15 ft)
p1 = @5m, 0m, 15ft@
uav.Arc (p1, v, 360 deg, sentido_horario = true)
uav.FlyTo (@-5m, 0m, 15ft@, velocidad = v)
p2 = @-10m, 0m, 15ft@
uav.Arc (p2, v, 270 deg, sentido_horario = false)
uav.FlyTo (@0m, -5m, 15ft@, v)
uav.Land ()
20
10
15
5
10
5
0
0
-5
-5
-10
-10 -5 0 5 10 15
-10
-20 -15 -10 -5 0 5 10 15
Fig. 7. Misiones simples (en metros)
4.2 Inspección de un sembradío
Esta misión reproduce la planificación de un vuelo fotogramétrico sobre
un terreno cultivado al objeto de recoger información multiespectral que
permitirá analizar el efecto de un plaguicida sobre el cultivo. Para ello
requiere que un conjunto de sensores multi-espectrales sobrevuelen el
campo a una altura determinada y con una trayectoria que garantice N
metros de solapamiento entre las mediciones. El campo mide,
aproximadamente 40 x 140 metros, y colinda en uno de sus extremos con
una autovía que no debe sobrevolar el UAV por cuestiones de seguridad.
El código de la misión se presenta a continuación y el resultado de la
simulación de la ejecución de la trayectoria planificada de manera

134 Robots de exteriores
automática por el sistema aparece en la Fig. 8 (las ligeras variaciones en la
trayectoria no son visibles por la escala empleada):
# obviamos la creación del vehículo y algunas variables
# despegue y posición inicial en una esquina del campo
uav.TakeOff (10m)
uav.FlyTo (coord_esquina, velocidad = v)
# fijamos la altura de referencia
uav.RefPosition.Z() = 50m
# la misión puede definirse como un bucle
destino = coord_esquina
for (i = 0; i < 15; i = i + 1)
# calculamos la coordenada final de este segmento
# con la anchura del campo
destino = destino + @0.0, ancho_campo, 50m@
# volamos en línea recta
print (‘volando hacia ‘, destino)
uav.FlyTo (destino, v)
# en ese extremo del campo podemos girar con un arco
# de circunferencia
print (‘girando’)
centro = destino + @2.5m, 0m, 0m@
uav.Arc (centro, velocidad = v, longitud = 180 deg)
# volvemos
destino = destino + @0.0, -ancho_campo, 50m@
print (‘volando hacia ‘, destino)
uav.FlyTo (destino, v)
# en este extremo hay que evitar la autovia. Volamos a
# la mitad de velocidad y giramos en ángulos rectos
destino = destino + @5m, 0m, 0m@
# si a la instrucción Hover le damos un punto, orienta
# el uav en esa direccion
uav.Hover (duracion = 15s, dir = destino)
uav.FlyTo (destino, velocidad = v/2)
endFor
# fin del bucle. Vuelta a “casa” y aterrizaje
uav.RefPosition.Z() = 5m
uav.FlyTo (casa, velocidad = v)
uav.Land ()
60
50
40
30
20
10
0
-20 -10 0 10 20 30 40 50 60 70 80 90 100 110 120 130 140 150
Fig. 8. Vuelo sobre un sembradío (en metros)

Planificación de Misiones de UAV Mediante el Lenguaje de Control de Vehículos
Aéreos 135
5 Conclusiones
Se ha mostrado el uso de un intérprete para comandar un vehículo virtual
en varias misiones expresadas con el Lenguaje de Control de Vehículos
Aéreos (AVCL). Asimismo se ha comparado el AVCL con otros lenguajes
desarrollados anteriormente, se ha presentado su sintaxis e introducido el
concepto de vehículos y sensores “genéricos” que permiten al operador
centrarse en los objetivos de la misión en vez de las particularidades de
cada vehículo o sensor.
Los vuelos simulados también han puesto a prueba un módulo de
control de vuelo y guiado compatible con todos los UAVs que poseemos.
Este módulo ofrece un conjunto de maniobras (vuelo estacionario, línea
recta y arco de circunferencia) que se mezclan con cambios de altura y
guiñada, ofreciendo un gran abanico de posibilidades para el operador
humano que planifica la misión.
Un UAV es útil en función de los sensores que carga y de la potencia de
su sistema de definición de misiones. La arquitectura que hemos
desarrollado – basada en el concepto del AVCL – tiene varias ventajas:
1. permite el desarrollo de sensores y vehículos como módulos cuyas
interacciones pueden definirse en tiempo de ejecución;
2. otorga al operador gran flexibilidad y potencia de expresión para
definir los objetivos, parámetros y operaciones que conforman una
misión;
3. el AVCL es un mecanismo de almacenamiento de misiones.
Adicionalmente se ha ilustrado la relación que existe entre el intérprete
de AVCL presentado en este trabajo, con el sistema completo: un conjunto
de UAVs y un Planificador de Misión con acceso a Sistemas de
Información Geográfica (GIS, por sus siglas en inglés).
Agradecimientos
Este trabajo ha sido financiado por el Ministerio de Educación y Ciencia a
través de los proyectos DPI 2003-01767 y 2006-03444. Además se contó
con el apoyo del Consejo Nacional de Ciencia y Tecnología (México) y la
Comunidad Autónoma de Madrid a través del proyecto Robocity2030.

136 Robots de exteriores
Referencias
Air & Space Europe. 1999. Civilian applications: the challenges facing the
UAV industry. Vol. I. pp. 63 – 66.
Barrouil, C., y Lemaire, J. 1998. An integrated navigation system for a
long range AUV. OCEANS Conference. Vol 1. pp. 331 – 335.
del Cerro, J., Valero, J., Vidal, J. y Barrientos, A. 2004. Modelling and
identification of a small unmanned helicopter. World Automation
Congress.
Dixon, K., Dolan, J., Huang, W., Paredis, C. y Khosla, P. 1999. RAVE: a
real and virtual environment for multiple robot systems. Intelligent Robots
and Systems Conference. Vol. 3. pp. 1360 – 1367.
Doherty, P. 2004. Advanced research with autonomous aerial vehicles.
International Conference on Principles of Knowledge Representation and
Reasoning.
Doherty, P., Granlund, G., Kuchinski, K., Sandewall, E., Nordberg, K.,
Skarman, E., y Wiklund, I. 2000. The WITAS Unmanned Aerial Vehicle
project. 14 th European Conference on Artificial Intelligence. pp. 747 – 755.
Duarte, C.N., y Werger, B.B. 2000. Defining a common control language
for multiple autonomous vehicle operation. OCEANS Conference. Vol. 3.
pp. 1861 – 1867.
Gutiérrez, P., Barrientos, A., del Cerro, J., San Martín, R. 2006. Mission
planning and simulation of unmanned aerial vehicles with a GIS-based
framework. AIAA Guidance, Navigation and Control Conference.
Hristu, D., Krishnaprasad, P.S., Andersson, S., Zhang, F., Sodre, P., y
Anna, L.D. 2000. The MDLe engine: A software tool for hybrid motion
control.
Kim, H.J., Shim, D.H., y Sastry, S. 2002. Flying robots: modeling, control
and decision making. International Conference on Robotics and
Automation. Vol 1. pp. 66 – 71.

Planificación de Misiones de UAV Mediante el Lenguaje de Control de Vehículos
Aéreos 137
Kim. T.W., y Yuh, J. 2003. Task description language for underwater
robots. Intelligent Robots and Systems. Vol 1. pp. 565 – 570.
Lillo, E. 2007. Estrategias para el guiado de un helicóptero autonomo:
diseño y validación.
Office of the Secretary of Defense. 2005. Unmanned Aircraft Systems
(UAS) Roadmap, 2005 – 2030.
Ramos, J.J.G., Maeta, S.M., Mirisola, L.G.B., Bueno, S.S., Bergerman,
M., Faria, B.G., Pinto, G.E.M. y Brucipaglia, H. 2003. Internet-based
solutions in the development and operation of an unmanned robotic
airship. Proceedings of the IEEE. pp. 463 – 474.
Sinopoli, B., Micheli, M., Donato, G., y Koo, T.J. 2001. Vision based
navigation for an unmanned aerial vehicle. International Conference on
Robotics and Atuomation. Vol. 2. pp. 1757 – 1764.
Tso, K.S., Tharp, G.K., Zhang, W. y Tai, A.T. 1999. A multi-agent
operator interface for unmanned aerial vehicles. Digital Avionics
Conference. Vol 2. pp. 641 – 648.
Yuan, X., Ganesan, K., Snowden, S., Smith, S.M., y Evett, M. 1999.
Mission command macros for autonomous underwater vehicle. OCEANS
Conference. Vol. 3. pp. 1312 – 1316.

138 Robots de exteriores

CAPÍTULO 9
Sistema Robotizado para la Detección y
Localización de Minas Antipersonas
R. PONTICELLI, E. GARCIA, P. GONZALEZ DE SANTOS y M.
ARMADA
Departamento de Control Automático, Instituto de Automática Industrial –
CSIC, pgds@iai.csic.es
La detección de minas en tareas humanitarias requiere la utilización de
sensores específicos normalmente formados por dispositivos de detección
puntual los cuales deben desplazarse sobre el terreno, para el barrido de
grandes áreas, mediante una combinación de manipuladores y plataformas
móviles. Los manipuladores necesitan cierto tipo de sensores que les permitan
adaptarse a las irregularidades del terreno así como detectar obstáculos
en la trayectoria del detector. Todos estos sensores deben integrarse en
una cabeza sensora encargada de detectar alarmas (minas antipersonas potenciales)
y proporcionar las funciones necesarias para permitir el guiado
de la plataforma móvil. En este capítulo se presenta una cabeza sensora basada
en un detector de minas comercial y un sistema de seguimiento del terreno
que se ha configurado en torno a una red de medidores de distancia.
El manipulador de barrido está configurado como una cadena cinemática
abierta de 5 grados de libertad con articulaciones rotatorias. Este capítulo
se centra en la descripción de la cabeza sensora, describe brevemente el
manipulador, y documenta la validación experimental del conjunto.
1 Introducción
Las actividades encaminadas a la desactivación humanitaria 1 de minas
antipersonas requiere la utilización de sistemas robotizados que incremen-
1
Se consideran dos tipos básicos de actividades relacionadas con la desactivación
de minas: desactivación militar, que tiene lugar durante el conflicto, y desactivación
humanitaria, que se desarrolla después de finalizar la contienda.

140 Robots de exteriores
ten la velocidad de detección y, además, alejen al operario del campo minado
por razones de seguridad (Nicoud, 1997). Aunque para tales aplicaciones
se requieren sistemas robotizados móviles eficientes, es primordial
la investigación básica de dispositivos sensorizados que permitan el funcionamiento
de los robots y sistemas automáticos. La mayoría de los detectores
de minas antipersonas son dispositivos puntuales y, por tanto se
precisa moverlos sobre áreas mayores utilizando fundamentalmente robots
manipuladores. Por tanto, los sistemas de detección robotizados normalmente
incluyen una cabeza sensora, un manipulador y una plataforma móvil:
el manipulador desplaza la cabeza sensora para barrer áreas grandes, y
ésta le permite adaptarse a las irregularidades del terreno. Ambos subsistemas
se desplazan sobre los campos minados mediante la plataforma móvil.
Brújula magnética
Manipulador
Antena GPS
Plataforma móvil
Cabeza sensora
Fig. 1. Configuración del sistema DYLEMA
El objetivo básico del proyecto DYLEMA 2 es la configuración de un
sistema para la detección y localización eficiente de minas antipersonas
que incluye una cabeza sensora, un manipulador y una plataforma móvil
basada en un robot caminante hexápodo (véase la Fig. 1). La cabeza sensora
está formada por un detector comercial de minas de contenido metálico
y una red de sensores para la detección y seguimiento de las irregularidades
del terreno denominado Sistema de Seguimiento del Terreno (SST). La
principal misión del SST es proporcionar información al controlador del
2
Técnicas de sensorización y control para la detección y localización eficiente de
minas antipersonas (PN I+D+i DPI2004-05824).

Sistema Robotizado para la Detección y Localización de Minas
Antipersonas 141
manipulador para que mantenga la cabeza sensora a una determinada distancia
del terreno mientas efectúa el barrido. Adicionalmente, el manipulador
tiene que evitar los obstáculos que aparezcan en la trayectoria de la cabeza
tales como grandes piedras, arbustos, árboles, etc. La información de
la cabeza sensora también la utiliza el controlador del sistema para guiar la
plataforma móvil durante las misiones de detección.
En el área de la desactivación de minas, se acepta ampliamente que una
cabeza sensora eficiente debería mezclar diferentes tecnologías de detección.
Sin embargo, el proyecto DYLEMA se centra únicamente en el desarrollo
de sistemas robotizados más que en tecnologías de detección. Por esta
razón, para detección de alarmas consideramos el sensor más sencillo:
un detector de metales. Después de detectar la alarma, su localización se
registra en una base de datos para un posterior análisis y desactivación, si
procede, por un equipo de especialistas.
Este capítulo se estructura en las siguientes secciones. La sección 2 presenta
el desglose de la cabeza sensora y detalla el detector de metales utilizado
así como el diseño del sistema de seguimiento del terreno. La sección
3 presenta las principales características del manipulador y las
particularidades de su diseño. La sección 4 presenta los resultados obtenidos
con el manipulador y la cabeza sensora dispuestos sobre una guía lineal
que simula el desplazamiento de la plataforma móvil. Finalmente, la
sección 5 presenta las conclusiones del trabajo.
2. Elementos del sistema
La cabeza sensora está formada por un detector de minas comercial y un
sistema de seguimiento del terreno, SST, basado en una red de medidores
de distancia divididos en dos grupos: grupo de sensores laterales (GSL) y
grupo de sensor del terreno (GST) (Ponticelli et al., 2006). Estos elementos
están montados en un bastidor de arnite, plástico de altas prestaciones
que combina rigidez y resistencia. Se ha usado este compuesto para evitar
las interferencias sobre el detector de metales.
2.1 Detector de metales
Para la detección de minas antipersonas se utilizan diferentes tecnologías.
La más simple consiste en un sencillo detector de metales. Sin embargo,
esta tecnología sólo es efectiva cuando las minas disponen que alguna,
aunque pequeña, cantidad de metal y son ineficientes con minas no metáli-

142 Robots de exteriores
cas, por ejemplo la minas fabricadas exclusivamente en plástico o en madera.
En este caso, nos vemos obligados a utilizar otras tecnologías basadas
en radar penetrante en tierra (GPR) (Gader et al., 2000), sensores de
sustancias químicas (Albert et al, 1999), o incluso sistemas olfativos
(Rouhi, 1997).
En el proyecto DYLEMA se ha utilizado el detector comercia Schiebel
AN-19/2 (véase la Fig. 2). Este detector está homologado por las tropas de
la OTAN y se diseñó para detectar contenidos muy pequeños de metal sobre
el suelo o enterrados a poca profundidad. Este detector es ideal para
inspecciones de terreno rápidas y precisas por su ligereza e inmunidad a
interferencias. Su funcionamiento es independiente de la temperatura de
trabajo, su sensibilidad no depende de la velocidad de desplazamiento y
dispone de circuitos automáticos de auto-diagnóstico.
Este dispositivo está diseñado para ser utilizado por un operario y produce
una salida audible de una determinada frecuencia en un auricular. La
frecuencia de esta señal aumenta cuando el detector pasa sobre algún componente
metálico. Esta señal se ha adaptado electrónicamente para ser introducida
en el controlador del sistema DYLEMA. Cuando el sistema detecta
una alarma, su posición, obtenida a través de la cinemática del brazo
manipulador y de la posición determinada por el GPS situado en la plataforma
móvil, se registra en la base de datos. Esta base de datos es el punto
de partida de la tarea de desactivación que no se resuelve en este trabajo de
investigación.
2.2. Sistema de seguimiento del terreno
El grupo de sensores laterales (GSL) y grupo de sensores del terreno
(GST) están basados en un conjunto de medidores infra-rojos de distancia.
Auriculares
Equipo electrónico
y baterías
Detector
Fig. 2. Detector de minas

Sistema Robotizado para la Detección y Localización de Minas
Antipersonas 143
Cada medidor proporciona una señal que indica la distancia del objeto situado
frente a él. El prototipo desarrollado dispone de un sensor infra-rojo
SHARO GP2D120 (véase la Fig. 3). La relación entre tensión de salida de
los dispositivos y la distancia al objeto se presenta en la Fig. 4.
El sensor está basado en un par de emisores-receptores infra-rojos con
un rango de operación de 4-30 cm que requieren una tensión de alimentación
de 5 VDC a 40 mA. A pesar de la naturaleza analógica de la salida, el
sensor muestrea la distancia con un periodo de 40 ms. Este periodo determina
la frecuencia mínima de muestreo del sistema y establece, por tanto,
la velocidad máxima de barrido. Este sensor proporciona una medida que
depende de la luz, color y textura de la superficie. Sin embargo, para las
distancias medidas en nuestra aplicación el error introducido por las diferentes
condiciones de luz y propiedades de la superficie es inferior a 1 cm,
Fig. 3. GP2D120 IR Sensor
que queda por debajo del error admisible.
La distancia a la superficie detectada se mide a través de un haz de luz
infra-roja con una sección aproximadamente elíptica que se expande con la
distancia al emisor. A una distancia de 10 cm del emisor el haz elíptico
tiene unos ejes menor y mayor de 2 y 5 cm, respectivamente. La figura 5
muestra las dimensiones típicas del haz en función de la distancia al objeto.
Las ventajas de este dispositivo para nuestro prototipo están fundamentalmente
en su tamaño y peso (8.4 gramos incluyendo electrónica asociada).
Debe tenerse en cuenta que, en principio, cualquier tipo de medidor
de distancia (ultra-sonido, láser, micro-ondas) puede servir para esta aplicación;
la utilización de sensores de infra-rojo se ha debido a las características
de tamaño, peso y precio, fundamentalmente.

144 Robots de exteriores
Voltaje (×5×2 -12 V)
Distancia (cm)
Fig. 4. Salidas características de los medidores de infra-rojos utilizados. Pueden
observarse pequeñas diferencias entre las salidas de los diferentes sensores.
2.2.1 Grupo de sensores laterales
Para detectar obstáculos en la trayectoria de la cabeza sensora sin contacto
mecánico se utiliza una red de medidores de distancia situados alrededor
de dicha cabeza sensora. Los medidores se sitúan equidistantes en el
anillo exterior de la cabeza sensora, con los haces orientados tangencialmente
al anillo exterior. El área cubierta por cada sensor se ajusta para que
las áreas se solapen (véase la Fig. 6).
Con esta configuración, el número de sensores necesarios para cubrir
completamente el perímetro es inferior al necesario si los medidores se situasen
con su haz orientados radialmente. De este modo, un objeto que se
aproxime a la cabeza sensora en dirección radial será detectado al menos
por un medidor. Sin embargo, aparecen zonas muertas entre dos áreas adyacentes
donde un objeto puede no ser detectado. Para evitar esta situación,
pueden implementarse estrategias de barrido con el manipulador que
impida el desplazamiento de la cabeza sensora en la dirección de las zonas
muertas.
Este grupo sensor debe ser capaz de detectar obstáculos en la trayectoria
de la cabeza sensora mientras se proporciona información cualitativa sobre
la distancia de los objetos próximos (presencia/ausencia de objeto, distancia
aproximada, etc). La forma de la superficie de un objeto se puede esti-

Sistema Robotizado para la Detección y Localización de Minas
Antipersonas 145
mar a partir de la información recibida por dos o más sensores. Esta información
se utiliza para que el controlador del manipulador planifique la trayectoria
de la cabeza sensora.
2.2.2. Grupo de sensores del terreno
El grupo de sensores del terreno utiliza un conjunto de medidores para
cubrir un área bajo la cabeza sensora, permitiendo medir la distancia relativa
a las elevaciones del terreno y detectar obstáculos sin contacto mecánico.
Los medidores están también situados en el anillo exterior de la cabeza
sensora en intervalos regulares y con el haz apuntando hacia el suelo.
Los medidores de distancia, normalmente, necesitan una distancia mínima
al obstáculo para operar, por tanto, su disposición está elevada ligeramente
sobre el plano en el que se encuentra el detector de metales. Este montaje y
las direcciones de los haces de los medidores se presentan en la Fig. 7.
Voltaje analógico V0 (V)
Fig. 5. Haz infra-rojo típico
Distancia de detección X (cm)

146 Robots de exteriores
Bastidor
Medidor lateral
Haz lateral del
medidor
Fig. 6. Vista del sensor lateral. Las áreas de detección están sombreadas.
Casos: (A) Zona en la que no se detectan pequeños objetos, (B) Detección de un
objeto mayor que la zona ciega, (C) Detección de un objeto grande, (D) Detección
de un objeto pequeño, (E) Detección de un matorral compuesto por objetos delgados
Con la información de los medidores se pueden calcular los parámetros
que determinan la ecuación del plano bajo el detector de metales. Uno de
los objetivos es explorar el plano bajo la cabeza sensora (ángulos y distancias)
para que el manipulador pueda seguir una trayectoria que mantenga
la cabeza cerca (y paralela al suelo). Se pretende que el detector de minas
se mantenga a unos 5 cm sobre el terreno mientras sigue las irregularidades
del terreno. Un segundo objetivo de este sistema es proporcionar in-
Haz lateral
Bastidor
Haz de terreno
Sensor de terreno
Sensor lateral
Fig. 7. Sensores laterales, sensores de terreno e ilustración de los haces.

Sistema Robotizado para la Detección y Localización de Minas
Antipersonas 147
formación que pueda utilizarse para obtener mapas de elevación de terreno
combinando medidas de la cabeza sensora y la cinemática del manipulador
con las medidas proporcionadas con el GPS.
Existen 8 medidores de distancia en este conjunto por lo que se obtienen
8 puntos para determinar el plano medio del suelo con respecto a la cabeza
sensora. Con esta información se han desarrollado estrategias de control
para el manipulador de manera que la cabeza sensora pueda seguir las irregularidades
del terreno así como el contorno de objetos en la trayectoria de
la cabeza sensora.
2.3 Configuración de la cabeza sensora
La cabeza sensora, como ya se ha indicado, está compuesta por dos dispositivos:
el detector de metales y el sistema de seguimiento del terreno
(SST) dividido en el grupo de sensores laterales (GSL) y el grupo de sensor
del terreno (GST). El detector de metales es el dispositivo principal y
está situado en el centro del bastidor. El GSL está dispuesto sobre el exterior
del bastidor y el GST está colocado sobre la parte superior del bastidor.
Un requerimiento del detector de metales es que no pueden existir
componentes metálicos dentro de un cilindro imaginario cuya sección es
coaxial e igual al anillo de detección, como se ilustra en la Fig. 8. El sistema
completo se representa en la Fig. 9 que también muestra el controlador
de la cabeza sensora.
Tanto el GSL como el GST están conectados al controlador de la cabeza
sensora que consiste en una tarjeta que incorpora un bloque de adquisición
Detector de minas
Fig. 8. Cilindro virtual libre de componentes metálicos para no interferir
con el detector de minas.

148 Robots de exteriores
de datos, un bloque de procesamiento de datos, un bloque de comunicaciones
y el bloque de control. Esta unidad de control adquiere las señales analógicas
de los 16 medidores de distancia y las convierte en señales digitales
de 12 bits. Posteriormente, estas señales se filtran en el procesador de
señal y se introducen en un bloque de estimación donde se transforman las
señales digitales en señales que representan la distancia a la que se encuentra
un objeto en el rango 4 – 30 cm. Cada bloque de estimación se calibra
para su correspondiente medidor de distancia y la estimación se realiza suponiendo
que el proceso sigue una curva exponencial del tipo
f ( x) = ax . b + c
Donde x es el valor digital del medidor de distancias y a, b y c son los
coeficientes estimados.
La salida para un determinado medidor y el error entre la distancia real
y la estimada se presenta en la Fig. 10. La estimación del error es menos
que ±0.20 cm, excepto para medidas inferiores a 5 cm, donde el error puede
llegar a alcanzar ±1 cm. La medida de distancia tiene una precisión teó-
Punto de fijación al manipulador
Medidor de distancia
Controlador de la cabeza
sensora
Detector de minas
Bastidor
Fig. 9. Cabeza sensora

Sistema Robotizado para la Detección y Localización de Minas
Antipersonas 149
rica de ±0.1 cm, pero en realidad el comportamiento del medidor no es tan
preciso como fuera deseable. La medida de distancia depende de la reflectividad
y textura de la superficie que detecta, del ángulo de incidencia y de
la temperatura ambiente, entre otros factores menos significativos. Como
se presentará en los resultados experimentales, la precisión real del sistema
está dentro de ±1 cm, que es suficiente para la aplicación que nos ocupa.
Después de que las 16 medidas de distancia se han filtrado y codificado
se trasmiten al procesador central encargado del sistema de manipulación.
Esta información es de diferente naturaleza: medidas directas, medidas calibradas,
medidas filtradas y medidas elaboradas. Estas últimas proporcionan
los parámetros del plano medio teórico bajo la cabeza sensora, el cual
se utiliza por el controlador del manipulador para controlar la altura de la
cabeza sensora y ajustar su orientación hasta que queda paralela al suelo.
La idea detrás del desarrollo de este sistema electrónico de adquisición,
elaboración y comunicación es reducir el cableado desde la cabeza sensora
hasta el controlador general a bordo de la plataforma móvil y reducir el
flujo de información al mínimo. La unidad de control de la cabeza sensora
efectúa todas las operaciones de procesamiento de bajo nivel y comunicaciones,
mientras que el controlador central del sistema recibe los datos sin
esfuerzo computacional utilizando un número mínimo de cables.
3. Manipulador de barrido
Como ya se ha mencionado, el proyecto DYLEMA requiere un dispositivo
para desplazar la cabeza sensora sobre áreas grandes. El sistema más
sencillo es un manipulador diseñado a propósito para esta aplicación. Este
manipulador requiere 3 GDL para posicionar la cabeza sensora en un volumen
3D, ya que, asumiendo que se van a barrer áreas no planas, se precisan
movimientos en las componentes x, y y z del entorno de trabajo. Además,
el detector tiene que adaptarse a inclinaciones en el terreno, por tanto,
se precisan dos GDL adicionales en la muñeca del manipulador para poder
controlar la orientación de la cabeza sensora. Como el detector tiene simetría
radial no se precisa un sexto GDL para la orientación de la cabeza. Resumiendo,
el manipulador debe tener al menos 5 GDL para llevar a cabo
esta aplicación.

150 Robots de exteriores
Con relativa frecuencia, durante las operaciones de detección se hace
necesario cortar hierbas o pequeños arbustos; por tanto, el manipulador
debe estar dotado de un cortador de vegetación. En nuestro caso se ha utilizado
una desbrozadora comercial que se sitúa sobre la cabeza sensora de
manera que sólo es necesario desplazar la articulación A-4 para poner en
posición de operación uno u otro dispositivo (véase la Fig. 11). La posición
relativa de los dispositivos es tal que los pares necesarios en la articulación
A-4 son prácticamente nulos. El manipulador ha sido diseñado para
soportar exclusivamente la carga que supone la cabeza sensora y la desbrozadora.
Para esta aplicación una estructura RRR para el manipulador proporciona
suficiente movilidad y al estar la estructura principal en un plano perpendicular
al suelo se disminuyen las colisiones con el entorno (asumiendo
que el robot está nivelado). Otro aspecto clave en el diseño del manipulador
consiste en disponer las masas de los motores CC (elementos más pesados
en la estructura) de manera que se reduzcan los pares necesarios en
las articulaciones. La Fig. 11 muestra una fotografía del manipulador. La
articulación A-5 proporciona un rango de cabeceo de ±45º a la cabeza sensora.
La articulación A-4 tiene un desplazamiento de ±200º (balanceo) pa-
Distancia linealizada (cm)
Lectura de distancias en los sensores (×5×2 -12 V)
Error de en la distancia
linealizada (cm)
Lectura de distancias en los sensores (×5×2 -12 V)
Figura 10. Ajunte de la salida y estimación de errores para los parámetros: a
=11410, b = -0.9688 , c = -0.8051

Sistema Robotizado para la Detección y Localización de Minas
Antipersonas 151
ra poder colocar en posición de trabajo la cabeza o la desbrozadora. La articulación
A-1 es una articulación simple y las articulaciones A-2 y A-3,
que soportan los pares más elevados, están configuradas en torno a un sistema
diferencial formado por tres piñones cónicos. Dos motores hacen girar
directamente dos piñones cónicos opuestos el uno al otro. Un tercer piñón
cónico es forzado a (a) rotar alrededor del eje común de los piñones
fijos, (b) girar alrededor de su propio eje o (c), en una combinación de rotaciones
(a) y (b), dependiendo de la dirección de giro de los motores. Con
esta configuración los motores trabajan al mismo tiempo actuando para
producir los pares requeridos, es decir, cada motor proporciona aproximadamente
la mitad del par requerido actuando en paralelo (cuando los movimientos
de las articulaciones A-2 y A-3 están desacoplados), mientras
que un simple motor debería proporcionar independientemente el par de
una articulación.
La Tabla 1 resume las características del manipulador. Algunas de estas
características, tales como la longitud de los eslabones del manipulador,
dependen de las dimensiones de la plataforma móvil (altura del cuerpo y
envergadura de las patas) seleccionadas con unos criterios ajenos a los objetivos
de este capítulo.
La estructura del manipulador se ha fabricado básicamente en aluminio.
Algunos componentes sometidos a esfuerzos han sido fabricados en duroaluminio
7075 y todo el sistema está accionado por motores de CC.
Articulación/
Eslabón
Tabla 1. Principales características del manipulador
Longitud
eslabón
(mm)
de
Potencia
del motor
(watt)
Reductor
Masa
(kg)
1 206 220 492:1 1.8
2 375 220 881:1 2.3
3 100 220 881:1 2
4 361 83.2 246:1 0.5
5 135 83.2 287:1 0.5
Total 7.1

152 Robots de exteriores
4 Resultados experimentales
Para la calibración del sistema, el conjunto manipulador-cabeza sensora
se ha montado sobre una guía lineal motorizada de 3 m de longitud que
simula el movimiento de la plataforma móvil (véase la Fig. 12). Se han
realizado experimentos para identificar la superficie del suelo. La Fig. 13
Grass cutter
A-4
A-5
A-3
Sensor head
A-1
A-2
Fig. 11. Manipulador y cabeza sensora
Fig. 12. Guía lineal

Sistema Robotizado para la Detección y Localización de Minas
Antipersonas 153
Fig. 13. Experimentos para generación de mapas de elevación de terreno
muestra dos fotografías del montaje sobre un suelo irregular formado por
cuerpos de geometría regular como son cilindros y prismas. Como los medidores
de distancia están dispuestos en configuración circular, los datos
proporcionados están desalineados respecto a los otros sensores según se
desplaza la cabeza sensora sobre la guía lineal. Para reconstruir la superficie
barrida con la cabeza deben alinearse todos los datos previamente. La
Fig. 14 reconstruye la superficie bajo la cabeza. Esta reconstrucción se realizó
moviendo la guía lineal a velocidad constante. Un estudio numérico
muestra que la superficie se puede reproducir con una precisión inferior a
±1 cm, que resulta ser suficientemente buena para las aplicaciones de detección
de minas antipersonas.

154 Robots de exteriores
Fig. 14. Reconstrucción 3D del terreno bajo la cabeza sensora
El dispositivo manipulador-cabeza sensora se ha probado en un terreno
natural como se muestra en la Fig. 15. La cabeza sensora está instalada
como herramienta del manipulador que se desplaza sobre la guía lineal. El
procedimiento, como ya se ha indicado, consiste en barrer la zona situada
delante de la cabeza sensora mediante movimientos del manipulador cuyo
controlador adapta la altura y orientación de la cabeza en función de los
datos procedentes del controlador de la cabeza sensora.
Como ya se ha mencionado, la sección del haz infra-rojo aumenta con la
distancia. Si el objeto está más alejado de 15 cm, el haz puede interferir
con el sistema de seguimiento del terreno produciendo una oscilación de
alrededor de 1 Hz en las lecturas de los medidores de distancia, con una
modulación en los pulsos cada 2 ó 3 segundos. Este comportamiento desaparece
en cuanto los sensores adyacentes se cortan o bien se sitúa un objeto
a una distancia inferior a los 15 cm. Cuando el suelo se encuentra a
más de 15 cm del sensor, el haz de un sensor alcanza al sensor adyacente
interfiriendo en la medida que esté realizando. Cada medidor de distancia
tiene su propia frecuencia natural de muestreo, pero todas ellas son muy
próximas, con un resultado de modulación de frecuencias que se observa
en la salida de los medidores.

Sistema Robotizado para la Detección y Localización de Minas
Antipersonas 155
Para evitar el efecto de las interferencias se debería utilizar un esquema
diferente de colocación de los medidores sobre la cabeza. Los medidores
de suelo podrían proyectar sus haces en una determinada dirección en lugar
de proyectarlos directamente contra el suelo. En este caso la distancia
al suelo no sería una medida directa sino que se obtendría mediante triangulación
a partir del ángulo que forma el medidor con el bastidor de la cabeza
sensora y la medida de distancia proporcionada.
5 Conclusión
Las labores de desactivación humanitaria requieren de la automatización
del proceso de localización de munición sin estallar. Esto se puede realizar
mediante sistemas robotizados capaces de barrer con sensores especiales
los campos hipotéticamente minados. Este capítulo presenta el desarrollo
de un manipulador de 5 GDL combinado con una cabeza sensora formada
por un detector de minas y una red de medidores de distancia que permiten
al manipulador seguir las irregularidades del terreno durante la tarea de barrido
mientras está atento a la presencia de obstáculos en su camino. El sistema
se ha diseñado para situarse a bordo de una plataforma móvil constituida
por un robot caminante hexápodo.
La unidad de control de la cabeza sensora proporciona información de
diferentes tipos: medidas directas, medidas calibradas, medidas filtradas y
Fig. 15. Experimentos en exteriores

156 Robots de exteriores
medidas elaboradas. Estas últimas proporcionan los parámetros del plano
medio teórico bajo la cabeza sensora, el cual se utiliza por el controlador
del manipulador para controlar la altura de la cabeza sensora y ajustar su
orientación hasta que queda paralela al suelo.
El funcionamiento del sistema se ha comprobado en terreno natural utilizando
una guía lineal como símil de plataforma móvil. Este sistema puede
seguir irregularidades con precisiones en torno a l0 mm.
El siguiente paso en nuestras investigaciones será la experimentación del
sistema presentado sobre la plataforma móvil para estudiar las modificaciones
necesarias en los algoritmos para resolver los movimientos inesperados
de la plataforma.
Agradecimientos
Este trabajo de investigación ha sido financiado por el Ministerio de
Educación y Ciencia a través del proyecto de investigación del Plan Nacional
de I+D+i DPI2004-05824.
Referencias
Nicoud J. D., 1997, "Vehicles and robots for humanitarian demining", Industrial
Robot: An International Journal, Vol. 24, N. 2, pp. 164 - 168.
Ponticelli R., Gonzalez de Santos, P., Armada, M., 2006, "Lateral sensor
for ground tracking systems in humanitarian-demining tasks", 9th International
Conference on Climbing and Walking Robots, pp. 485 - 489.
Gader P. D., Nelson, B., Frigui, H., Vaillette, G. and Keller, J., 2000,
"Landmine detection in ground penetrating radar using fuzzy logic (Invited
Paper)", Signal Processing, Special Issue on Fuzzy Logic in Signal Processing,
Vol. 80, N. 6, pp. 1069-1084.
Albert K. J., Myrick, M. L., Brown, S. B., Milanovich, F. P. and Walt D.
R., 1999, "High-speed fluorescence detection of explosives vapour", SPIE-
The International Society for Optical Engineering, 3710, pp. 308-314.
Rouhi A. M., 1997, "Land Mines: Horrors begging for solutions", Chemical
& Engineering news, Vol. 75, N. 10, pp. 14-22.

CAPÍTULO 10
Una Nueva Metodología para Descripción del
Entorno en la Detección en Robots de Minas
Antipersonas
C. SALINAS, M. ARMADA y P. GONZALEZ DE SANTOS.
Instituto de Automática Industrial -CSIC; csalinas@iai.csic.es,
Se describe una nueva metodología basada en sistemas de visión omnidireccional,
para la identificación de entornos no estructurados o cambiantes.
Actualmente, los sistemas de visión por computador convencionales son
ampliamente utilizados con este fin, sin embargo, las cámaras convencionales
tienen un campo de visión limitado, siendo restrictivas para ciertas
aplicaciones. Los sensores omnidireccionales permiten ampliar el rango
del campo de visión. Pueden adquirir imágenes de hasta 360 grados alrededor
de la cámara. En este trabajo, se presentan los distintos tipos de sensores
omnidireccionales. Sus principales características y el modelado de
los mismos. Finalmente, se muestra la aplicación directa de un sistema de
visión omnidireccional catadióptrico de bajo coste, en el robot caminante
Silo6 de detección de minas anti-personas.
1 Introducción
A lo largo de los años, la utilización de sistemas de visión por computador
se ha extendido de forma exponencial, especialmente en áreas de la robótica
y la automática, esto se debe en gran parte a los avances en la tecnología
de las cámaras y los ordenadores. La experimentación con sensores de
visión implica un costo elevado en materiales, y una cierta complejidad en
el tratamiento de la señal. A pesar de ello, las señales proporcionadas por
los sensores visuales son muy valiosas debido a la cantidad y a la riqueza
de la información que contienen.
En la actualidad el mundo de la robótica obliga a que las tareas y funciones
de los robots se realicen en entornos no estructurados y cambiantes,
y que, en consecuencia, requieran mayor precisión, seguridad y robustez.
Las cámaras convencionales en muchas ocasiones resultan restrictivas, en

158 Robots de exteriores
el campo de visión que son capaces de observar, por ello surgen los sensores
de visión omnidireccional, que permiten ampliar el rango del campo de
visión (~360 grados).
Un ejemplo típico, en cuanto a seguridad, se presenta en el seguimiento
de objetos que se mueven de forma independiente. En los sistemas convencionales,
los puntos de interés que identifican a los objetos en movimiento,
desaparecen rápidamente y restan fiabilidad al sistema. En contraste,
en los sistemas omnidireccionales estos puntos permanecen en el campo
de visión durante un periodo largo de tiempo, permitiendo desarrollar satisfactoriamente
tareas de identificación, detección y seguimiento
Entre algunas de las aplicaciones que precisan un mayor rango de visión
se encuentran la seguridad y vigilancia, la tele-operación, la realidad virtual,
etc. Muchas otras tareas que pueden beneficiarse y mejorar su rendimiento
mediante la visión omnidireccional, en especial las dedicadas a labores
de robot móviles, como la navegación, el seguimiento, el egomovimiento,
la caracterización del entorno, etc. Para poder mejorar el alcance
y rendimiento de las tareas anteriormente mencionadas, empleando
visión omnidireccional, es necesario adaptar los métodos convencionales y
aplicar nuevas técnicas. Con este objeto de adaptar los métodos convencionales
(análisis de imágenes dinámicas, detección del movimiento, extracción
de características, etc.), es fundamental la correcta parametrización
y modelado del sistema omnidireccional.
Este artículo se encarga de presentar un estudio de los diversos tipos de
sensores omnidireccionales y sus principios de funcionamiento. Se presenta
el modelado geométrico que permite tratar las imágenes omnidireccionales
de la misma forma que las imágenes convencionales (en perspectiva).
Y finalmente, se muestra la utilidad de este estudio, con un caso
práctico como el diseño y construcción de un sistemas de visión omnidireccional
catadióptrico de bajo coste, para el robot caminante Silo6 (González,
2004).
2 Sistemas de visión omnidireccional
La estructura de estos sistemas se basa en sensores omnidireccionales.
Existe una gran variedad de estos sensores, e independiente a su clase, la
idea fundamental de estos dispositivos consiste en proporcionar un campo
de visión amplio. Se clasificación en función de su estructura, y pueden
agruparse en 3 conjuntos, que se describen a continuación (Yagi, 1999):

Una Nueva Metodología para Descripción del Entorno en la Detección en Robots
de Minas Antipersonas 159
~180
~360º
>180
(a)
(b)
Fig. 1. Clasificación de sensores omnidireccionales: (a) Dióptricos, (b) Catadióptricos
y (c) Poli-dióptricos.
Los denominados Dióptricos, que emplean lentes especiales y pueden adquirir
un rango menor a 180 grados correspondiente al plano hemisférico.
Los Catadióptricos, que utilizan espejos convexos y cámaras convencionales,
pueden capturar un rango mayor a 180 grados. Y los Poli-dióptricos,
estos emplean múltiples imágenes (cámaras traslapadas), pueden adquirir
hasta 360 grados (> hemisférico). En el grupo de figuras de Fig. 1, se esquematizan
las tres estructuras descritas, (a), (b) y (c) muestras respectivamente
cada una de las estructuras.
Otro criterio de clasificación del sistema sensorial de omnivisión, es la
condición de tenencia de un único punto de proyección. La proyección
central por un único punto (pin-hole), es una característica importante en
un sistema sensorial de omnivisión, debido a que facilita la formación de
una imagen proyectada sobre cualquier posible plano de la imagen, como
una imagen en perspectiva sin distorsión o imagen panorámica, de una
imagen omnidireccional.
Esta propiedad, de fácil formación de imágenes en perspectiva sin distorsión
o de imágenes panorámicas, permite al sistema de visión del robot
el uso de métodos existentes de procesamiento de imágenes, para su navegación
y manipulación de objetos, ambas autónomas. Además, permite al
usuario ver las imágenes en perspectiva o imágenes panorámicas, las cuales
le son más familiares, en lugar de una imagen omnidireccional.
(c)
2.1 Sensores dióptricos
En este grupo, se emplean una o dos cámaras con lentes ojo-de-pez, que
permiten observar amplios campos de visión, hasta una vista hemisférica.
Sin embargo, para navegación de robots, solamente se han obtenido bue-

160 Robots de exteriores
nos resultados en la resolución cuando se observan techos, el cielo, etc., y
la resolución es pobre a los lados y el en suelo (Cao, 1990).
Esto quiere decir, que la imagen obtenida por los lentes fish-eye tiene
una muy buena resolución en la región central, pero una resolución pobre
en la zona periférica. Por lo tanto, el análisis del suelo y objetos en movimiento
es complejo, debido a que estos se encuentran en la región periférica
de la imagen. Adicionalmente, es difícil generar una imagen perspectiva
completa, porque estos lentes no tienen la propiedad de única proyección
central.
Las ventajas de estos sistemas residen en proporcionar alta resolución en
sus imágenes y en la necesidad de bajas frecuencias de muestreo. Por otro
lado, el cálculo computacional del espacio tridimensional puede o no ser
complejo, depende de la configuración del sistema. Las desventajas se encuentran
en la complejidad de su construcción y en la resolución no uniforme
de la imagen omnidireccional.
2.2 Sensores catadióptricos
La idea fundamental de esos sistemas, consiste en utilizar espejos convexos
que apunten verticalmente a una cámara, dónde el eje óptico de la
cámara está alineado con el eje del espejo. Mediante esta configuración, se
puede adquirir una vista de 2π alrededor de la cámara en tiempo real.
Los trabajos iniciales con estos sistemas, se encaminaron al estudio de
espejos cónicos. Las imágenes obtenidas con estos espejos tienen buena
resolución en la sección periférica. Yagi utilizó este método para la construcción
de COPIS (Yagi, 1994), un sistemas de navegación para robots
móviles.
(a)
(b)
Fig. 2. Sistema COPIS: (a) Prototipo y (b) Imagen adquirida con el sistema

Una Nueva Metodología para Descripción del Entorno en la Detección en Robots
de Minas Antipersonas 161
En la figura anterior (Fig. 2), se puede observar el prototipo de COPIS y la
imagen omnidireccional que este puede adquirir. Este sistema es de gran
utilidad para aplicaciones en interiores, donde se desea detectar bordes verticales
como puertas, escritorios, columnas, etc. El inconveniente de estos
sistemas, es que no tienen un punto focal (centro de proyección), por lo
tanto no se puede generar una imagen libre de distorsión a partir de la imagen
omnidireccional.
Fig. 3. Relación linear de ángulo de inclinación en COPIS.
El campo de visión está limitado por el ángulo del vértice del espejo cónico
y el lente de la cámara. En la figura Fig.3, se observa que la sección
vertical de COPIS es un espejo plano y que el rayo que proviene del punto
P, cambia su dirección óptica utilizando esta característica, esto significa
que la resolución angular vertical de COPIS es linear en la imagen de entrada.
Una de las ventajas de los sistemas catadióptricos es la necesidad de una
baja frecuencia de muestro, lo que le permite operar al sistema en aplicaciones
de tiempo real. En función de su configuración, el cómputo de puntos
del espacio tridimensional puede o no ser complejo y realizable. Esto
también se extrapola a la construcción de estos sistemas, que dependen directamente
de la propiedad de los espejos. La mayor desventaja, es la disminución
en la resolución de la imagen de salida.
Desde el punto de vista de la robótica, estos sistemas tienen 3 ventajas
principales, La primera hace referencia al amplio campo de visión, que facilita
la búsqueda de correspondencias, esto se debe a que los puntos correspondientes
no desaparecen fácilmente. Por otro lado, este campo de visión
amplio ayuda a estabilizar la estimación de algoritmos de ego-motion:

162 Robots de exteriores
la rotación de la cámara se distingue cómodamente de su translación. Y finalmente,
a partir de dos imágenes panorámicas se puede reconstruir casi
completamente un área circundante de una escena, una vista 2π alrededor
de la cámara.
2.3 Sensores poli-dióptricos
Los sistemas poli-dióptricos pueden estar compuestos por cámaras rotatorias
que giran alrededor de su eje vertical con velocidad constante, o por
múltiples cámaras traslapadas (ver Fig. 4).
Fig.4. Modelos de sistemas poli-dióptricos.
En el caso de múltiples cámaras, las principales ventajas de estos sistemas
son la alta resolución de las imágenes por ángulo-vista, el cómputo del espacio
tridimensional es directo, debido a que las imágenes son en perspectiva.
La desventaja, se centra en la dificultad del funcionamiento en tiempo
real, accionado por el elevado requerimiento de ancho de banda. Además,
se debe realizar la sincronización de las múltiples cámaras, y la posición de
las mismas deriva en un complejo proceso de calibración. Se dificulta la
construcción de sistemas compactos, fáciles de transportar.
En el caso de contar con una configuración de cámaras rotatorias, se debe
incluir el control del sistema pan-tilt y las consideraciones mecánicas
requeridas para el caso. La principal ventaja es que la resolución de las
imágenes es alta, que no depende de la cámara, pero si de la resolución angular
de rotación.

Una Nueva Metodología para Descripción del Entorno en la Detección en Robots
de Minas Antipersonas 163
3 Sistemas de visión omnidireccional catadióptrica
La idea básica de estos sistemas consiste en utilizar una la cámara que
apunte verticalmente hacia un espejo convexo, con el eje óptico del lente
de la cámara alineado con el eje del espejo (Baker,1999).
Al establecer el eje de la cámara verticalmente, es posible adquirir imágenes
con un campo de visión 2π en tiempo real alrededor de la cámara. La
propiedad anisotrópica de un espejo convexo, se refleja como una mayor
cantidad de blurring en la imagen de entrada de la cámara estándar, si el
sistema no está bien diseñado.
Un ejemplo de ello, es la curvatura del espejo cónico, hiperbólico o parabólico
que corta la sección horizontal, es la misma que un espejo esférico.
Si el lente de la cámara tiene una apertura relativamente grande, los rayos
que vienen a través de la sección horizontal, del punto del objeto, no se
focalizan en un punto común, el efecto se conoce como aberración esférica.
La curvatura vertical del espejo es la misma a la del espejo plano,
mientras que en la sección horizontal es la misma del espejo esférico. De
esta manera, los rayos reflejados a través de los planos vertical y horizontal,
enfocan a diferentes puntos. Por consiguiente, para reducir el efecto de
blurring y obtener una imagen limpia, se necesita un sistema óptimo que
pueda incluir los puntos de ambas ópticas (Yagi, 2004).
3.1 Espejos esféricos
Al igual que la lente de los ojos de un pez, una imagen obtenida a partir de
un espejo esférico, presenta una buena resolución en la región central pero
una mala resolución en región periférica.
Un espejo esférico produce una imagen del entorno a su alrededor y su
campo de visión es el más amplio entro los sensores con espejos convexos.
Una imagen amplia es útil para colocar al robot en su ruta.
Hong (Hong,1990) propuso un método para la navegación de un robot,
utilizando la apariencia del cambio de las características del horizonte. Sin
embargo, la relación geométrica de un único centro de proyección no se
satisface.
3.2 Espejos hiperbólicos
Un espejo hiperbólico produce una imagen de la escena alrededor de su eje
vertical, se puede adquirir 360º de visión alrededor de este dispositivo. Los
mapas generados a través de este tipo de sistemas, utilizando el plano de la

164 Robots de exteriores
imagen a través de una lente y espejo hiperbólico, son llamados “proyección
hiperbólica”.
Un espejo hiperbólico tiene un punto focal, el cual hace posible una fácil
generación de una imagen deseada, proyectada sobre cualquier plano de
imagen designado desde una entrada omnidireccional. Esta fácil generación
de imágenes en perspectiva o panorámicas le permiten al sistema de
visión del robot utilizar métodos de procesamiento de imágenes existentes
para navegación y manipulación autónoma. Además, permite al usuario
ver imágenes en perspectiva o imágenes panorámicas, las cuales le son
más familiares, en lugar de una imagen omnidireccional deformada por el
espejo hiperbólico.
3.3 Espejos parabólicos
El espejo parabólico fue propuesto por Peri y Nayar (Peri, 1996). Una óptica
cóncava parabólica es usada frecuentemente para la convergencia de
un grupo de rayos como lo es una antena parabólica. En el caso de un espejo
parabólico, básicamente la idea es la misma que la de una antena parabólica.
Todos los rayos del entorno se reflejan en el espejo y corren paralelos
al eje de rotación del espejo parabólico.
Una línea recta que extiende el rayo desde el punto del objeto en el entorno,
pasa a través del punto focal a pesar de la ubicación del punto objeto.
Asimismo, una imagen omnidireccional con un solo centro de proyección
puede realizarse, al establecer la cámara con proyección ortogonal,
como lo es el lente telecéntrico o una lente de aumento en frente de un espejo
parabólico.
El campo de visión de un espejo parabólico y la resolución de la imagen
omnidireccional, se sitúan justo entre el espejo hiperbólico y el espejo esférico.
Matemáticamente, las curvaturas de ambos espejos se representan
como Ecuación (1):
2
cr
Z =
1+
1−
r
2 2
( 1+
k) c
Donde el eje Z es el eje de rotación del espejo convexo, c representa la
curvatura, r representa la coordenada radial en unidades de la lente y k es
la constante cónica. El tipo de espejo es representado por la constante cónica;
k

Una Nueva Metodología para Descripción del Entorno en la Detección en Robots
de Minas Antipersonas 165
3.4 Modelado de los sistemas catadióptricos: hiperboloides
Los sistemas hiperbólicos tienen sus inicios gracias a (Yamazawa, 1993),
estos sistemas tienen dos puntos focales (Focus1, Focus2). El centro de la
cámara está fijo a uno de los puntos focales. Un espejo hiperbólico, produce
una imagen de un punto en el espacio sobre un plano vertical, a través
del punto P y su eje. De este modo, el punto P en (X, Y, Z) es proyectado
sobre la imagen del punto p en (x, y) (ver Fig.5), como indican la Ecuación
(2):
Y
tan θ =
(2)
X
Para modelar estos sistemas, se utiliza la geometría elemental de la forma
del espejo. Mediante la Fig.5 se puede describir cómo un punto P en el espacio
es reflejado por un espejo hiperbólico y proyectado en el plano imagen.
Un rayo que viene del punto P(X,Y,Z) en el espacio, alcanza el punto
focal Focus1, es reflejado por el espejo y pasa a través del punto focal Focus2,
el cual interseca el plano imagen en p(x,y,z).
Cualquier punto del espacio en el campo de visión de la proyección
hiperbólica satisface esta relación. De esta forma, se puede obtener una
imagen omnidireccional de la escena en el plano imagen, con un único
centro de proyección Focus2. El ángulo en la imagen puede ser calculado
de forma sencilla, mediante la relación y/x, indicada por el ángulo azimut θ
del punto P en el espacio. También, se puede comprender fácilmente que
todos los puntos que tienen el mismo azimut en el espacio, aparecen en un
alinea radial a partir del centro de la imagen.
Fig. 5 Proyección hiperboloide

166 Robots de exteriores
Esta característica, anteriormente mencionada, es la misma que en la proyección
cónica. Por esta razón, con este tipo de proyecciones, los bordes
verticales del entorno, aparecen de forma radial en la imagen. Empleando
geometría elemental, se puede determinar la relación del puntos P(X, Y, Z)
del espacio con su imagen (plano imagen (x, y)).
Las superficies hiperboloides, pueden ser obtenidas a partir de una revolución
de una hipérbola alrededor del eje Z, teniendo dos puntos focales en
(0, 0, +c) y (0,0, 2c). Empleando las coordenadas del mundo, se puede representar
(X, Y, Z), la superficie hiperboloide puede representarse tal como
indican las Ecuaciones (2) y (3),
X
2
+ Y
a
2
2
Z
−
b
2
2
= −1
(2)
c +
2 2
= a b
(3)
Donde a y b definen la forma de la hiperboloide, y se utiliza una de la superficies
de la hiperboloide en Z>0. La composición geométrica es tal, que
el punto focal del espejo es Focus1 y de la lente es Focus2, y están fijos en
el punto focal de la superficie hiperbólica en (0, 0,+c) y (0,0, 2c) respectivamente.
El eje de la cámara está alineado con el del espejo. El plano imagen
puede también ser posicionado a una distancia f (distancia focal de la
cámara) del centro del lente de la cámara y ser paralelo al plano XY (Baker,1999).
En base a la teorías descrita anteriormente y a los conceptos fundamentales
de geometría epipolar, se puede modelar un sistema de visión omnidireccional
catadióptrico y simular su funcionamiento.
La geometría epipolar, describe la relación entre las posiciones de puntos
correspondientes en un par de imágenes. Puede establecerse a partir de
pocas imágenes correspondientes y se utiliza para: simplificar la búsqueda
de más correspondencias, el cómputo del desplazamiento entre cámaras y
la reconstrucción de escenas tridimensionales (Svodoba, 2002).
Empleando herramientas de geometría epipolar de Matlab, se ha realizado
como caso práctico, la simulación de un sistema catadióptrico para un
espejo hiperbólico de diámetro de 50 mm. y eje focal de 20 mm.

Una Nueva Metodología para Descripción del Entorno en la Detección en Robots
de Minas Antipersonas 167
Fig.6. Simulación-modelo de sistema catadióptrico
Para la simulación se han designado 3 puntos aleatorios en el espacio tridimensional,
en la Fig. 6 se puede ver la vista tridimensional del sistema,
dónde los puntos del espacio (1, 2, 3) se dirigen al punto focal del espejo,
el a vista superior, se puede observar que estos puntos se encuentran a distintas
profundidades. Sin embargo, por la restricción de única proyección
central, cada punto ocupa un eje radial del espejo y si nada se interpone en
medio, este punto será reflejado por el espejo.
Cuando los puntos son reflejados por el espejo, el haz de luz atraviesa el
eje óptico de la cámara y se forma una imagen 2D. La posición en el plano
imagen se muestra en la siguiente figura Fig.7.
Fig.7. Puntos aleatorios en el plano imagen.

168 Robots de exteriores
A continuación se muestra los resultados de la experimentación, en el caso
de realizar variaciones en los parámetros de la geometría del espejo (ver
Fig. 8). Mediante la simulación, se puede observar claramente, que los
mismo puntos aleatorios (1, 2, 3), se encuentran en distintas posiciones en
el plano imagen. Este efecto se debe a la geometría del espejo.
Fig.8 Simulación-sistemas catadióptricos
4 Aplicación de sistemas omnidireccionales en el robot
caminante Silo6
De acuerdo con la teoría expuesta en los anteriores apartados, en aplicaciones
de robots móviles caminantes, el sistema óptimo de trabajo es un
sistema de visión omnidireccional catadióptrico, compuesto por una cámara
de alta resolución y un espejo hiperbólico, que permita observar correctamente
al robot y el entorno periférico.
A continuación, se muestran las pruebas preliminares obtenidas mediante
un espejo hiperbólico de 50 mm de diámetro, punto focal de 20 mm. y
una cámara estándar de televisión. La composición de imágenes de de la
figura Fig. 9, muestra una imagen omnidireccional capturada por el sistema.
Y a continuación, se encuentra la imagen panorámica correspondiente
a la periferia del entorno.

Una Nueva Metodología para Descripción del Entorno en la Detección en Robots
de Minas Antipersonas 169
Fig.9. Imagen omnidireccional, imagen panorámica – Sistemas omnivisión robot
Silo6.
La imagen muestra ha sido adquirida en uno de los laboratorios del Instituto
de Automática, las dimensiones del mismo son de 8x6 metros. Al realizar
la transformación, se observa claramente que objetos se encuentran
cerca y cuáles están alejados del punto de referencia central. Esto nos permitirá
en un futuro aplicar métodos de seguimiento y detección de obstáculos,
y describir el entorno de trabajo del robot. Muchos autores han aprovechado
las características de estos sistemas para mejorar tareas de
detección de eventos y navegación de robots móviles con ruedas. (Winters,
2002, Ghangi, 2004).
Por otro lado, se observa claramente, que los objetos verticales, como el
soporte del espejo, aparecen en el eje radial del espejo, y al ser transformado
en la imagen panorámica, se curvan de acuerda a la forma geométrica
del espejo. Esta propiedad, se debe tomar en cuenta en el momento de realizar
el análisis de las imágenes.
Continuando con al experimentación, se han realizado pruebas de campo
en exteriores, de actividades típicas del robot Silo6 de detección de mi-

170 Robots de exteriores
nas. En la secuencia de figuras Fig.10, se puede observar el desplazamiento
del robot cuando detecta minas ficticias. Se puede observas que el sistema
de visión observa fácilmente los objetos del suelo y a su vez las periferia
del entorno.
Fig. 10. Sistema Omnivisión Silo6-tarea de detección de minas
En conjunto de imágenes de la figura Fig.11, se observa una secuencia de
la operación de búsqueda, realizada por el manipular del robot (González,
2006). Este manipulador cuenta con una cabeza sensorial, que tiene un
rango de acción limitado de 300 mm. Empleando el sistema de visión omnidireccional,
se elimina esta restricción fácilmente. Y se puede identificar
la posición del manipulador en todo momento. Con este tipo de sistemas,
se tiene el control de la posición del robot continuamente, y al mismo
tiempo se puede identificar las características del entorno, incluyendo la
periferia y suelo del mismo.

Una Nueva Metodología para Descripción del Entorno en la Detección en Robots
de Minas Antipersonas 171
Fig. 11. Sistema de omnisivión Silo6-movimiento del manipulador
5 Conclusiones
En este artículo se ha presentado un estudio sobre los sistemas de visión
omnidireccional, haciendo énfasis en los puntos más relevantes, que permiten
la realización del diseño de los mismos. Se ha prestado especial
atención, a las características que permitan utilizar de forma óptima, estos
sistemas en tareas de robots móviles autónomos.
Mediante este estudio, se puede definir una nueva metodología para
desarrollar tareas de descripción y caracterización de entornos no estructurados
o cambiantes. Incrementando la fiabilidad y la robustez del sistema,
sin sacrificar la operabilidad en tiempo real.
Se ha mostrado la utilidad de este estudio, con un caso práctico, realizando
el modelado y la construcción de un sistemas de visión catadióptrico
de bajo coste: formado por un espejo hiperbólico y una cámaras estándar

172 Robots de exteriores
de TV. Se ha experimentado con el sistema, realizando una aplicación directa
en el robot caminante Silo6 de detección de minas antipersonas.
Debido a que en este caso, el diseño y la construcción de este tipo de
sistemas no requieren un elevado coste, es posible continuar con la experimentación
de otros espejos hiperbólicos, de distintas dimensiones y características
geométricas.
Se ha demostrado que gracias a la propiedad de proyección central única,
se puede generar imágenes panorámicas a partir de las imágenes omnidireccionales,
y que se puede trabajar sin complicaciones con los métodos
convencionales de visión por computador.
Agradecimientos
El primer autor desea expresar su agradecimiento a la Comunidad de Madrid
y a la Dirección General de Universidades, por el financiamiento de la
beca de Formación Profesional Investigador, que permite la realización de
este trabajo de investigación.
También se agradece la colaboración y el apoyo recibidos por los miembros
del proyecto nacional DYLEMA (CICYT DPI2004-05824,2002-
2007) y el proyecto Robocity2030 (S-0505/DPI/0176), financiado por la
Comunidad de Madrid.
Referencias
González de Santos, P.,Garcia, E., Cubano J.A., Ramírez, A. 2004. Silo6:
A sixlegged robot for humanitarian de-mining tasks. Proc. of 10th Int.
Sym. on Robotics and Applications, World Automation Congress, Spain.
González de Santos, P.,Garcia, E., Cubano J.A., Estremera, J., Armada, M.
2006. A six-legged-robot-based system for humanitarian deminig missions.
Mechatronics, en prensa.
Yagi, Y. 1999. Omnidireccional sensing and its applications. IEICE Trans.
Inf. Syst. E82-D(3):568–579.
Peri, V., Nayar, S.K.. 1996. Omnidrectional video system. Proc. U.S-Japan
Graduate Student Forum in Robotics, pp. 28-31.

Una Nueva Metodología para Descripción del Entorno en la Detección en Robots
de Minas Antipersonas 173
Cao, Z., Hall, E.L. 1990. Beacon recognition in omni-vision guidance.
Proc. Int. Conf. Optoelectric Science & Engineering, 1230:788-790.
Yagi, Y., Yachida, M. 2004. Real-Time Omnidirectional Image Sensors.
International Journal of Computer Vision 58(3): 173–207.
Hong, J., Tan, X., Pinette, B., Wiess, R, Riseman, E.M. 1990. Image-based
homing. Proc. IEEE Int. Conf. Robotics & Automation, pp. 620-625.
Yagi ,Y., Kawato, S., Tsuji, S. 1994. Real-time omnidirectional image sensor
(COPIS) for vision-guided navigation. IEEETrans. Rob. Autom.
10(1):11–22.
Svodoba, T., Pajdla, T. 2002. Epipolar geometry for central catadioptric
camera. Int. J. of Computer Vision, 49(1), 23-37.
Baker, S. Nayar, S.K.1999. A theory of single-viewpoint catadioptric image
formation. Int. J. of Computer Vision 35(2), 175–196.
Ghangi. T., Trivedi, M. 2004. Motion analysis for event detection and
tracking with a mobile omnidirectional camera. Multimedia Systems 10:
131–143.
Winters, N., Gaspar, J., Lacey, G,, Santos-Victor, J. 2002. Omnidirectional
vision for robot navigation. In: Proc. IEEEworkshop on omnidirectional
vision, pp 21–28.
Yamazawa, K., Yagi, Y., and Yachida, M. 1993. Omnidirectional imaging
with hyperboloidal projection. In Proc. IEEE/RSJ Int. Conf. on Intelligent
Robots and Systems, 2: 1029–1034.

174 Robots de exteriores

CAPÍTULO 11
Arquitectura Multi-Agente para la Interfaz de
Usuario de un Vehículo Agrícola
X.P. BURGOS-ARTIZZU, A. RIBEIRO, M.C. GARCÍA-ALEGRE y L.
GARCÍA-PÉREZ
Instituto de Automática Industrial, CSIC,
28500 Arganda del Rey, Madrid, España; angela@iai.csic.es
Las máquinas tienen como objetivo principal ayudar al usuario en sus tareas
diarias, evitándole riesgos y esfuerzos innecesarios. Para que una máquina
realmente ayude al usuario, no sólo debe llevar a cabo correctamente
su tarea, si no que también debe ser fácilmente manipulable y controlable
por el usuario. Esto se hace particularmente difícil cuando se trata de un
robot, vista la complejidad de éstos, y de que lo que se necesita no es sólo
una aceptación y comprensión de las órdenes, si no una interacción de iniciativa
compartida. En el caso que se presenta, supervisar las tareas de un
tractor agrícola autónomo desde grandes distancias requiere el desarrollo
de una interfaz humano-robot adaptable a las preferencias de cada operario
y de fácil uso. Como solución se propone una arquitectura de agentes que
ayuden al operario en la supervisión y control del vehículo agrícola, integrándose
en la arquitectura basada en agentes para la generación de comportamientos
que ya incorpora éste.
1 Introducción
Desde que el hombre empezó a usar máquinas para desarrollar sus tareas
diarias, ha sido necesario estudiar como conseguir que la interacción entre
ambos se produzca de la forma más simple e intuitiva posible, (Adams,
2002), Inicialmente era necesario que el usuario adaptase su comunicación
a la máquina; sin embargo, la tendencia actual es diseñar máquinas capaces
de ajustarse a las necesidades del usuario, en otras palabras el objetivo es
alcanzar máquinas auto-explicativas que no necesiten grandes conocimien-

176 Robots de exteriores
tos para ser manejadas. En el caso de los robots, dado que son máquinas en
muchos casos autónomas en la realización de ciertas tareas, capaces de tomar
decisiones e imitar el comportamiento de los seres vivos, extrayendo
información del entorno (percepción) e interaccionando con el mismo (acción)
para alcanzar unos objetivos, el diseño y desarrollo de una interfaz
adecuada es una tarea esencial. En concreto se pasa de una interacción básicamente
unidireccional, en la que el usuario le dice a la máquina que debe
hacer, a una interacción bidireccional, en la que el robot tiene que comunicarse
con el usuario informándole de su estado actual y/o de sus
próximos objetivos/intenciones y por su parte el usuario además de emitir
ordenes, necesita supervisar al máximo el comportamiento del robot. En
(Allen, 1999), se define este tipo de interacción como de “iniciativa mixta”,
ya que el usuario no es el único que toma decisiones y/o cambia de estado.
El objetivo es por tanto una iteración mutua rápida, sencilla y lo más intuitiva
posible. La situación actual requiere, sin embargo, en muchos casos
de un experto capaz de entender y procesar la información devuelta por el
robot para así responder adecuadamente, en otras palabras, se necesita a
un experto que conozca el sistema montado en el robot (hardware y software)
y que sepa manejar la interfaz de “control” del robot. Esto representa
un cuello de botella importante, ya que implica que sólo podrán interactuar
con el robot personal cualificado, mientras que lo deseable es que el robot,
al igual que una lavadora, pueda ser fácilmente manipulable sin que sea
necesario conocer cómo está construido por dentro. Por eso, además de las
consideraciones ya comentadas, la interfaz debería adaptarse al tipo de
usuario que esté usándola, para de esta forma permitir que usuarios menos
expertos puedan de todos modos interactuar con el robot. Cumplir con requisitos
de este tipo no sólo es conveniente en robótica si no que es beneficioso
en cualquier aplicación software, como por ejemplo las compras online,
(Ardissono et. al, 2000), el aprendizaje con tutores inteligentes, etc. A
todo lo dicho hay que añadir que la percepción y acción de un robot sobre
su entorno se ve casi siempre condicionada por una infinidad de variables
que no pueden ser presentadas o visualizadas sin más, ya que en la mayoría
de los casos el usuario sería incapaz de procesar tanta información o de
hacerlo con suficiente rapidez como para tomar una decisión adecuada de
supervisión en el momento preciso. Por ejemplo, la percepción que tiene
un robot de su entorno suele obtenerse a través de una “fusión sensorial”,
es decir, dotando al robot de una infinidad de sensores (odómetro, láser, ultrasonidos,
visión artificial…), cuyo valor no sólo es difícilmente interpretable,
si no que además se actualiza a una velocidad elevadísima (varias
veces por segundo).

Arquitectura Multi-Agente para la Interfaz de Usuario de un Vehículo
Agrícola 177
En este artículo se presenta una arquitectura multi-agente como modelo
para el desarrollo de un interfaz que da respuesta a todas las necesidades
comentadas. La aproximación propuesta se ha desarrollado e integrado para
su uso como interfaz en un tractor que tiene capacidad de navegar sin
conductor.
En el siguiente apartado describimos nuestro problema en detalle. En la
sección 2 se explica la arquitectura de agentes de Interfaz propuesta para la
interacción entre un operario cualquiera y el tractor autónomo. En la sección
3 se verá su implementación y primeros resultados. Por último, en la
sección 4 se exponen las conclusiones y trabajo futuro.
1.1 Descripción del problema
En nuestro caso, el robot con el que deseamos interactuar es un pequeño
tractor autónomo, y el propósito de la interacción es poder llevar a cabo tareas
de laboreo en el campo. Este tractor lleva acoplada una arquitectura de
control basada en agentes, residente en un pequeño computador a bordo
(García-Pérez, 2004). Estos agentes dotan al tractor de la inteligencia suficiente
como para que se mueva de forma autónoma, controlando la velocidad
y evitando los obstáculos, y a la vez permiten que el operario defina la
ruta a seguir. Los principales problemas a los que nos enfrentamos son los
ya descritos en el apartado anterior: primero, que para poder supervisar el
funcionamiento del tractor, el operario debe tener conocimiento detallado
de cómo operan los agentes, y segundo, la cantidad de información procesada
por los agentes es demasiado grande para ser transferida al operario.
Además, en este caso el tractor puede estar en el campo a una distancia del
operario muy grande, con lo que es difícil conocer la posición del vehículo
e incluso, dependiendo de las dimensiones de la finca, es posible que el
operario lo pierda de vista en algún momento. La interfaz deberá resolver o
atenuar al máximo estos problemas. Otro requisito importante es que la interfaz
sea capaz de filtrar la información recibida por el tractor, mostrando
sólo la que en cada momento pueda ser más relevante para el sistema
hombre-robot. Asimismo, una vez filtrada la información, ésta debe visualizarse
con el objetivo de que el operario pueda interpretarla rápidamente.
A lo anterior hay que añadir como requisito, el adaptarse al perfil del operario
que esté interactuando con el tractor, ya que por ejemplo la información
que solicitará o requiere un agricultor no es la misma que pueden precisar
los desarrolladores del robot, ni tampoco lo será la forma en la que
éstos quieran que esta información sea mostrada. Por último, la interfaz
deberá proporcionar también al operario una forma de comunicarse con el
tractor, ya sea simplemente para redefinir la ruta u objetivo, como para

178 Robots de exteriores
tomar completamente el control de las operaciones (tele-operar). Hay que
tener en cuenta, cómo ya se ha dicho, que en este contexto la tele operación
del tractor puede llevarse a cabo en situaciones en las que el operario
difícilmente sitúa visualmente al vehículo, por lo que será esencial, una
vez más, la información que el tractor devuelva al operario, para que éste
sepa hacia adónde va y por dónde está pasando.
2 Sistema MAS como interfaz Humano-Vehículo
Como ya se ha dicho, el objetivo es desarrollar una interfaz que facilite la
interacción entre el operario y el vehículo agrícola, que sea adaptable al tipo
de operario y que permita obtener una interacción bidireccional rápida y
sencilla.
Como primera aproximación a este problema, podría pensarse en desarrollar
una interfaz gráfica de usuario (GUI) lo más intuitiva posible, y
posteriormente añadir sobre dicha GUI un gestor de ventanas a través de
un sistema basado en reglas, de forma que según los datos devueltos por el
robot muestre una ventana u otra. Esta solución presenta dos claros inconvenientes:
1) el sistema basado en reglas no se adapta a las distintas necesidades
y preferencias de los diferentes usuarios, y difícilmente puede
adaptarse de las peticiones de éstos, y 2) necesitamos que la interacción
entre el usuario y el robot esté abierta en ambos sentidos simultáneamente,
es decir, no es deseable una mera comunicación de paso de mensajes, si no
que a la vez que el usuario cambia algún parámetro de control, el robot tiene
que seguir actualizando su estado y ejecutando su tarea.
En (Schiaffino et. al, 2005), se introducen los Agentes de Interfaz como
programas de ordenador que ayudan y supervisan al usuario en las tareas
relacionadas con el uso de los ordenadores. Estos agentes, registran toda la
actuación de un usuario, para crear un perfil de ayuda al uso del programa
que se traduce en recomendaciones o en tomar la iniciativa, filtrando información
que no tiene interés para el operario. Esto es lo que se pretende
también en este caso, es decir, disponer de un Agente de Interfaz que ayude
al operario en el manejo del robot, filtrando en cada instante la información
superflua y creando gradualmente el perfil de los distintos usuarios,
para permitir ajustar al máximo la interfaz a cada uno de ellos. En, (Kawanura
et. al, 2003) se presenta una aproximación de agente de interfaz para
recoger la información devuelta por un robot con resultados interesantes.
Por otra parte, el interfaz a desarrollar tiene que tratar con la información
de salida y estado de cada uno de los agentes de la arquitectura de control
del tractor autónomo en la que se va a implantar el interfaz, una razón más

Arquitectura Multi-Agente para la Interfaz de Usuario de un Vehículo
Agrícola 179
que muestra lo apropiado que puede ser el paradigma multi-agente en el
diseño de interfaces hombre-robot.
Por otro lado, como hemos dicho, necesitamos también que el operario,
a la vez que recibe información, pueda redefinir la ruta, o tele-operar el
tractor. Esto requiere más de un agente, se necesita al menos un segundo
agente, que recoja las intenciones del usuario y tenga capacidad de comunicación
con todos los agentes de la arquitectura de comportamiento que
lleva el vehículo agrícola, AGRO-AMARA (García-Pérez, 2004) seleccionando
a quién comunicar las ordenes del usuario, tal como se muestra en la
Fig. 1.
En definitiva, la interfaz estará constituida por dos agentes: el agente Interfaz
y el agente Operación. Embarcado en el tractor se encuentra el
computador de a bordo donde se ejecutan los agentes que componen la arquitectura
de control AGRO-AMARA, mientras que en la máquina usada
por el operario, se encuentran los dos agentes Interfaz y Operación, así
como la GUI. Todos los agentes son estáticos, ya que se comunican
abriendo un canal de comunicación de doble sentido, pero sin moverse de
su entorno de ejecución.
Fig. 1 – Arquitectura de la Interfaz Humano - Tractor
El agente Interfaz se comunica con todos los agentes de AGRO-
AMARA, recibiendo de cada uno de éstos el estado actual y la informa-

180 Robots de exteriores
ción que están procesando o la salida de los que están activos. A partir de
esta información, actualiza todas las ventanas de la GUI que lo necesiten, y
cuándo lo considera necesario (en función del perfil del operario que está
usando la interfaz), mostrará al operario una ventana, o cerrará una abierta.
A su vez, el operario es libre de abrir o cerrar una ventana siempre que
quiera, acto que el agente registrará en una traza de ejecución junto con el
estado actual de operaciones. De esta forma, el agente puede aprender que
el operario ha preferido en una determinada situación cerrar o abrir una
ventana en concreto y así en el futuro cuando se produzca una situación
similar podrá anticiparse abriendo o cerrando dicha ventana. Por ejemplo,
imaginemos una situación en la que el tractor está navegando autónomamente
siguiendo una ruta predefinida. Si repentinamente el agente Evitar
Obstáculos se activa, desactivando todos los demás, el agente interfaz
puede pensar que al operario le interesará ver los datos del sensor láser
(mediante el cuál se detectan los obstáculos), y abrir dicha ventana. Sin
embargo, si el usuario prefiere ver las imágenes sacadas por la cámara de
video, cerrará la ventana de láser y abrirá la del video; el agente interfaz
registrará dichos movimientos, y la próxima vez que se active el agente
Evitar Obstáculos abrirá directamente la ventana de video.
El agente Operación, se encarga de la interacción en sentido contrario:
del operario hacia el tractor. El usuario, a parte de la tarea de supervisión
ya descrita (uso pasivo de la GUI), puede efectuar 3 operaciones directas
sobre el tractor: 1) solicitar una parada de emergencia, 2) tele operar el
tractor, y 3) definir una nueva ruta de navegación. Para ello, usará las ventanas
y botones de la GUI preparados a tales efectos, y el agente operación
recogerá dichas operaciones y se encargará de que se lleven a cabo en el
tractor. Veamos cada una de las operaciones por separado:
Cuando el operario pulsa el botón de “PARADA INMEDIATA”, el
agente operación debe activar el agente Parar, que se encarga de paralizar
el tractor actuando sobre los actuadores de éste.
Si el operario quiere tele-operar el tractor, abrirá la ventana de tele operación,
y el usuario actuará sobre el volante, el acelerador y el freno de
modo remoto y con total libertad. Nada más abrirse la ventana de tele operación,
el agente operación desactivará todos los agentes de AGRO-
AMARA, y activará el agente Frenar. A partir de ahí, cada vez que el
operario cambie el giro o quiera acelerar o frenar, el agente operación se
encargará de activar los agentes Girar Volante, Avanzar y Frenar, pasando
en el caso del primero el ángulo de giro del volante solicitado. Por
otro lado, es importante que el agente operación informe al agente Interfaz
cuándo el operario está en modo tele operando y cuándo no, para que este
cambie su comportamiento, ya que en el caso de estar en modo tele ope-

Arquitectura Multi-Agente para la Interfaz de Usuario de un Vehículo
Agrícola 181
rando se preocupará más de transmitir al operario lo que “ve” el tractor
(video, láser, posición GPS), para ayudarle a guiar el tractor, y menos en
informar sobre el estado de los agentes.
Por último, el operario puede desear cambiar la ruta predefinida, abriendo
la ventana de “Ir a Punto”. En ese caso, el operario pinchará en una zona
del mapa actual (foto aérea georeferenciada), indicando que este debe
ser el nuevo destino del tractor. En este caso, el agente Operación debe
una vez más desactivar todos los agentes, y activar el agente Ir a Punto,
con la posición deseada, para que éste a su vez planifique la nueva ruta activando
el agente Planificador.
Cómo se puede ver, gracias a esta arquitectura de agentes, conseguimos
todos los objetivos propuestos: la interacción se produce simultáneamente
en ambos sentidos gracias a la participación de ambos agentes, y de forma
intuitiva y personalizada para el usuario, gracias al diseño de la GUI y a
los dos agentes, Interfaz y Operación. En la siguiente sección se describe
el entorno de simulación desarrollado para probar esta arquitectura.
3 Desarrollo y simulación
Debido a las limitaciones de campo y al posible riesgo de pérdidas materiales,
no se puede probar un nuevo sistema sin antes simularlo y comprobar
que funciona en simulación. Por eso, se ha simulado el sistema completo
descrito en la sección 3, tanto los agentes de los que se compone
AGRO-AMARA como los propuestos para la interfaz, todo ello en un entorno
C++.
Primero se ha simulado el comportamiento de cada uno de los agentes
de AGRO-AMARA siguiendo lo descrito en (García-Pérez, 2004). La comunicación
entre agentes se implementa a partir de “sockets”. Los datos
de entrada, cómo los datos del láser o de localización DGPS, que devolverían
los sensores del tractor, se han simulado mediante trazas en varios archivos
que utilizan los agentes simulados para generar las salidas.
Una vez construido el simulador, se ha desarrollado la interfaz gráfica
de usuario, y sobre ella se han encapsulado los dos agentes Interfaz y Operación.
La GUI se compone de la ventana principal, que contiene el resto
de ventanas de información, así cómo a los botones asociados a las acciones
que puede realizar el operario (parada, tele operación, redefinir la ruta).
En la Fig. 2 se muestran las distintas ventanas; la Fig. 2a muestra la ventana
de los estados de los agentes, que el agente interfaz actualiza cada vez
que un agente de AGRO-AMARA cambia su estado. La Fig. 2b muestra la

182 Robots de exteriores
ventana de posición, en la que se detalla la salida de los sensores de posición
(GPS, brújula y odómetros), y la salida final calculada a partir de dichos
datos, así como la forma en la que el agente Actualizar Posición la
ha obtenido (la posición se obtiene fusionando la localización GPS y la
brújula, en casos de fallo GPS durante fracciones muy pequeñas de tiempo
se usan los odómetros corregidos con la última señal GPS válida recibida).
La Fig. 2c presenta la ventana de los datos de láser, donde se representa el
barrido del láser, de modo que en rojo aparece el obstáculo situado con
respecto a la orientación en cada instante del tractor. Por último, la Fig. 2d
muestra la situación actual del tractor dentro del mapa que los agentes Actualiza
Obstáculos y Actualiza Mapa van construyendo. El agente Interfaz
es el encargado de refrescar todas estas ventanas, estando en constante
comunicación con la arquitectura AGRO-AMARA, y posteriormente, en
función de las preferencias de usuario, se encargará también de mostrar al
usuario una ventana en un determinado momento (al inicio todas están minimizadas),
así cómo de registrar los movimientos de éste sobre dichas
ventanas para seguir generando el perfil de usuario.
a
b
c
d
Fig. 2 – Ventanas de la GUI

Arquitectura Multi-Agente para la Interfaz de Usuario de un Vehículo
Agrícola 183
En la Fig. 3 se muestran las ventanas a través de las cuales el operario
interactúa con el tractor. La primera (Fig. 3a) es la de tele-operación, donde
el operario dispone de un volante, acelerador y freno para tele operar el
tractor. Aquí, el agente Operación deberá registrar los movimientos del
operario y asegurarse de que se ejecuten en tiempo real sobre el tractor,
comunicándose con AGRO-AMARA. Además, es importante que comunique
al agente Interfaz que ha empezado una tele-operación, para que éste
lo tenga en cuenta y muestre al operario la posición y en la medida de lo
posible lo que el tractor está “viendo”, para facilitar a éste su tarea, como si
estuviese sentado al mando del tractor. La segunda ventana (Fig. 3b), es la
de redefinición de la ruta y la de visualización. El operario puede ver en
dicha ventana (sobre una foto del campo georeferenciada) el movimiento
del tractor en tiempo real desde el inicio de la tarea, y si quiere puede definir
un nuevo destino pinchando directamente en la pantalla como si se tratase
de una PDA (Ribeiro, 2003). El agente Operación, una vez seleccionado
el nuevo destino, se encarga de lanzar el agente Planificador, para
que calcule la nueva ruta, y al agente Ir a Punto de AGRO-AMARA.
Como ya se ha dicho, la comunicación entre los agentes dentro de la arquitectura
se ha realizado a través de canales Socket; todos los agentes son
a la vez servidores y clientes dependiendo del sentido de la comunicación.
La capa TCP/IP es la que se encarga de identificar a cada Agente, asignando
a cada uno un puerto distinto. Se ha definido el formato de los paquetes
que los Agentes intercambian entre sí. En la comunicación desde AGRO-
AMARA hacia la Interfaz, cada paquete lleva el ID del agente, su estado
actual, y en caso de estar activo, los datos de salida de éste, para con ellos
realizar el refresco de la ventana pertinente. En sentido contrario del Interfaz
a AGRO-AMARA, los paquetes llevan el ID del Agente al que va destinado
el paquete, así como el estado al que este debe pasar (o 0 si no se
quiere que este cambie su estado) y en caso de ser un paquete mandado por
el agente Operación, los datos referentes a las órdenes de control del operario
(el ángulo de giro, el nuevo punto destino…). Todo esto se ilustra en
la Fig. 4.

184 Robots de exteriores
AGRO-AMARA
AGRO-AMARA
Cliente
………..
………..
Cliente
……..
……..
Servidor
Socket (TCP)
Socket (TCP)
Agente Interfaz
Cliente
Cliente
Paquete
Servidor
IDSender Estado Datos
Agente
Operación
Agente
Agente Interfaz
Operación
Paquete
IDReceiver Estado Da-
Fig. 4 – Comunicación arquitectura Cliente/Servidor
4 Conclusiones y trabajo futuro
En este artículo se ha propuesto una interfaz de interacción humano-robot
basada en agentes, para facilitar la interacción entre un operario cualquiera
y un robot agrícola autónomo.
La interfaz propuesta consigue adaptarse a las distintas preferencias de
cada operario, tanto en el tipo y en la cantidad de información que el robot
transfiere a éste como en cómo dicho operario controla de forma directa al
robot. Por otro lado, gracias al diseño de una interfaz gráfica de usuario intuitiva
y sencilla, el operario no necesita tener grandes conocimientos sobre
el sistema montado en el robot, cuello de botella importante en las interacciones
entre usuarios y robots.
El sistema completo se ha desarrollado y simulado en un entorno C++, y
se ha probado su funcionamiento al interactuar con el tractor autónomo,
dotado de una de arquitectura de control híbrida basada en agentes para
navegación autónoma.
Los resultados iniciales son muy interesantes por lo que como trabajo
futuro se ampliará el funcionamiento de la interfaz integrándola en la arquitectura
AGRO-AMARA ampliada para tareas de laboreo.
Por último decir que la interfaz propuesta es genérica pudiendo ser integrada,
sin demasiado esfuerzo en sistemas complejos, con el fin de realizar
la interacción con cualquier vehículo autónomo que presente una proble-

Arquitectura Multi-Agente para la Interfaz de Usuario de un Vehículo
Agrícola 185
mática similar en supervisión y control a la de un tractor, como por ejemplo
todo tipo de vehículos terrestres, aeronaves, helicópteros, etc.
Agradecimientos
El trabajo ha sido financiado por la Comisión Interministerial de Ciencia y
Tecnología (CICYT) del Ministerio de Educación y Ciencia y el Plan Regional
de Investigación Científica e Innovación Tecnológica (PRICIT) de
la Comunidad Autónoma de Madrid (CAM), proyectos: CICYT-
AGL2005-06180-C03-03 Extracción de conocimiento espacio temporal y
visión artificial para la automatización de tratamientos localizados,
CICYT- DPI-2006-14497: Integración de percepción, planificación y acción
en una arquitectura cognitiva y distribuida de agentes de comportamiento
y ROBOCITY2030: Robots de Servicios- PRICIT-CAM-2005.
Referencias
Adams J.A., 2002. Critical considerations for Human-Robot Interface Development.
In 2002 AAAI Fall Symposium: Human Robot Interaction,
Nov.2002, pp 1-8
Allen, J.F, 1999. “Mixed-Initiative Interaction”. In Proceedings of IEEE
Intelligent Systems, Vol. 14, Nº5, pp 14-16
Ardissono, L., A. Coy, G. Petrone, M. Segnan, 2000. Adaptive User Interfaces
for On-Line Shopping. In 2000 AAAI Spring Symposium, Technical
Report SS-00-01, pp 13-18
García-Pérez L., 2004. Navegación Autónoma de Robots en Agricultura:
Un Modelo de Agentes. Tesis Doctoral, Universidad Complutense de Madrid.
Kawanura K., Nilas P., Muguruma K., Adams J.A., Zhou C., 2003. An
Agent Based Architecture for an Adaptive Human-Robot Interface. In Proceedings
of the 36th Hawaii International Conference on System Sciences.
Ribeiro A., Garcia-Pérez, L., Garcia-Alegre, M.C., Guinea, D. 2003. A
friendly man-machine visualisation agent for remote control of an autono-

186 Robots de exteriores
mous tractor GPS guided. In Proc. 4th European Conf on Precision Agriculture.
Wageningen, pp. 541-542.
Schiaffino S., Amandi A., 2005. Personalizing user-agent interaction.
Knowledge Based Systems Vol. 19, pp 43-49

CAPÍTULO 12
Sistemas de Localización y Percepción
Inteligente en la Navegación Autónoma y Segura
de Robots de Exteriores
M. C. GARCÍA-ALEGRE, A. RIBEIRO, D. MARTÍN, L. GARCÍA-
PÉREZ y D. GUINEA
Instituto de Automática Industrial (IAI), Consejo Superior de Investigaciones
Científicas (CSIC), 28500 Arganda del Rey. Madrid. maria@iai.csic.es
En este trabajo se presentan los sistemas de localización, seguridad y percepción
del entorno integrados en dos vehículos comerciales, así como las
adaptaciones de los sistemas de actuación requeridos para la navegación
no tripulada en exteriores. Se trata de dotar al vehículo de sensores y actuadores,
que permitan una localización y percepción del entorno inteligente
para la navegación autónoma en escenarios parcialmente estructurados.
En estos entornos los requerimientos de seguridad y de percepción
inteligente son imprescindibles a medida que aumenta, con la implantación
de los robots de servicios, la interacción hombre-máquina. Se presenta el
conjunto de agentes perceptuales y motores diseñados para la realización
de un conjunto de tareas que siguen un patrón de navegación que combina
las estrategias SEGUIR LINEA RECTA y CAMBIAR DE LINEA. Estas
estrategias se integran en una arquitectura híbrida y distribuida de agentes
de comportamiento, denominada AMARA, para la consecución de tareas
de complejidad creciente, a partir de un conjunto de agentes de percepción
y locomoción básicos.
1 Introducción
La navegación autónoma y segura de vehículos en exteriores sigue siendo
un reto con múltiples aplicaciones en el área de Servicios. Las potenciales
aplicaciones de los robots de exteriores en campo han sido suficientemente
reconocidas y una gran parte del trabajo en esta área está motivado por las

188 Robots de exteriores
aplicaciones militares y espaciales. Sin embargo en los últimos años empiezan
a despuntar aplicaciones en los campos de Agricultura (Atoe,
2004), Minería (Marshall and Barfoot, 2007) y Forestal, ante la demanda
tanto económica como social dirigida a la protección de la salud de los
operarios y del medioambiente.
Desde tiempos inmemoriales, los hombres han realizado manualmente
todos los trabajos en el exterior y aunque la mecanización del siglo XX, ha
liberado de las tareas más pesadas en la producción de cultivos, y extracción
de materias primas, aún existe un largo camino por hacer en agricultura
extensiva y en minería. Una gran parte de estas tareas, se realizan a velocidad
reducida, son repetitivas y podrían acometerse de forma semiautomática
o automática mediante la implantación de robots móviles. Así,
la industria y los servicios podrían beneficiarse con la automatización de
tareas del tipo: distribución selectiva de productos en el campo, mantenimiento
de grandes parques y jardines, corte de césped, extracción y transporte
de materias primas, tanto bajo tierra como a cielo abierto, (Stentz et
al. 1999), recogida de basuras en carreteras y vigilancia diurna y nocturna ,
entre otras muchas (Nelly et al., 2006).
La automatización de algunas de estas aplicaciones, facilitaría la realización
de acciones selectivas guiadas tanto por GPS y mapa del escenario
como por una percepción local del entorno (García-Alegre et al., 2005).
Hasta la fecha son escasas las pruebas experimentales realizadas con tractores
comerciales en escenarios reales (Stentz, 2002), (Stoll, 2003), (García-Pérez
et al. 2003), (García-Pérez et al., 2007). Los pocos sistemas que
en la actualidad se comercializan siguen siendo sistemas de ayuda a la conducción
manual, aunque guiados por GPS, que ofrecen al conductor una
visualización de las acciones a realizar para el guiado del tractor (Beeline,
2007).
Los sistemas sensoriales son imprescindibles para sustituir las capacidades
de percepción y razonamiento que realiza el conductor humano. Si
además se pretende que la navegación se realice en distintos escenarios, y
con diferentes objetivos, es necesario buscar el conjunto de sensores que
optimice la relación calidad/precio, desarrollando a partir de las señales
crudas que estos proporcionan, algoritmos inteligentes de fusión de información
para la toma de decisiones en tiempo real, con garantías de precisión
y fiabilidad (Zhang et al., 1999). La variabilidad tanto de las tareas
que se pretenden abordar como de los entornos de trabajo, implica la generación
de prototipos enfocados a un posterior ajuste, por usuarios expertos,
de acuerdo con los requerimientos y restricciones que imponen tanto las
tareas como los vehículos y el entorno.

Sistemas de Localización y Percepción Inteligente en la Navegación Autónoma y
Segura de Robots de Exteriores 189
2 Navegación autónoma de robots de exteriores
Los vehículos comerciales que han sido sensorizados y adaptados para la
conducción autónoma son dos tractores comerciales de operación en campo.
El primero, con 1.200 kg de peso, tamaño medio (2.60 x 0.95m), 46
HP, motor diesel y dirección hidráulica asistida, tiene como escenarios
campos de tamaño medio, habitualmente encontrados en la zona norte de
España y está diseñado en su totalidad y comercializado por la empresa
Agria-Hispania (9940), (Fig. 1). El segundo es un tractor comercial MDT,
de tamaño reducido (1.6 x 1.2m), ligero (150 kg) y con una potencia de 12
HP. Ha sido diseñado para la realización de tareas de mantenimiento de
parques y jardines mediante la adaptación de diferentes aperos, fundamentalmente
de corte de césped y recogida de hojas, (Fig. 2).
2.1 Actuadores: Tractor AGRIA
Para la automatización de la acción manual sobre los pedales del freno y
del embrague, se han diseñado e incorporado dos circuitos hidráulicos,
manteniendo la conducción manual. Así, el control del freno y embrague
se realiza a través de dos cilindros hidráulicos de pistón único y dos válvulas
de 2 vías. El pistón de cada cilindro actúa sobre freno y embrague a fin
de detener o poner en movimiento el tractor. La dirección se ha automatizado
integrando una electro-válvula de tres vías dado que el tractor disponía,
de fábrica, de un cilindro para la dirección asistida (García-Pérez,
2004), (Oksanen, et al., 2004). Un sensor potenciométrico, acoplado al cilindro
de dirección, proporciona la posición de referencia, del pistón, al
sistema de control.
Fig. 1. Tractor comercial AGRIA transformado en el
robot móvil DEDALO

190 Robots de exteriores
2.2 Actuadores: Tractor MDT
La actuación manual sobre la dirección y el freno/embrague, han sido sustituidos,
en este caso, por dos actuadores neumáticos. En comparación con
los sistemas hidráulicos, los neumáticos poseen un coste inferior, un tamaño
reducido y son más limpios. Por otro lado, si se comparan con DC servos
equivalentes, ofrecen una respuesta rápida y una relación alta potencia/coste.
Los actuadores neumáticos han sido adecuadamente acoplados a los ejes
de giro y de freno para sustituir la acción del operador humano sobre el volante
y el freno. Cada sistema de actuación está compuesto por una electroválvula
y un cilindro neumático de doble efecto, con el pistón acoplado al
eje correspondiente, (Fig. 2.). Los sistemas de control neumático integrados,
comparten un tanque de aire a presión y un compresor accionado por
el eje de tracción, siendo la fuente de energía el tanque de gasolina.
Fig. 2. Vehículo comercial MDT transformado en el robot móvil ROJO

Sistemas de Localización y Percepción Inteligente en la Navegación Autónoma y
Segura de Robots de Exteriores 191
3 Integración de subsistemas sensoriales
En ambos vehículos se ha integrado un conjunto idéntico de sensores para
el posicionamiento global del vehículo y para dotarle de la seguridad requerida
en su interacción con un entorno dinámico semi-estructurado. Los
sensores integrados pueden dividirse en dos grupos: de localización y de
seguridad y reconocimiento del entorno.
3.1 Localización
Para obtener la posición y orientación del vehículo, se han incorporado un
receptor GPS (Amstech 3100-LR12) con corrección diferencial Rasant y
precisión nominal 1 m., una brújula digital (KVH-C100) con 0.5º de resolución,
y un odómetro, de diseño propio, con una resolución nominal de 20
cm, a fin de disponer de una localización global precisa y continua.
3.2 Seguridad y percepción local
Como sensores de seguridad, se han integrador dos setas de parada manual,
dos inclinómetros y un parachoques de fibra óptica. El tractor dispone,
para la detección de obstáculos dinámicos en las proximidades, de un
láser de barrido 2D (SICK-LMS291) con alcance de 40 m, resolución angular
0.5º y frecuencia máxima de muestreo 5 Hz. (Garcia-Pérez, et al.,
2005), (Fig. 3.).
Fig.3. Parachoques y láser de barrido 2D, situados en la zona
frontal del tractor. Detección de un obstáculo frente al tractor, en
una representación en coordenadas polares

192 Robots de exteriores
En la (Fig. 4.) se muestra la información elaborada a partir de históricos
previos de objetos detectados y la imagen láser instantánea, representada
sobre un mapa de rejilla de (20x20) m y tamaño de celdilla de 20 cm.,
donde aparecen varios obstáculos con una persistencia diez veces superior
a la del ciclo de medida, 200 ms, del sensor láser (Garcia-Pérez et al.,
2005).
Fig.4. Mapa de rejilla utilizado para la representación de la información proporcionada
por el dispositivo láser de barrido 2D.
5 Sistemas de proceso y comunicación a bordo del robot
A bordo del robot se ha instalado un procesador convencional para adquirir
y procesar las señales sensoriales, calcular y ejecutar las acciones de
control sobre los actuadores y comunicarse con el resto del mundo. Los
procesos de inicialización y visualización se ejecutan en un procesador
portátil externo, que posee unas características similares a una PDA pero
dispone de un monitor con mayor superficie y capacidad de proceso, facilitando
un interfaz de usuario más completo.

Sistemas de Localización y Percepción Inteligente en la Navegación Autónoma y
Segura de Robots de Exteriores 193
La comunicación hombre-máquina tiene como soporte una red inalámbrica
de bajo coste, que puede configurarse en cualquier campo para realizar
la tarea de navegación autónoma. En la experimentación en el campus
del IAI,CSIC en Arganda, se dispone de una WLAN (Wifi IEEE-802.11x),
de forma que el procesador a bordo del tractor puede comunicarse, vía Intranet/Internet,
con cualquier estación de trabajo.
6 Sistema basado en conocimiento para la estimación de
la posición
La posición y orientación del vehículo se obtiene, a una frecuencia de 5Hz,
a partir de las señales proporcionadas por el receptor GPS, dotado de corrección
diferencial y por la brújula digital. Cuando la señal proporcionada
por el GPS se degrada, la localización del tractor se obtiene mediante
algoritmos de fusión sensorial, basados en reglas borrosas, utilizando las
lecturas de sensores complementarios, en este caso los odómetros, hasta
que se reciben datos GPS precisos.
Con esto se evitan paradas innecesarias de los robots en los breves instantes
en los que se detectan estos incidentes. En este trabajo el algoritmo
de fusión sensorial se ha diseñado e implementado mediante un sistema
basado en conocimiento que determina en cada instante la forma de obtener
la mejor estimación de la posición del robot. Los descriptores que tienen
un mayor impacto en la localización precisa del robot, existencia de
corrección diferencial, número de satélites visibles y edad de las señales
recibidas, se utilizan como entradas al sistema de reglas. La salida la constituye
la estimación de la posición, y el mantenimiento o cambio de alguno
de los agentes básicos de locomoción (Tabla 1).
Tabla 1. Sistema de razonamiento basado en heurísticos para estimar
la posición más precisa posible del robot móvil.
R1: IF (DGPS OK) AND (brújula digital PRESENTE)
THEN posición con precisión BUENA = posición (DGPS + brújula)
AND agente AVANZAR OK
R2: IF (DGPS OK) AND (brújula digital AUSENTE)
THEN posición con precisión MEDIA = posición (DGPS)
AND agente AVANZAR OK

194 Robots de exteriores
R3: IF (DGPS (degradado OR ausente) AND (NOT time-out)) AND
(brújula digital PRESENTE)
THEN posición con precisión MEDIA = posición (odómetro + brújula digital)
AND agente AVANZAR OK
R4: IF (DGPS (degradado OR ausente) AND (time-out)) AND (brújula
digital PRESENTE)
THEN posición con precisión MALA = posición (odómetro + brújula digital)
AND activar agente STOP
else activar agente STOP
De esta forma es posible continuar la navegación del tractor en aquellos
momentos en los que se produce algún fallo en los sistemas de localización
siempre que su duración no excede un tiempo prefijado (time-out). Experimentalmente
los tiempos en que desaparece o se degrada la señal GPS
han sido siempre inferiores a 30 s.
La seguridad ante un contacto físico con un obstáculo imprevisto o ante
la detección de una inclinación superior a 20 º, está garantizada por la supervisión
continua del estado de los dispositivos de seguridad automáticos,
esto es, parachoques e inclinómetros.
5 AMARA: Una arquitectura distribuida de agentes de
comportamiento
Para la navegación autónoma de los tractores, se ha propuesto una arquitectura
cognitiva distribuida de carácter híbrido, estructurada mediante una
jerárquica de procesos concurrentes, denominados agentes de comportamiento.
Estos agentes se caracterizan por realizar con autonomía la tarea
para la que son definidos, por ejemplo BORDEAR un obstáculo imprevisto.
Esta propuesta ha sido ya utilizada con buenos resultados a nivel de pilotaje
en robots de interior (García-Alegre y Recio, 1998) y de navegación
en campo (García-Pérez et al., 2007). El comportamiento global observable
del robot es el resultado de la activación secuencial o paralela del conjunto
de agentes de comportamiento implementados. El tamaño del conjunto
de agentes depende conjuntamente de la complejidad del escenario,
de las tareas a realizar y de la dotación sensorial del robot.

Sistemas de Localización y Percepción Inteligente en la Navegación Autónoma y
Segura de Robots de Exteriores 195
La toma de decisiones de control se realiza a partir tanto de la información
instantánea proporcionada por los sensores, como de la información
de contexto inyectada inicialmente al sistema de proceso y control (Keicher
and Seufert, 2000). Esta información de contexto hace referencia tanto
a datos y restricciones relativas al vehículo, tarea y entorno, como al conocimiento
derivado de la operación manual del vehículo. La arquitectura
cognitiva proporciona distintos niveles de competencia, soportados por varias
representaciones del sistema y entorno, donde los procesos comparten
información por dos vías: paso de mensajes y memoria compartida.
La arquitectura se implementa bajo el paradigma cliente/servidor, en el
cual los procesos que se ejecutan en diferentes máquinas se conectan con
winsockets y protocolos estándar. El agente principal es un Servidor denominado
DEDALO, que se ejecuta en el procesador a bordo del tractor.
Actúa de forma simultánea como servidor y como cliente, enviando datos
de sensores, por suscripción de otros clientes, y aceptando los comandos
de acciones de control en tiempo real. Existe pues un flujo bi-direccional
de percepciones y acciones, guiado por datos desde el servidor DEDALO
hacia cualquier agente cliente y guiado por objetivos desde cualquier cliente
al agente servidor DEDALO, (Fig. 5.).
5.2 Agentes de percepción
Los agentes de percepción son aquellos que se encuentran en contacto directo
con los sistemas sensoriales o con percepciones previamente elaboradas
por otros agentes y son por tanto deliberativos, siendo su salida la actualización
de alguna de las estructuras de datos de la memoria
compartida.
Aunque los receptores RTK DGPS de precisión centimétrica se utilizan
en navegación de gran precision, por ejemplo para la plantación de viñas
(Naranjo et al., 2004), los DGPS con precisión métrica pueden utilizarse
en muchas aplicaciones de campo, sobre todo si la información que proporcionan
se complementa con la de otros sensores. De ahí que una actualización
inteligente de la posición sea fundamental en la navegación autónoma.
El agente ACTUALIZAR POSICION se ha diseñado para adquirir y
procesar la información proveniente de varios sensores, (Tabla 1), calculando
la Posición y Orientación. Las hipótesis de partida para su cálculo
son las siguientes: el receptor GPS proporciona la estimación de posición
más precisa y lo mismo sucede con la orientación dada por la brújula digital.
Cuando estas señales están degradadas o no existen, se activa el algo-

196 Robots de exteriores
ritmo de fusión de información sensorial relativa a la localización (Tabla
1), para calcular la estimación más precisa posible de la posición en cada
instante.
Se han diseñados dos agentes más, de tipos genérico, ACTUALIZAR
OBSTACULOS y ACTUALIZAR MAPA LOCAL cuyo objetivo es mantener
actualizados el Mapa local y la lista de Obstáculos, (Fig. 5.) en la
memoria compartida, a partir de las medidas instantáneas proporcionadas
por el láser de barrido 2D y los históricos relativos a los descriptores de los
obstáculos. La información dinámica contenida tanto en el Mapa local
como en la lista de Obstáculos es crucial para la seguridad de los robots
móviles y del entorno (García-Alegre et al., 2005).
ACTUALIZAR
POSICION
ACTUALIZAR
REGION
DEL CAMPO
ACTUALIZAR
OBSTÁCULOS
ACTUALIZAR
MAPA
LOCAL
OPERARIO
Plan
Mapa
lista de Obstáculos
Mapa local
Posición del Robot
Orientación del robot
Posición en campo
PLANIFICAR
VISUALIZAR
NAVEGAR
SEGUIR LINEA
RECTA
CAMBIAR DE
LINEA
IR A PUNTO
BORDEAR
GIRAR
AVANZAR
PARAR
Datos
sensores
Volante
DEDALO
Freno
Embrague
Acciones
Sensores
Actuadores
Fig. 5. Arquitectura distribuida de agentes de comportamiento para la navegación
autónoma en exteriores. Los marcos de la zona izquierda representan a los
agentes de percepción, y las elipses de la derecha a los agentes motores. En el
centro se muestra la información compartida en la pizarra y en su parte inferior,
los tres agentes que están en contacto directo con sensores y actuadores

Sistemas de Localización y Percepción Inteligente en la Navegación Autónoma y
Segura de Robots de Exteriores 197
Finalmente, se ha diseñado un agente especializado en la detección de
un evento propio de una tarea ACTUALIZAR REGION DEL CAMPO.
Este agente calcula el valor booleano, de la variable Posición en Campo,
que determina el cambio del modo de navegación SEGUIR LINEA
RECTA a CAMBIAR DE LINEA y viceversa. Esta variable toma el valor
verdadero si el robot se encuentra en la región entre líneas de arbolado y
falso si se encuentra fuera de ella (Fig. 6.).
5.3 Agentes motores
Fig. 6. Trayectoria patrón en muchas aplicaciones agrícolas y
de mantenimiento de zonas urbanas verdes y zonas de recreo.
Además del agente servidor DEDALO, se han diseñado otros agentes que
reproducen algunos de los comportamientos realizados por el conductor.
La existencia de un conjunto básico de agentes de comportamiento motor a
nivel de piloto (AVANZAR, PARAR, GIRAR, BORDEAR) facilita extraordinariamente
la reutilización de este código, aunque se cambie de plataforma
experimental, siempre que se mantenga el mismo sistema sensorial.
El cambio de plataforma afecta únicamente a los agentes motores que están
en contacto directo con los actuadores físicos, esto es a VOLANTE y a

198 Robots de exteriores
FRENO/EMBRAGUE. Estos agentes operan sobre estímulos perceptuales
de tipo general, bien definidos, como pueden ser Camino Libre y Obstáculo.
El agente AVANZAR se activa siempre que hay Camino Libre en la dirección
del objetivo. Si se detecta un Obstáculo imprevisto, en el área de
emergencia, el agente AVANZAR cede el control al agente BORDEAR.
El nivel de navegación guiada por objetivo, engloba las estrategias de
navegación asociadas a un conjunto de tareas, teniendo en cuenta las restricciones
y requerimientos de las mismas. Agentes de este nivel son IR A
PUNTO, SEGUIR LINEA RECTA y CAMBIAR DE LINEA. Sus estímulos
de percepción son Punto, Línea recta y Línea adyacente. Estos
conceptos se elaboran algorítmicamente a partir de datos sensoriales crudos
y la información de contexto.
Por defecto los agentes de comportamiento motor se encuentran inactivos,
hasta que reciben una señal de activación proveniente de otro agente o
del operario; entonces su estado pasa a alerta. Un agente en estado de alerta,
sensible al contexto, vigila de forma continua, a través de los agentes de
percepción, la aparición de las condiciones desencadenantes de sus procesos.
En el instante en que las detecta, su estado pasa a activo y toma el
control del robot móvil, de forma directa o indirecta a través de la activación
de los agentes básicos de locomoción, AVANZAR, GIRAR, PARAR
o BORDEAR.
Los agentes que encapsulan comportamientos de coordinación, visualización
y planificación son agentes de propósito general, de utilidad para
múltiples plataformas y tareas, e interactúan directamente con el usuario.
Así, el agente NAVEGAR interpreta los comandos del operario sobre el
interfaz hombre-máquina que se ejecuta en la estación de trabajo. El agente
VISUALIZAR, muestra la trayectoria descrita por el vehículo sobre una
imagen geo-referenciada de la parcela. El último agente de comportamiento,
puramente deliberativo es PLANIFICAR, que calcula el camino óptimo
entre un conjunto de posibles caminos alternativos, entre la posición origen
y el destino, teniendo en cuenta la orientación de ambas. Esta decisión se
toma evaluando una función de coste que valora los distintos descriptores
especificados por el operario ante los objetivos propuestos y las restricciones
impuestas por el sistema y el entorno, por ejemplo distancia mínima,
menor número de giros, orientación en destino más próxima a la requerida,
etc. En este caso, estos tres últimos agentes actualizar en la memoria compartida
un conjunto de estructuras de datos de utilidad para otros agentes,
como son el Plan de Navegación (Plan) y Trayectoria.

Sistemas de Localización y Percepción Inteligente en la Navegación Autónoma y
Segura de Robots de Exteriores 199
6 Resultados
Se han realizado múltiples experimentos para probar la potencialidad de
los sistemas de localización y percepción instalados en el robot en tareas
de navegación autónoma en campo. Los experimentos se pueden clasificar
en dos tipos. Aquellos necesarios para validar los sistemas de posicionamiento
del robot, relacionados fundamentalmente con los agentes de percepción
y aquellos que ilustran el funcionamiento de los agentes motores,
desde los básicos como AVANZAR a los más complejos como SEGUIR
LINEA RECTA y NAVEGAR. El objetivo principal, del primer tipo de
experimentos es demostrar la robustez de la navegación cuando el agente
ACTUALIZAR POSICION estima la posición del robot en ausencia de
corrección diferencial, degradación de la señal GPS o ausencia de señal de
la brújula digital.
Dado que estas situaciones son poco frecuentes en la experimentación
realizada en campo abierto, se ha provocado de forma artificial, la ausencia
de determinadas señales sensoriales, para poder controlar su efecto en
las trayectorias resultantes. El efecto de la desconexión de la señal de corrección
diferencial en la estimación de la posición a lo largo de una ruta,
se muestra en la (Fig. 7.}. En este caso, la estimación de la posición se realiza
de forma correcta, tanto en segmentos rectilíneos como en giros en U,
ya que se dispone de una estimación precisa de la última posición global
obtenida con corrección diferencial, y a partir de ese instante la incorporación
de los odómetros permite actualizar la posición con precisión durante
un breve período de tiempo.
Fig. 7. Estimaciones de posición realizadas por el agente ACTUALIZAR
POSICION. Las cruces oscuras corresponden a estimaciones de posición en ausencia
de corrección diferencial en la señal GPS

200 Robots de exteriores
Los círculos de la (Fig. 7.), corresponden a las posiciones obtenidas a partir
de las estimaciones proporcionadas por el sistema GPS con corrección
diferencial en la navegación autónoma entre dos hileras de olivos y las
cruces a la localización obtenida a partir de los algoritmos de fusión de la
señal GPS y odómetros, en ausencia de corrección diferencial durante un
período inferior a 30 segundos, con una velocidad del tractor próxima a 0.5
m/s.
El siguiente experimento muestra la estimación de la posición cuando se
desconecta la brújula digital, (Fig. 8.). En ella se aprecia como la posición
estimada a partir de la señal DGPS es aceptable, pero no así la orientación.
Esto se debe a que los errores en orientación generan una degradación en
el control del robot al afectar directamente al cálculo del ángulo de giro y
en consecuencia a la trayectoria descrita por el robot. Como era previsible,
la peor trayectoria se obtiene en aquellas situaciones en las que solamente
están operativos los odómetros. En un recorrido de unas decenas de metros,
el error de posición hace necesaria la activación del agente PARAR.
Se ha determinado experimentalmente que tras 30 m de recorrido, a una
velocidad próxima a 0.5 m/s, el error en la posición, estimada únicamente
con los odómetros, es inaceptable y es necesario activar al agente PARAR.
Fig. 8. Posiciones estimadas por el agente perceptual ACTUALIZAR
POSICION. La línea recta de círculos negros de la zona izquierda, corresponde
a estimaciones de posición en ausencia de la señal de la brújula digital.

Sistemas de Localización y Percepción Inteligente en la Navegación Autónoma y
Segura de Robots de Exteriores 201
A continuación se presenta la trayectoria descrita por el robot móvil entre
dos hileras de olivos, para validar el funcionamiento de los agentes perceptuales
y motores en una misión de navegación, bajo el control del agente
de coordinación NAVEGAR. En la (Fig. 9.), el agente VISUALIZAR
(Ribeiro et al., 2003), muestra la trayectoria descrita por el robot móvil en
navegación autónoma en un campo de olivos distribuidos irregularmente.
La trayectoria está compuesta por dos segmentos rectilíneos, paralelos a
las filas de olivos y de un giro en U necesario para pasar de una a otra hilera.
Esta trayectoria, es solo una muestra del patrón repetitivo que se realiza
en muchas aplicaciones de campo, mostrado en la (Fig. 6.).
Fig. 9. Trayectoria descrita por el robot móvil bajo el control de la arquitectura
de agentes de comportamiento (AMARA). En esta imagen del campus
del IAI,CSIC se aprecia un edificio y un campo de olivos distribuidos de
forma irregular. La estrella corresponde a la posición destino. El diámetro de
las copas de los olivos de mayor tamaño es de 4 m.

202 Robots de exteriores
La trayectoria muestra la activación del agente de comportamiento
SEGUIR LINEA RECTA para controlar la navegación en los dos segmentos
rectilíneos y paralelos y la del agente CAMBIAR DE LÍNEA para conectar
dos filas adyacentes a fin de alcanzar el Plan generado por el agente
PLANIFICAR o marcado por el operario sobre el Mapa al inicio de la ejecución.
La trayectoria resultante valida el diseño tanto de la arquitectura
cognitiva de control, como de los agentes básicos de locomoción activados,
AVANZAR, GIRAR y PARAR. El agente BORDEAR no se activó
en este recorrido, al no encontrar el robot móvil ningún obstáculo imprevisto
en su camino. A lo largo de todos los recorridos experimentales realizados,
el error en la estimación de la posición proporcionado por el receptor
DGPS fue inferior a 0.5 m en el 68\% de las medidas.
7 Conclusiones
En este trabajo se describen algunas de las realizaciones de los últimos
años, así como trabajos en curso, relativos a la navegación autónoma de
vehículos en campo. La consecución de un grado alto de autonomía lleva
asociada necesariamente la integración de un conjunto apropiado de sensores
y dispositivos de actuación. Por ello, se ha presentado el conjunto de
sensores, tanto de localización como de seguridad y de reconocimiento del
entorno próximo, en dos vehículos comerciales.
Las comunicaciones inalámbricas accesibles hoy en día a bajo coste y
banda ancha, posibilitan una comunicación fluida y continua hombremáquina,
imprescindible en escenarios dinámicos y heterogéneos.
En el diseño de los agentes se ha tenido especial consideración en los
aspectos de seguridad, esenciales en la interacción de operarios y máquinas.
La interacción entre agentes y agente-entorno ha permitido manejar
con cierto éxito la complejidad e incertidumbre asociada a los entornos naturales
sin marcas artificiales.
El algoritmo cualitativo de fusión sensorial propuesto, basado en técnicas
borrosas, evita paradas innecesarias del vehículo en situaciones adversas
para la recepción de la señal GPS, que usualmente se corrigen en breves
períodos de tiempo.
Aunque aún queda pendiente una ardua y extensa experimentación para,
tanto el modo de operación de dispositivos físicos integrados como la arquitectura
distribuida de procesos, has demostrado su validez en la navegación
autónoma de vehículos en exterior a baja velocidad, de interés en

Sistemas de Localización y Percepción Inteligente en la Navegación Autónoma y
Segura de Robots de Exteriores 203
muchas aplicaciones de campo, como el corte de césped, o la aplicación
selectiva de pesticidas.
La arquitectura distribuida de agentes de comportamiento simplifica la
prueba de distintos algoritmos de percepción y control, atendiendo únicamente
a la semántica de los mensajes. La arquitectura distribuida de agentes
de comportamiento, AMARA, constituye un marco metodológico especialmente
adecuado para absorber el crecimiento gradual de tareas,
objetivos y dispositivos sensoriales de complejidad creciente. Una parte de
su potencialidad radica en la ejecución concurrente de múltiples agentes de
comportamiento que comparten conocimientos por la doble vía de paso de
mensajes y memoria compartida.
Agradecimientos
Los autores agradecen a Eugenio Villanueva los valiosos diseños y realizaciones
mecánicas en la etapa de sensorización y automatización de los
tractores. El trabajo ha sido financiado por la Comisión Interministerial de
Ciencia y Tecnología (CICYT) del Ministerio de Educación y Ciencia y el
Plan Regional de Investigación Científica e Innovación Tecnológica
(PRICIT) de la Comunidad Autónoma de Madrid (CAM), proyectos:
CICYT-AGL2005-06180-C03-03 Extracción de conocimiento espacio
temporal y visión artificial para la automatización de tratamientos localizados,
CICYT- DPI-2006-14497: Integración de percepción, planificación
y acción en una arquitectura cognitiva y distribuida de agentes de comportamiento
y ROBOCITY2030: Robots de Servicios- PRICIT-CAM-2005.
Referencias
Atoe 2004. Proceedings of the Automation Technology for off-road
equipment (ATOE) Intern. Conference, edited by Q.Zhang, M. Iida, A.
Mizushima , ASAE Publ., Kyoto, Japan.
Beeline (2007) www. beeline.com.au
García-Alegre, M.C., Recio, F. 1998. Basic visual and motor agents for increasingly
complex behavior generation on a mobile robot. Auton. Robot.
5: 19-28.

204 Robots de exteriores
García-Alegre, M.C., L. García-Pérez, A. Ribeiro, D. Guinea 2005. Sensor-actuator
integration in a comercial tractor for safe teleoperation and
autonomous navigation. In Proc 5th European Conf. On Precision Agriculture,
edited by J. V. Stanford, Wageningen Academic Publ., pp. 637-664.
García-Pérez, L., García-Alegre, M.C., Ribeiro, A., Guinea, D. 2003.
Fuzzy control for an approaching-orienting maneuver with a car like vehicle
in outdoor environments. In Proc IV Workshop de Agentes Físicos.
Publicaciones Universidad de Alicante, España. pp. 87-98.
García-Pérez L. (2003). Autonomous Robot Navigation in Agriculture: A
multi-agent model. Ph.D. Dissertation. Universidad Complutense de Madrid
Publ., España.
García-Pérez, L. García-Alegre, M.C., Ribeiro, A., Guinea, D., Cañas,
J.M. “Perception and tracking of dynamic objects for optimization of
avoidance strategies in autonomous piloting of vehicles,” in Spatial Cognition
IV: Action and Interaction. LNAI. 3343, edited by Ch.Freksa,
M.Knauff, B.Krieg-Brackner et al. Springer-Verlag. Berlin, pp. 500-520,
2005.
Garcia-Perez, L., Garcia-Alegre, M.C., Ribeiro, A., Guinea, D. 2007. An
agent of behaviour architecture for unmanned control of a farming vehicle,
Comp. Electron. Agr. (en prensa).
Keicher R., Seufert, H. 2000. Automatic guidance for agricultural vehicles
in Europe. Comp. Electron. Agr. 25, 169-194.
Kelly, A., Stentz, A., Amidi, O., Bode, M., Bradley, D., Diaz-Calderon,
A., Happold, M., Herman, H., Mandelbaum, R.,Pilarski, T., Rander, P.,
Thayer, S., Vallidis, N., Warener, R. 2006. Toward reliable off-road
autonomous vehicles operating in challenging environments. Int. J. Rob.
Res.25: 449-483.
Marshall, J., Barfoot, T. 2007 Design and Field Testing of an Autonomous
Underground Tramming System. In Proc. 6th Int. Conf. Field and Service
Robotics, Chamonix, France.
Naranjo, J.E., González, C., Reviejo, J., García, R., de Pedro, T. 2004.
Plantación de viñas y frutales con ayuda de GPS. Vida Rural, 195: 48-52.

Sistemas de Localización y Percepción Inteligente en la Navegación Autónoma y
Segura de Robots de Exteriores 205
Oksanen T., Ohman M., Miettinen, M., Visala, A. 2004. Open and configurable
control system for precision farming. In Automation Technology
for Off-road Equipment Conference, Kyoto, Japan, pp. 184-191.
Ribeiro A., Garcia-Pérez, L., Garcia-Alegre, M.C., Guinea, D. 2003. A
friendly man-machine visualisation agent for remote control of an autonomous
tractor GPS guided. In Proc. 4th European Conf on Precision Agriculture.
Wageningen, pp. 541-542.
Stentz, A., Bares, J., Singh, S. Rowe, R. 1999. A robotic excavator for
autonomous truck loading, Auton. Robot. 7 (2): 175-186.
Stentz A., Dima, C., Wellington, C., Herman, H., Stager, D. 2002. A System
for Semi-Autonomous Tractor Operations. Auton. Robot. 13: 83-104.
Stoll A. 2003. Automatic operation planning for GPS-guided machinery.
In Proc.4th European Conf. Precision Agriculture, edited by G. Grenier
and S. Blackmore, Wageningen, pp. 657-664.
Zhang Q., Reid J.F., Noguchi N. 1999. Agricultural vehicle navigation using
multiple guidance sensors. UILU-ENG-99-7013.

206 Robots de exteriores

CAPÍTULO 13
Robot Sub-acuático de Estructura Paralela para
la Inspección y Teleoperación de Lugares de
Difícil Acceso
C. ÁLVAREZ 1 , R. SALTARÉN 2 , R. ARACIL 3 , E. YIME 4 , M. SANCHO.
Universidad Politécnica de Madrid, Escuela Técnica Superior de Ingenieros
Industriales, DISAM, Madrid, España. 1 cealvarez@etsii.upm.es,
2 rsaltaren@etsii.upm.es, 3 aracil@etsii.upm.es, 4 eyime@etsii.upm.es.
En el siguiente trabajo se presenta una aplicación innovadora de una plataforma
Stewart – Gough, la cual es la base del funcionamiento del robot
subacuático REMO I. Este vehículo submarino es operado remotamente
desde la superficie mediante un sistema de comunicación con fibras ópticas,
lo cual permite a un operador realizar tareas de inspección con visualización
de cualquier problema que pueda ocurrir bajo el agua, evitando que
esta riesgosa tarea la efectúen seres humanos. Para ello se emplea una interfaz
de usuario que facilita en gran medida la operación, la visualización
y la obtención de datos en el agua. El REMO I tiene como parte central,
una estructura paralela del tipo Stewart – Gough, la cual le permite: realizar
movimientos con 6 grados de libertad, adquirir múltiples formas para
poder hacer maniobras de navegación con mucha flexibilidad y variar la
orientación de un único impulsor que está en la parte trasera. Esto presenta
la ventaja de describir trayectorias de mucha exigencia dentro del agua
para poder entrar a lugares de difícil acceso. Otras características que
ofrece este vehículo submarino robótico, es la utilización de un sistema
neumático de control de lastre, el cual se utiliza para compensar automáticamente
su flotabilidad, y un control de presurización interno, el cual le
permite mantener a la cabina con una presión positiva a cualquier profundidad.
En este aparte se describe el funcionamiento del REMO I, la arquitectura
empleada para su control, el desarrollo de la interfaz gráfica de
usuario y los resultados de las pruebas de control de navegación y lastrado.

208 Robots de exteriores
1 Introducción
Los vehículos subacuáticos no tripulados han sido un campo activo de investigación
durante más de cinco décadas (Bohm, 2001). Esto se debe,
tanto al interés por descubrir lo que hay en las profundidades marinas, como
a la posibilidad de realizar tareas bajo el agua sin poner en riesgo la vida
de seres humanos, donde se pueda hacer: la inspección y el mantenimiento
de instalaciones submarinas, la explotación controlada de recursos
en el fondo del mar, la búsqueda y rescate de embarcaciones hundidas, la
detección de minas y el estudio de la fauna y flora marina, entre otras tantas
aplicaciones.
El desarrollo de los vehículos subacuáticos remotamente operados
(ROV Remotely Opered Vehicles), y los robots subacuáticos que realicen
tareas preprogramadas o autónomas (AUV Autonomous Underwater Vehicles)
han surgido como respuesta para realizar actividades dentro del agua
sin necesidad de la intervención humana directa (Valvanis, 1997).
Haciendo un poco de historia, según Darío (2004), puede decirse que el
primer vehículo subacuático programado fue un torpedo desarrollado por
Luppis–Whitehead Automobile en Austria en 1864; pero al hablar de robótica,
el primer ROV, llamado POODLE fue desarrollado por Dimitri Rebikoff
(Francia) en 1953. Después le sucedieron otros vehículos del tipo
AUV tales como el SEA SPOOK de Rebikoff y el SPURV construido por
la Universidad de Washington. A éstos le siguieron otros como el SKAT
del Shirshov Institute of Oceanology (Rusia), el OSR-V (Japón), los
EAVE’s, RUMIC y UFSS (U.S.A.), y el EPAULARD (Francia). Desafortunadamente,
la mayoría de estos AUV eran muy grandes, ineficientes y
demasiado costosos. Esto hizo que en la década de 1980 los ROV fueran
ganando espacio frente a los AUV. Sin embargo, a partir de la década de
1990, se ha recuperado el interés por el desarrollo de los AUV, debido al
surgimiento de nuevas tecnologías electrónicas compactas, el desarrollo de
motores pequeños de alta eficiencia y la aparición de baterías recargables
de mayor duración.
Las principales ventajas y desventajas del empleo de la tecnología ROV
con respecto a los AUV en el ambiente marino se basan en el empleo o no
del cordón umbilical. Este cordón umbilical, el cual es usado en los ROV,
permite dos cosas principales: la transmisión de energía eléctrica a los dispositivos
eléctricos y electrónicos del equipo bajo el agua, y la comunicación
en tiempo real entre los equipos de superficie y el robot submarino.
Al contar con la energía eléctrica desde la superficie, prácticamente no
existe restricción en el tiempo que puede estar un ROV dentro del agua.
Por otro lado, al mantener una comunicación vía cable o fibra óptica, los

Robot Sub-acuático de Estructura Paralela para la Inspección y Teleoperación de
Lugares de Difícil Acceso 209
datos se transmiten a muy alta velocidad, lo cual facilitará la observación
de imágenes submarinas en la superficie, hacer tareas de control en tiempo
real y realizar actividades de telemanipulación. En el caso de los AUV, al
no tener el cordón umbilical, presentan la ventaja de una mayor libertad de
movimiento y un menor costo operativo por no depender de una embarcación
en la superficie, pero con la limitante del tiempo que empleará para
ejecutar una misión, debido a que utilizan baterías, y el ancho de banda
restringido en la comunicación con la superficie, ya que la transmisión inalámbrica
sólo se puede efectuar a pocos metros de distancia bajo el agua,
debido a que las ondas electromagnéticas se atenúan fuertemente en ese
medio (Chantler, 1994). Una posible forma de transmitir datos a mayor
distancia, es mediante ondas sonoras; sin embargo, éstas tienen una velocidad
muy baja, lo cual limita la posibilidad de realizar tareas en tiempo
real a grandes distancias.
Hoy en día existe una gran diversidad de robots submarinos. La mayoría
de ellos utiliza un impulsor y varias aletas móviles para realizar las maniobras
de navegación. Otros utilizan varios impulsores, colocados de tal
manera que puedan hacer movimientos de avance, cabeceo y viraje. Hay
otro pequeño grupo que tienen la capacidad de orientar el impulsor para el
guiado y la navegación simultáneamente. De ellos se puede mencionar el
desarrollado por Le Page y Holappa, el cual ofrece una gran maniobrabilidad
a bajas velocidades (Le Page, 2000); otro robot realizado por Morel y
Leonessa, quienes en su trabajo muestran la versatilidad del uso del impulsor
vectorial para obtener un control más preciso en la trayectoria de un
vehículo submarino (Morel, 2003); finalmente, está el AUV presentado
por Cavallo y Michelini, el cual utiliza un impulsor vectorial con una plataforma
paralela de tres grados de libertad (Cavallo, 2004).
En este apartado se presenta una novedosa aplicación de la plataforma
de Stewart – Gough como vehículo y robot paralelo subacuático, el cual es
llamado REMO I (Saltarén, 2004) (Aracil, 2006). La plataforma de Stewart
– Gough (S-G), es un mecanismo paralelo de seis grados de libertad
basado en dos anillos que están conectados entres sí, a través de seis accionamientos
lineales, que a su vez están unidos a los anillos con juntas esféricas
y universales. El resultado de esta configuración cinemática presenta
un mecanismo muy simple con una elevada rigidez, gracias a que sus
accionamientos son parte de su estructura mecánica. Esta plataforma tiene
una gran capacidad de manipular cargas, ya que puede concentrar en uno
de sus anillos toda la potencia de sus accionamientos. Además, debido a
su reducida inercia, puede alcanzar grandes velocidades y aceleraciones.
Para el REMO I, la plataforma de S-G es parte de su estructura y esto le
permite deformarse, de tal manera, que puede navegar en cualquier direc-

210 Robots de exteriores
ción con una mayor flexibilidad que los vehículos con impulsores vectoriales,
y en consecuencia tiene la capacidad de realizar los movimientos del
timón del robot con 6 grados de libertad.
Este capítulo se ha estructurado de la siguiente manera: primero se describe
el diseño mecánico, eléctrico y electrónico del robot paralelo submarino,
posteriormente se habla de la arquitectura de hardware. A continuación
se explica las propiedades del software elaborado y las interfaces
humano-máquina. Como siguiente punto se explica las estrategias utilizadas
para el control del REMO I. Finalmente se presentan algunos de los
resultados obtenidos en las primeras pruebas de navegación.
2 Descripción del REMO I
Las siglas REMO significan “Robot de Estructura-paralela para la Medición
y Observación oceanográfica”. En la figura 1 se puede observar las
partes principales del REMO I, en la que se destaca la plataforma de Stewart
– Gough en la parte central, que, junto al impulsor, son la base del
funcionamiento para la navegación de este robot submarino.
Fig.1. Partes del robot paralelo REMO I.
En la izquierda de la figura 1, se destaca la base, que constituye la parte
delantera del robot y es donde se encuentran los circuitos electrónicos de
medición, control, fuentes de alimentación y amplificadores; en el medio
se encuentran los seis actuadores lineales, los cuales funcionan con motores
de corriente continua; y finalmente, a la derecha se encuentra el efector,
el cual representa la parte trasera o timón del REMO I, y es donde está colocado
el impulsor. La navegación de este vehículo se realiza por medio
del impulsor, para proporcionar la fuerza de empuje del robot, y los actuadores,
quienes son los que le dan la orientación y el desplazamiento a la estructura
para poder efectuar los giros, el balanceo, el ascenso y el descen-

Robot Sub-acuático de Estructura Paralela para la Inspección y Teleoperación de
Lugares de Difícil Acceso 211
so. Además de ello se le ha agregado un tanque de lastre en cada aleta, para
neutralizar automáticamente la flotabilidad en el agua. Los actuadores
tienen la capacidad para trabajar de forma independiente; sin embargo,
ellos seis se mueven de manera coordinada, para obtener la orientación y
desplazamiento requeridos entre la base y el efector, y con ello lograr el
movimiento deseado para la navegación. En la figura 2, se muestra una foto
actual del REMO I.
Fig. 2. Foto actual del REMO I sin el impulsor.
El primer prototipo del proyecto REMO, el REMO I, consiste en un vehículo
remotamente operado que tiene 170mm de ancho y su largo puede
variar entre 165 y 200mm. Su peso es de unos 90 kilos en el aire, y en el
agua se neutraliza por medio de unas bolsas de aire que hay en las aletas,
las cuales también se utilizan para su sustentación en el agua. El control
de los actuadores, el impulsor y el lastrado se realizan por medio de un
joystick, para que, de esta forma se pueda hacer un manejo sencillo y con
ello, observar su funcionamiento y maniobrabilidad en el agua. Para ello
también se cuenta con algunos sensores, los cuales envían sus lecturas a un
computador en la superficie.
2.1 Construcción Mecánica
Para la construcción del REMO I se consideró la realización de un diseño
modular, de manera de aprovechar al máximo el espacio interior del mismo,
específicamente en donde se ubica la parte electrónica. Tal como se
puede observar en la figura 3, se construyó varios anillos para el ensambla-

212 Robots de exteriores
je. Estos anillos están hechos de polietileno de alta densidad y cada módulo
tiene un ancho de 100mm. Para el mecanizado de cada anillo se utilizó
una máquina de corte por inyección de agua a alta presión.
Cada anillo se une por medio de unos espárragos en la parte central, y
unos tornillos en cada extremo. Esta configuración puede adaptarse para
el caso en el que se desee alargar más la cabina para futuras modificaciones.
Entre cada anillo, se ha colocado cuidadosamente cintas de teflón,
para asegurar la estanqueidad de la cabina.
Fig. 3. Vista del anillo con los espárragos y detalles de una tapa y un anillo.
2.2 Sensores utilizados en el REMO I
En el REMO I se utilizan los sensores básicos para el control de la posición
de los actuadores, los sensores para la navegación del REMO I, los
detectores de condiciones anormales, y la cámara, que permite observar las
escenas en el agua.
En cuanto a los sensores para el control de la posición de los actuadores,
se utilizaron unos encoders ópticos y de cuadratura que ofrecen una lectura
muy precisa de la posición y el sentido del movimiento del motor interno.
Otro elemento de gran importancia es la unidad de medición inercial o
IMU, la cual permite leer los ángulos de cabeceo, balanceo y viraje (pitch,
roll, yaw) y sus respectivas velocidades. Una brújula electrónica se incluye
como complemento para mejorar la orientación del REMO I. El sensor
magnético se utiliza para corregir el error de deriva producido por la unidad
de medición inercial en el ángulo de viraje, y a la vez la IMU corregirá
las lecturas erróneas que puedan venir de la brújula debido a una interferencia
magnética. Para tener un estimado de la profundidad se cuenta con
un sensor de presión absoluta. Los sensores de presión diferencial indican
el valor de la presión interna de la cabina con respecto a la del agua, y la
presión de las bolsas de flotación ubicadas en las aletas.

Robot Sub-acuático de Estructura Paralela para la Inspección y Teleoperación de
Lugares de Difícil Acceso 213
Fig. 4. Colocación de la parte electrónica dentro del REMO.
Los detectores de condiciones anormales determinan si existe una alarma
en el REMO I. En este caso se utiliza un interruptor de presión, para
avisar si falta poco para vaciarse las bombonas de aire de suministro al circuito
neumático, y el detector de intrusión de agua, que es un sensor de nivel
óptico. Las otras alarmas se activan mediante la detección de los niveles
de medición por medio del software. En la tabla 1 se presenta un
resumen de los sensores utilizados en el REMO I.
Tabla 1. Resumen de los tipos de sensores del REMO I.
Tipo de sensor Fabricante Modelo
IMU Microinfinity MI-A3350M
Posición de los actuadores
(encoder)
Baumer Electric BDK16-24K
1024-5-4
Velocidad y par del impulsor Control Techniques Eb-203
Detector de líquido Honeywell LLE102000
Temperatura Nat. Semiconductor LM335
Presión absoluta.
Keller
PAA21
(Profundidad)
Presión diferencial. Honeywell 24PCFFM1D
Presión diferencial Honeywell 24PCGFM1D
Interruptor Presión Isis Fluid Control F4S
Brújula magnetorresistiva Honeywell HMC1001-1002
Cámara IP Grandtec Grand IP

214 Robots de exteriores
2.3 Elementos finales de control
Los elementos finales de control consisten en los actuadores lineales, el
impulsor y las válvulas solenoides. Cada actuador lineal es una estructura
alargada de unos 750mm en estado de reposo y sección interna circular, la
cual incluye: un tornillo sinfín acoplado a una polea, un husillo y un émbolo.
En el lado externo del actuador, y acoplado por medio de una correa a
la polea, se encuentra un motor de corriente directa de 72 w, un reductor y
un encoder. La capacidad de desplazamiento del actuador es de 350mm.
Debido a la reducción del motor y el acople husillo - tornillo sinfín, el actuador
transmite una gran fuerza en su extremo, además de una alta precisión
en el movimiento a realizar. Estos movimientos son lineales y en
coordinación con los otros actuadores según las trayectorias generadas de
cada actuador de acuerdo a la solución de la cinemática inversa de la plataforma
de S-G (Almonacid, 2002). De esta manera se obtiene la posición
deseada del impulsor (efector) con respecto a la cabina (base).
Fig. 5. Actuadores lineales del REMO I.
La unión de los actuadores con la base se hace mediante juntas universales,
y la de los actuadores con el efector se realiza mediante juntas esféricas.
Esto permite movimientos de seis grados de libertad entre la base y el
efector (Tsai, 1999).
El impulsor consiste en un motor sin escobillas de tres fases, acoplado a
una hélice. El conjunto podrá girar a una velocidad máxima de 3000 rpm
con un par máximo de 3,1 N-m que representa una potencia mecánica
máxima de 974 w. Trabaja con un controlador con salida modulada en an-

Robot Sub-acuático de Estructura Paralela para la Inspección y Teleoperación de
Lugares de Difícil Acceso 215
cho de pulsos, y éste a su vez, recibe la señal de manejo por medio de una
salida analógica de la tarjeta de control que está en el REMO I.
Otros elementos finales de control utilizados en el REMO I, son las válvulas
solenoides del circuito neumático, las cuales se utilizan para el control
de la presurización de la cabina y el inflado de las bolsas de los tanques
de lastre que regulan la flotabilidad. Además se utiliza un sistema de
iluminación basado en diodos emisores de luz blanca, que se utiliza para
iluminar la escena bajo el agua para mejorar la visibilidad en la cámara.
3 Arquitectura de control
Para el control de robots submarinos se han desarrollado varias tipos de
arquitectura. Cada una puede presentar sus ventajas y desventajas según el
tipo de aplicación. En el caso del REMO I, se escogió una arquitectura tipo
cliente - servidor, en la cual un computador personal (cliente), ubicado
en la superficie, es el que pide datos a una tarjeta de control multiejes y
multifuncional (servidor), la cual está colocada en el REMO I, y es la que
se encarga de: controlar y coordinar a bajo nivel los movimientos de los
actuadores, tomar las lecturas de las señales analógicas y digitales, y recibir
los comandos de control digital. Este tipo de arquitectura se adapta
bien para un sistema teleoperado experimental, ya que en el computador
ubicado en la superficie se ensayarán diversas configuraciones y algoritmos
de control de alto nivel para ser aplicados al prototipo. Por otro lado,
hay otros elementos independientes en el REMO I, que trabajan como servidores,
los cuales son: la unidad de medición inercial (IMU), la cual detecta
los ángulos y velocidades angulares de cabeceo, balanceo y viraje de
la cabina del robot, y la cámara de observación, que se usa para mostrar, en
el computador de la superficie, las imágenes obtenidas en el agua.
La arquitectura del robot submarino se sintetiza básicamente según el
diagrama de bloques de la figura 6. Un operador utilizará el joystick para
realizar el movimiento de los actuadores, de manera que pueda hacer el
manejo del REMO I desde la superficie. El computador personal realiza
funciones de lectura, análisis, procesamiento y flujo de datos provenientes
del REMO I, y presenta las mediciones obtenidas, las imágenes submarinas
y los gráficos de comportamiento del movimiento del robot. En la tarjeta
de control, ubicada en el REMO I, es en donde se cierran los lazos de
control para el manejo directo de los actuadores y el impulsor. En el caso
del lastrado y la presurización, los lazos se cierran en superficie, ya que la
respuesta de estos sistemas es más lenta.

216 Robots de exteriores
Fig. 6. Arquitectura de control del REMO.
El computador personal (PC) proporciona los programas y las interfaces
de usuario y de comunicación que estarán en la superficie. Los programas
que se utilizan para el control y la simulación del REMO I son los siguientes:
La interfaz del joystick, la interfaz de comunicación con la tarjeta de
control, el modelo de la cinemática inversa de la plataforma del REMO I,
la interpretación de datos, la interfaz humano máquina, la simulación del
control de la plataforma de S-G, la identificación del sistema de control, el
cálculo de los valores de posición de cada uno de los actuadores para enviarlos
a la tarjeta de control, el control del impulsor, la lectura de los sensores
y la representación en realidad virtual del comportamiento del
REMO I en el agua.
El joystick es el elemento que se utiliza para mover los actuadores por
medio del programa de control. Para ello el computador lee las señales
generadas por este dispositivo y aplica los algoritmos de la cinemática inversa
de la estructura paralela de S-G y el de generación de las trayectorias
de cada actuador. Además de esto, el joystick tiene la función de habilitar
o deshabilitar los actuadores y el impulsor, fijar la velocidad de este último,
controlar manualmente el llenado y vaciado de los tanques de lastrado,

Robot Sub-acuático de Estructura Paralela para la Inspección y Teleoperación de
Lugares de Difícil Acceso 217
y encender o apagar las luces para la iluminación bajo el agua.
El joystick utilizado tiene una palanca principal de tres grados de libertad,
una palanquita de un grado de libertad, ocho botones de dos estados y
un botón de ocho posiciones. Para hacer la equivalencia de los movimientos
del joystick con la platafoma de S-G que tiene seis grados de libertad,
se separan los tres grados de libertad de orientación y dos grados de libertad
de desplazamiento mediante los botones 1 y 2 que se incluyen en la palanca
principal del joystick. El desplazamiento en X, que consiste en alargar
la plataforma, se controla mediante la palanquita del eje Z del joystick,
cuando el impulsor está apagado.
La tarjeta de control es básicamente un computador dedicado que está
dentro del robot submarino REMO I. Esta tarjeta, tiene como función
principal, la de leer las posiciones, que se proporcionan desde el computador
personal a través del puerto de redes, y calcular los desplazamientos,
velocidades y aceleraciones para controlar los actuadores de la plataforma
paralela. Los valores de posiciones recibidos desde el computador de la
superficie, se comparan con las lecturas de los encoders y se calculan las
velocidades y aceleraciones según un perfil de velocidad introducido anteriormente
en la tarjeta de control y luego se generan las señales de control
apropiadas a los amplificadores de potencia. Las salidas de los amplificadores
están conectadas a los motores de los actuadores, y de esta manera se
realiza el movimiento para lograr el objetivo de posicionamiento de la
forma más adecuada posible. El algoritmo utilizado para la posición de
cada actuador es un PD (Proporcional Derivativo), ya que es el algoritmo
más apropiado para un control de posición sencillo y está implementado en
la tarjeta de control. Otras de las funciones que realiza la tarjeta de control
son: Lectura de las señales de los sensores de presión, temperatura, inundación
y, velocidad y par del motor impulsor, por otro lado proporciona la
señal de habilitación del módulo de control del impulsor, encendido y apagado
de válvulas y luces, y también hace el envío de las lecturas de los
sensores analógicos y de los encoders al computador personal. La comunicación
entre el PC y el REMO I, se hace mediante la conexión de red local
o Ethernet, a la que se le agrega unos convertidores a fibra óptica para aumentar
la distancia de comunicación.
4 Diseño del software
Para conseguir un control óptimo del REMO I se realizó un software que
proporciona una interfaz humano-máquina que permite observar con facilidad
lo que ocurre en el agua y que se encargue de los lazos de control del

218 Robots de exteriores
REMO I, el cual incluye: el movimiento de los seis actuadores, el impulsor,
la presurización y el lastrado, y por otro lado que informe al usuario de
los estados de todos los sensores. El diagrama de despliegue utilizado en
el software es el que se muestra en la figura 7.
Fig. 7. Diagrama de despliegue del software utilizado para el control del REMO.
4.1 La interfaz de usuario
En la interfaz de usuario aparecen las medidas que registra el REMO I.
Además podrá disponer de la ayuda de cualquier control o indicador que
aparece en pantalla. Las acciones principales de control del vehículo submarino
robótico se realizan por medio del joystick, mientras que la pantalla
del computador sirve para mostrar las lecturas de los datos recopilados
en el REMO I.
En la figura 8 se presenta a la interfaz de usuario del REMO I. En ella
se podrá observar un indicador gráfico que proporciona una medida intuitiva
de la actitud del vehículo submarino (color rojo), orientación del joystick
(azul) y orientación almacenada al soltar el botón 1 del joystick (verde).
En el plano se muestran los ángulos de cabeceo y viraje, mientras la
inclinación del puntero indica el ángulo de balanceo.
Otros elementos de la interfaz de usuario son los indicadores de: las
longitudes calculadas y leídas de los actuadores de la plataforma paralela,
la velocidad y porcentaje de par del impulsor, las presiones internas y de
los tanques de lastre, la brújula electrónica, el termómetro y las alarmas.
Una posibilidad que se ofrece en el software, es la gestión de pruebas,
calibración y entonación. Con ello, el operador podrá hacer pruebas de ca-

Robot Sub-acuático de Estructura Paralela para la Inspección y Teleoperación de
Lugares de Difícil Acceso 219
da elemento del robot antes de la inmersión, al igual que podrá calibrar los
instrumentos o entonar los algoritmos de control del sistema y fijar el
tiempo de recopilación de la data leída.
Fig. 8. Interfaz de usuario del REMO I.
Al software se le agregó también el desarrollo de una interfaz de realidad
virtual, la cual ofrece una “visión externa” del comportamiento del
REMO I en el agua. Una aplicación de esta interfaz, es la de ofrecer la posibilidad
de reproducir, mediante los datos recopilados, todos los movimientos
del robot, tal como si se tratara de una repetición de la prueba.
Otra aplicación consiste en introducir los modelos matemáticos del comportamiento
del REMO I, para simular el control mediante el joystick.
Los algoritmos para desarrollar este programa de realidad virtual, están
basados en la resolución de la cinemática directa de la plataforma de S-G
y la aplicación de un software en Matlab para mostrar el dibujo del REMO
I, de acuerdo a sus piezas principales y a su proyección gráfica, tal como se
muestra en la pantalla derecha de la figura 9.

220 Robots de exteriores
Fig. 9. Vista del software para la interfaz de usuario y realidad virtual.
4.2 Control de la posición y orientación del timón.
En el modo de control a lazo abierto, la postura del efector se obtiene por
medio de las coordenadas que proporciona el joystick y a partir de allí se
hace el cálculo de la cinemática inversa para obtener las longitudes de cada
actuador. Los ángulos de orientación del timón, referidos al sistema de
coordenadas de la plataforma de S-G, se obtienen al encontrar una equivalencia
entre los movimientos del joystick y los ángulos de Euler.
La otra fase del control de la plataforma de S-G, consiste en la generación
de trayectorias de manera de garantizar que los actuadores se muevan
armónicamente para orientar y desplazar el efector con respecto a la cabina.
En vista de que la posición y orientación del efector se deberá obtener
por medio del joystick, dos puntos consecutivos que éste entregue al software
podrían estar muy separados, especialmente cuando se pulsan los botones
de posicionamiento en el cual, el punto de partida del efector parte
de un lugar muy distante al de llegada. Por lo tanto, se debe generar puntos
intermedios, en los cuales los actuadores deban pasar de manera coordinada
y que, a su vez, no coincidan con alguna singularidad (Tsai, 1999).

Robot Sub-acuático de Estructura Paralela para la Inspección y Teleoperación de
Lugares de Difícil Acceso 221
Para planificar y generar los puntos intermedios, se utilizó un algoritmo 4-
3-4, tal como se plantea en Almonacid (2002).
En el modo de control automático, el joystick se utiliza para fijar el
rumbo a seguir, el cual es almacenado al soltar el botón 1. Este rumbo se
indicará en la pantalla, y el control de cada eje se hace de acuerdo al algoritmo
de control programado, considerando un movimiento óptimo del
efector, tanto de orientación, como de desplazamiento.
4.3 Control de velocidad del impulsor
El control de velocidad del impulsor se hace desde el control Z del joystick,
que es una palanquita pequeña que puede moverse hacia adelante o
hacia atrás, y está situada a la izquierda de la palanca principal. Para el giro
de la hélice, se definió la velocidad nula en la posición central. El movimientote
la palanquita hacia delante producirá una velocidad positiva, y
el movimiento hacia atrás, generará una negativa.
El valor producido por el joystick es enviado a la tarjeta de control, la
cual genera un valor que será la referencia para el módulo de control del
impulsor y que, mediante un algoritmo de espacio de estado, se regula la
velocidad y el par del impulsor.
4.4 El control de presurización y lastrado
El control de lastre se utiliza para compensar la relación peso volumen del
REMO I, de manera que éste se mantenga con una flotabilidad neutra en el
agua (Wolf, 2003), y la navegación se realice por medio del impulsor y la
plataforma paralela. El sistema de lastrado está compuesto por: dos bombonas
de aire comprimido, un circuito neumático y cuatro cavidades con
sus bolsas elásticas de aire, dos en las aletas delanteras y dos en las aletas
traseras. Las bombonas se colocan en la parte exterior del REMO I, cada
una tiene una capacidad para almacenar 2 litros de aire a una presión de
200 bares, y se conecta a una válvula con un regulador de presión que, una
vez abierta, mantiene una salida estabilizada de unos 8 bares, la cual es la
presión de suministro al circuito neumático. En la entrada del circuito
neumático se encuentra un interruptor de presión, el cual envía una señal
de alarma cuando la presión baja de 5 bares.
El circuito neumático se controla por software. La presión de la cabina
se regula a un valor comprendido entre 0,15 y 0,3 bares mediante un algoritmo
de control on-off. En el caso del control de flotación a lazo abierto,
éste se controla mediante unos botones situados en la palanca del joystick.

222 Robots de exteriores
Para la regulación automática de la profundidad, la consigna se establece
en la interfaz de usuario.
El circuito neumático presenta algunas protecciones para el caso de fallas.
En primer lugar, si deja de llegar el suministro eléctrico, aumentará la
presión interna de la cabina, y además se llenarán las bolsas de aire. De
esta forma se mantendrá la cabina y las cavidades de las aletas presurizadas,
para que el REMO I salga a flote. Por otro lado, para que no haya una
presión excesiva en la cabina y las bolsas de aire, se cuenta con válvulas de
alivio.
5 Obtención de los Modelos Matemáticos y Resultados
En el control de cada actuador se utilizó un algoritmo PD (proporcional –
derivativo). Para el cálculo de las constantes se utilizó el método de compensación
de polos y ceros, y la fijación de un margen de fase según Álvarez
(1997). Luego se utilizó el algoritmo de generación de trayectorias y
cálculo de la cinemática inversa según Almonacid (2002). El control de
los actuadores se logró correctamente al obtener los movimientos del efector
de manera coordinada y precisa.
Para obtener la función de transferencia del sistema de lastrado, se aplicó
a lazo abierto, un pulso de llenado de aire de 2 segundos de duración
cuando el REMO I estaba a una profundidad de 6,5 m. Este ancho de pulso
corresponde al valor del área Vi de una señal impulso aproximada en
términos de Laplace.
La gráfica de la figura 10, corresponde al resultado de la función de
transferencia del sistema de lastrado en el tiempo, ya que la entrada de excitación
es aproximada a la función impulso. En la gráfica se puede observar:
el tiempo muerto t d , el tiempo de respuesta τ, y la pendiente con valor
K m xV i a la que tiende la respuesta para un tiempo estacionario.
Al aplicar la transformada de Laplace de la función de la gráfica y dividir
por el ancho del pulso de entrada, se obtiene:
−std
−3,5s
Kme
0,14e
G( s)
= ≈
2 2
s ( τ s + 1) s (12,5s
+ 1)
(1)
De acuerdo a la teoría clásica de control, no sería posible regular un sistema
que de por sí introduce un desfase de 180º, debido al término 1/s 2 de
la ecuación. Para solucionar esto, se aplica a la salida del controlador un
modulador de ancho de pulso, con un tiempo de refrescamiento relativamente
lento, de 5 segundos. Esto equivaldría a colocar un diferenciador, el

Robot Sub-acuático de Estructura Paralela para la Inspección y Teleoperación de
Lugares de Difícil Acceso 223
cual compensaría uno de los factores integrales de la función de transferencia,
y con ello el sistema debería ser controlable, tal como se obtuvo en
las simulaciones. De acuerdo a los criterios utilizados en Álvarez (1997),
se puede obtener las constantes proporcionales y derivativas:
0,433 0,433
P = P 0,88
K t
= 3,5x0,14
→ = (2)
m d
T = τ − t = 16seg − 3,5seg = 12,5seg
(3)
D
d
Fig. 10. Respuesta del sistema de lastrado al suministrar un pulso de aire de 2 segundos
de duración (negro) y respuesta de la simulación (rojo).
El modelo desarrollado con su controlador para una variable es el que se
muestra en la figura 11.
Fig.11. Modelo desarrollado con su controlador para la variable profundidad.
Debido a que el control de lastrado se hace para los pares de tanques delantero
y trasero, en el algoritmo se incluyó la influencia del cabeceo del
robot. Al hacer las pruebas del comportamiento a lazo cerrado, se fijó como
entrada de profundidad un valor 0,3m y para el cabeceo un ángulo de
0º. La respuesta que se obtuvo fue bastante estable y precisa. Los errores
máximos fueron 0,08m y 1,5º respectivamente. Ver figura 12.

224 Robots de exteriores
Fig. 12. Respuesta a lazo cerrado de la profundidad (línea continua) y el cabeceo
(línea a trazos). Para entradas fijadas en 0,3m de profundidad y 0º de cabeceo.
En cuanto a los movimientos de la dirección a recorrer por el REMO I,
se encontró que éstos respondían de acuerdo a las órdenes del joystick de
manera independiente o desacoplada, y que la velocidad del impulsor también
influye en la respuesta. Una muestra de esto se puede observar en la
figura 13, en la que se hace un control de viraje, y el balanceo y cabeceo
permanecen fijos cerca del valor 0.
Fig.13. Respuesta del control de viraje a lazo abierto, al aplicar un pulso de 54º en
t = 1670, y al cambiar la velocidad del impulsor en t = 1680.
Las respuestas obtenidas en el gráfico de la figura 13 se utilizaron para
el desarrollo del modelo de navegación del REMO I y el control a lazo cerrado.
Se puede notar que, tanto la velocidad del impulsor, como la posi-

Robot Sub-acuático de Estructura Paralela para la Inspección y Teleoperación de
Lugares de Difícil Acceso 225
ción del joystick, influyen en la respuesta. Es por ello, que se propone el
modelo de la figura 14, con su controlador.
Fig. 14. Modelo obtenido para la respuesta al viraje y controlador propuesto
El controlador a utilizar es del tipo proporcional, pero con doble entrada,
tal como se muestra en la figura 14. El cálculo de la constante proporcional
se muestra en la ecuación 4, y las respuestas en la simulación se podrán
observar en la figura 15 para varias velocidades del impulsor. Como
se puede observar en la figura, la estabilidad no depende de la velocidad
del impulsor, pero si influye en el tiempo en el que alcanza el valor deseado.
0,433 0,433
P = P 3936
K t
= 0,00011x1
→ = (4)
m d
Fig. 15. Respuesta al modelo para un pulso de 20º y con varias velocidades del
impulsor.

226 Robots de exteriores
6 Conclusiones
Después de realizar el desarrollo de este vehículo submarino robótico de
estructura paralela, se puede afirmar que el funcionamiento de éste cumplió
sus expectativas satisfactoriamente. La utilización de una plataforma
de Stewart – Gough para hacer los movimientos del impulsor, muestra una
forma novedosa de navegación que permite una gran flexibilidad de movimientos
dentro del agua.
El sistema de control por medio del joystick, la interfaz de usuario y las
interfaces de realidad virtual presentan una forma sencilla, amigable y eficiente
para el manejo del vehículo robótico.
El uso de un sistema de control de presurización en la cabina, ha resultado
ser una opción económica para mantener el vehículo dentro del agua
y evitar una posible inundación.
Se pudo comprobar el buen funcionamiento del control de lastrado, a
pesar de la dificultad encontrada en la función de transferencia. Por otro
lado, como era de esperarse, la respuesta de este sistema ha sido bastante
lenta. Sin embargo, esto no presenta un gran problema, ya que este control
se utiliza únicamente para compensar inicialmente la flotabilidad, y después
el control de navegación se hace únicamente mediante la plataforma
de Stewart - Gough.
En el control manual del REMO I, se pudo comprobar la versatilidad y
flexibilidad que ofrece para la navegación, ya que puede orientar y desplazar
el timón. Esto representa una gran ventaja al ser utilizado en labores
de inspección y teleoperación en lugares de difícil acceso.
Fig. 16. El REMO I haciendo una emersión, mediante una maniobra de cabeceo.

Robot Sub-acuático de Estructura Paralela para la Inspección y Teleoperación de
Lugares de Difícil Acceso 227
Referencias
Almonacid, M. 2002. Modelado, Simulación y Control del Movimiento de Robots
Trepadores Paralelos. Tesis Doctoral, Universidad Miguel Hernández, Escuela Politécnica
Superior de Elche.
Álvarez, C. 1997. Método Analítico para la Entonación Rápida de un Controlador
PID para Plantas de primero y segundo orden con tiempo muerto. Revista Técnica
de la Facultad de Ingeniería. Venezuela.
Aracil, R., Saltarén, R., Sabater, J., Reinoso, O. 2006. Robots Paralelos: Máquinas
con un Pasado para la Robótica del Futuro. Revista Iberoamericana de Automática
e Informática Industrial. Vol 3, Núm. 1. pp. 16-28.
Bohm, H. and V. Jensen. 2001. Introduction to Underwater Technology & Vehicle
Design. Marine Advanced Technology Education Center.
Cavallo, E. and Michelini, R.C. 2004. A Robotic Equipment for the Guidance of a
Vectored Thruster AUV. 35 th International Symposium on Robotics ISR 2004. pp.
1 – 6.
Chantler, M.J., D.B. Lindsay, C.S. Reid and V.J. Wright 1994. Optical and acoustic
range sensing for underwater robotics. ‘Proceedings Oceans Engineering for
Today's Technology and Tomorrow's Preservation.' Vol. 1.
Dario, P., R. Dillman and H. Christensen, 2004. EURON Research Roadmaps.
European Robotic Research Network. pp. 85.
Grady, J. 2005. Underwater Gliders: Dynamics, Control and Design. Department
of Mechanical and Aerospace Engineering. Princeton University.
Le Page, Y.G. and K.W.Holappa 2000. Simulation and Control of an Autonomous
Underwater Vehicle Equipped with a Vectored Thruster. OCEANS 2000
MTS/IEEE Conference and Exhibition. pp. 2129 – 2134.
Morel, Y. and A. Leonessa. 2003. Adaptive Nonlinear Tracking Control of an
Underactuated Nonminimum Phase Model of a Marine Vehicle Using Ultimate
Boundedness. Proceedings of the 42nd IEEE Conference on Decision and Control.
pp. 3097 -3102.
Saltarén, R., R. Aracil and V. García. 2004. Underwater robot of variable geometry
based on the Stewart-Gough parallel platform: Conception and hydrodynamic
modeling. Automation for the Maritime Industries. Madrid.

228 Robots de exteriores
Tsai, L.W. 1999. Robot Analysis: The Mechanics of Serial and Parallel Manipulators.
John Wiley & Sons, Inc.
Valvanis, K., D. Gracanin, M. Matijasevic, R. Kolluru, and G. Demetriou 1997.
Control Architectures for Autonomous Underwater Vehicles. IEEE Control Systems
Magazine. Vol 17. pp. 48 – 64.
Wolf, M. 2003. The Design of a Pneumatic System for a Small Scale Remotely
Opertated Vehicle. Department of Mechanical Engineering of Massachusetts Institute
of Technology.

CAPÍTULO 14
RobMAT: Sistema Modular para Entornos Semiestructurados
R. ARACIL, J. BACA, M. FERRE, J. A. ESCALERA
DISAM, E.T.S.I.I., U. P. M. - Grupo de Robots y Máquinas Inteligentes
aracil, jbaca, mferre, jescalera@etsii.upm.es
RobMAT es un sistema modular que puede interactuar en entornos semiestructurados,
al tener la posibilidad de autoconfigurarse para desplazarse
dependiendo de las circunstancias y poder realizar tareas de manipulación
individualmente o en equipo.
1 Introducción
Este trabajo describe el proyecto RobMAT (Robot Modular Autoconfigurable
Teleoperado), el cual se basa en la utilización de robots modulares y
autoconfigurables para la realización de tareas fuera del laboratorio. La
principal contribución del proyecto RobMAT es la posibilidad de realizar
distintos tipos de tareas de acuerdo a su configuración adoptada.
La primera ventaja que tiene un sistema modular auto-configurable es la
capacidad de desplazamiento múltiple, el robot puede adoptar diferentes
tipos de locomoción, de tal modo que se acerque al entorno de trabajo sin
importar la superficie, y una vez alcanzado pueda reconfigurarse en otra
forma para realizar la tarea correspondiente.
La segunda ventaja es la capacidad de manipulación, ya que cada modulo
cuenta con tres grados de libertad generando un espacio de trabajo correspondiente
a la superficie de una esfera el cual puede ser telemanipulado.
En la segunda sección se describe de forma general los robots modulares
y algunos ejemplos de proyectos desarrollados en la actualidad. En la
sección tres, se detalla como se conforma el sistema modular RobMAT. La
cuarta sección habla de la ejecución de tareas del RobMAT, empezando
con la demostración de una forma de avance de la molécula base, la posi-

230 Robots de exteriores
bilidad de utilizar diferentes patrones de avance al formar una molécula
compleja compuesta de 2 o 3 molécula base (4 o 6 módulos). La realización
de una tarea en un entorno semi-estructurado fuera del laboratorio
demostrando capacidades del RobMAT, y por ultimo las posibilidades que
tiene el RobMAT para interactuar en diferentes entornos con simples cambios
de herramientas. Finalmente en la quinta sección exponemos las conclusiones
del proyecto y su capacidad para interactuar en el exterior.
2 Sistemas Modulares
Los robots modulares están compuestos por varios bloques, los cuales tienen
un mecanismo de conexión común como interfase para transferir comunicación,
fuerzas mecánicas, señales eléctricas, etc. El robot modular
esta conformado por una estructura base y algunas herramientas especializadas
como pinzas, ruedas, cámaras, electroimanes, etc.
Tabla 1. Los sistemas de robot modulares autoconfigurables pueden clasificarse en grupos
de acuerdo a la arquitectura en el arreglo geométrico de sus bloques mencionados en (Yim,
2007).
• Arquitectura entramada. • Reconfiguración determinística.
• Arquitectura cadena/árbol. • Reconfiguración
estocástica.
• Arquitectura móvil.
A finales de 1980 el concepto básico de la conexión mecánica en común
aplicada a todo el robot, fue introducido por Toshio Fukuda con el CEBOT
(Fukuda, 1998). En los inicios de 1990 hubo desarrollos de Greg Chirikjian
y Satoshi Murata en robots modulares con arquitecturas entramadas, y
Mark Yim desarrollo sistemas basado en arquitectura tipo cadena. Daniela
Rus y Wei-Min Shen desarrollaron un sistema modular impactando en aspectos
de la programación. Recientemente una interesante plataforma ha
sido desarrollada por Satoshi Murata con el nombre de M-TRAN (Murata,
2002), una sistema hibrido entre arquitectura tipo cadena y entramada,
usando lo mejor de los dos tipos de arquitecturas.

RobMAT: Sistema Modular para Entornos Semi-estructurados 231
2.1 Ejemplo de sistemas modulares autoconfigurables.
PolyBot G3, creado por el Centro de Investigación de Palo Alto (PARC)
en el 2002 por Mark Yim (Yim, 2002) Es un sistema autoconfigurable tipo
cadena. Cada modulo tiene una forma de cubo redondeado de aproximadamente
50mm por lado y tiene un grado de libertad (rotacional).
Molecubes (2005) es un sistema desarrollado por Zykov en la Universidad
de Cornell (Zykov, 2007). Construido para demostrar físicamente cinemática
de auto reproducción. Cada modulo pesa 0.65 Kg., una longitud
de 100mm y un grado rotacional de libertad. El eje de rotación esta alineado
con la diagonal más larga del cubo.
SuperBot esta desarrollado por Shen en la Universidad del Sur de California
en el 2006, con la intención de desplegarse como robot autoconfigurable
para aplicaciones en el mundo real fuera del laboratorio. Sus módulos
tienen una arquitectura hibrida tipo cadena y entramada (Salemi, 2006).
El sistema Miche en el 2006 ha sido desarrollado por Rus en el MIT. Es
un sistema de tipo cadena capaz de auto-ensamblaje y desensamblaje y ha
demostrados ser robusto al haber estado operando sobre cientos de experimentos.
Las Partes Programables (2005) desarrollado por Klavins (Klavins,
2006) en la Universidad de Washington para explorar sectores de comunicación
cuando las partes se unen. El objetivo es entender como programar
auto-ensamblaje estocástico a todas las escalas.
Atendiendo al número de tipos de módulo que posee el robot modular se
presentan dos categorías:
• Robots homogéneos: Existe un único tipo de módulo en el sistema.
• Robot heterogéneos: Hay varias clases de módulos.
Esto permite denominar a los robots modulares como n-modular, donde
n es el número de módulos distintos.
3 Arquitectura del RobMAT
El modelo diseñado para el RobMAT pretende obtener un equilibrio entre
complejidad de diseño y funcionalidad, evitando la utilización de complejos
elementos de transmisión. La idea es un diseño mecánico lo mas simple
posible, con la capacidad de desplazarse de acuerdo a las referencias que

232 Robots de exteriores
se perciben del exterior y la capacidad de manipulación para innumerables
situaciones.
El sistema modular RobMAT se sitúa en la categoría de arquitectura tipo
cadena y puede definirse como heterogéneo, ya que los módulos disponen
de diferentes tipos de sensores y actuadores. El RobMAT esta compuesto
por módulos y moléculas. Los módulos son los componentes más simples,
los cuales tienen capacidad propia de movimiento y comunicación. El modulo
consta de 3 grados de libertad de rotación (los ejes se cortan en un
punto), y de un controlador propio. La configuración de los ejes crea un
área de trabajo sobre una superficie esférica.
Fig. 1. Modulo con 3 grados de libertad.
Una molécula esta definida por dos o más módulos, generando una capacidad
propia de desplazamiento, como también de manipulación. La molécula
más simple se denomina molécula base, está compuesta por la
unión de 2 módulos. Esta molécula tiene posibilidad de manipulación gracias
a sus 5 gdl y capacidades limitadas de desplazamiento. Su espacio de
trabajo corresponde al volumen de una esfera, existiendo una pequeña región
en la que no puede trabajar ya que los módulos colisionan entre sí. La
configuración de la molécula puede cambiar durante el transcurso de la tarea.
Por ultimo definimos como colonia al conjunto de todas las moléculas
que intervienen durante la realización de tareas.
Cuando dos o más moléculas base se unen, dan lugar a una nueva estructura
que se denomina molécula compleja. El número de grados de libertad
de esta nueva molécula compleja son muy elevados (igual o mayor

RobMAT: Sistema Modular para Entornos Semi-estructurados 233
a 10 grados de libertad) y esto le da grandes posibilidades, tanto para la
manipulación de objetos como de movilidad, ya que pueden desplazarse
por cualquier superficie con la condición de controlar adecuadamente el
centro de gravedad de la molécula. Durante la ejecución de tareas, la funcionalidad
alcanzada dependerá del número de módulos conectados.
Las comunicaciones de la molécula son gestionadas por el módulo
maestro el cual se comunica vía CAN con el resto de los módulos y vía
BlueTooth con el computador de control, con una arquitectura de control
para el sistema RobMAT (Sanchez-Urán, 2007).
Fig. 2. Molécula base
La interfaz de teleoperación permite al operador actuar sobre toda la colonia
y le realimenta información del estado de la tarea. El operador actúa
a diferentes niveles sobre la colonia de robots. Los comandos generados
por el operador dependen de la información que se disponga del entorno de
trabajo y de la tarea a realizar. Todos los equipos que componen la interfaz
de teleoperación se encuentran integrados en la estación de control; por
tanto, la información intercambiada por el operador y los módulos se hace
vía BlueTooth, excepto el vídeo que se transmite vía RF.
El operador puede actuar sobre la colonia en diferentes niveles, que van
desde la actuación directa sobre una articulación hasta una orden de reconfiguración
de la colonia.
4 Ejecución de Tareas con el RobMAT
A diferencia de los robots especializados, los sistemas modulares son versátiles,
multiusos, adaptables a la situación que se les asigne. El sistema
RobMAT es un conjunto de robots que colaboran como equipo para desarrollar
una tarea, pero tiene la capacidad de unirse entre ellos mismos,

234 Robots de exteriores
formando diferentes estructuras para desplazarse en entornos semiestructurados
e incrementar la manipulación para la ejecución de tareas
más complejas.
4.1 Manipulación y Desplazamiento de la molécula base
Actualmente la molécula base cuenta con electroimanes como sujetador en
sus extremidades finales. Esto le permite la manipulación de elementos
metálicos (paneles, bloques, etc.) y un desplazamiento limitado. Tiene la
capacidad de sujetarse con una extremidad en la superficie metálica y poder
manipular al robot teniendo 5 grados de libertad. En la Fig. 3 se muestra
una secuencia de desplazamiento.
Fig. 5. Molécula base en secuencia de
desplazamiento sobre superficie metálica.
El guiado de este movimiento se realiza con el joystick a nivel de módulo.
La estación de control captura los comandos que el usuario realiza sobre
el joystick, y los envía al módulo maestro a través del enlace Bluetooth.
El usuario controla independiente los 3 grados de libertad de cada
módulo y mediante los pulsadores del joystick selecciona el módulo a
guiar dentro de cada molécula. También hace uso de los selectores del
joystick para la activación y desactivación de los electroimanes. La realimentación
de información que se realiza al operador son imágenes de vídeo
y reflexión de fuerza proporcional a la corriente de los motores. Este

RobMAT: Sistema Modular para Entornos Semi-estructurados 235
tipo de reflexión informa sobre el par que se está ejerciendo. En caso de
alcanzar el límite articular se le realimenta un gran par para evitar que
fuerce dicha articulación.
4.2 Reconfiguración de moléculas
La condición de desplazarse únicamente en una superficie férrea es eliminada,
cuando una segunda molécula base se conecta a la primera, creando
una molécula compleja. Esta opción es la reconfiguración. Como se muestra
en la Fig. 4, dos moléculas base pueden aproximarse hasta que se produzca
el contacto entre sus conectores de tal forma que puedan acoplarse.
Actualmente se están usando electroimanes para el acoplamiento entre moléculas
base, los cuales están siempre activos durante la modalidad de molécula
compleja.
Esto genera una gran capacidad de desplazamiento en casi cualquier superficie
sin la necesidad de los electroimanes. En esta modalidad, los grados
de libertad son mayores, creando una capacidad de manipulación apta
para realizar diferente tareas. Si la tarea requiere de más apoyo es posible
incorporarle una tercera molécula base, creando una molécula compleja
compuesta de 6 módulos, como muestra en la Fig. 4.
Fig. 4. La opción de acoplamiento entre moléculas, permite desplazarse por casi
cualquier superficie y ofrece apoyo al realizar una tarea al tener mayor capacidad
de manipulación.

236 Robots de exteriores
4.3 Patrones de movimiento
La figura anterior muestra una molécula compuesta por cuatro módulos
permitiendo el desplazamiento por casi cualquier superficie sin la necesidad
de los electroimanes. Sin embargo, el control de la molécula se complica.
Una vez que se obtiene la molécula de cuatro módulos el control es
diferente. Para el movimiento de una molécula compleja de 4 módulos, se
utilizan patrones de movimiento para cada uno de los módulos, dichos patrones
contienen tablas con la referencia angular de cada eje que describen
secuencias de movimiento compuesto como: avanzar, retroceder o girar.
Con el joystick se gobierna la dirección y velocidad del movimiento de la
molécula.
Fig. 5 Molécula compuesta de 4
módulos simulando una forma de avance.
Para la obtención de los patrones de movimiento se cuenta con un simulador
donde el usuario prueba diferentes estrategias de movimiento hasta
que alcanza el movimiento deseado. Entonces se guarda el patrón que se
utilizará cuando se tenga una configuración para cierta aplicación. Como
se observa en la Fig. 5, se simula el movimiento de acuerdo a la configuración
de la molécula, tratando siempre de lograr estabilidad durante la ejecución
de una tarea. Un punto crítico para el correcto funcionamiento es la
sincronización de los módulos.
Se puede usar una misma configuración de molécula y realizar diferentes
formas de avance. Esto permite el desplazamiento del robot por dife-

RobMAT: Sistema Modular para Entornos Semi-estructurados 237
rentes entornos irregulares. En la Fig. 5 muestra un patrón de desplazamiento
uniforme, en el paso 3 se apoya en todas sus extremidades para generar
el desplazamiento con fuerza. Posibles aplicaciones, para desplazarse
en edificios en construcción, barcos, aviones, terrenos semi-uniformes. En
la Fig. 6 se muestra un patrón diferente el cual permite a la molécula desplazarse
por terrenos irregulares. En ambos casos se busca siempre la estabilidad.
1 2 3
4 5 6
Fig. 6. Los variados patrones de movimiento se pueden simular y aplicar al robot
para la ejecución de tareas.
4.4 Estabilidad en movimientos de avance
Existen dos puntos a tratar cuando se piensa en un movimiento de la molécula
compleja. Se debe determinar el modo de andar y conseguir que en
cada instante la molécula permanezca estable durante su avance. Durante
las pruebas realizadas se tomaron algunas consideraciones para realizar los
movimientos de cada una de las patas (modulo). Una de estas consideraciones
es la movilidad del modulo dentro de un área de trabajo correspondiente,
esto para mantener la estabilidad estática del robot evitando que éste
caiga como consecuencia de una inestabilidad al caminar. Estudiando el
modo de caminar de la molécula desde el punto de vista estático se requiere
que en todo momento de avance de las patas soporten el cuerpo.
La proyección del centro de gravedad del cuerpo dentro del polígono de
apoyo que forman las patas apoyadas juega un papel muy importante dentro
de la estabilidad de la molécula. El número de patas mínimas consideradas
que aseguran una buena estabilidad son tres, que al ser apoyadas en
la superficie generan un triángulo donde el robot esta soportado, si se apoyan
cuatro se tiene un polígono de cuatro lados, y cinco lados se tiene en el

238 Robots de exteriores
caso que solamente una de las patas esté en movimiento o fuera del contacto
de la superficie.
Independientemente del número de patas que estén realizando contacto
con la superficie, la proyección del centro de gravedad debe estar dentro
del área del polígono que se forma con las patas que están soportando el
cuerpo del robot. Ésta es la condición indispensable que evita que el robot
caiga.
4.5 Sincronización de movimientos
El principal problema a resolver por las moléculas es la sincronización de
movimientos entre módulos. Esta sincronización es necesaria para que todas
las articulaciones realicen sus movimientos de forma coordinada, ya
que en caso contrario el movimiento realizado por la molécula tendría mucha
incertidumbre e incluso podrían dañarse los objetos que se manipulan.
Así pues, se precisa un mecanismo que garantice que todas las articulaciones
comienzan y finalizan sus movimientos de forma coordinada. Existen
diferentes posibilidades para generar el reloj dentro de la molécula normalmente
basada en el paso de mensajes (Chow y Johnson, 1997; y Xu,
1990).
La solución adoptada en el caso del RobMAT utiliza mensajes pero no
para generar la señal de reloj sino para marcar puntos de control del mismo.
Es decir, todos los módulos tienen un reloj interno que es reajustado
cuando se recibe el mensaje de sincronismo del módulo maestro.
Este es un mensaje corto y de alta prioridad dentro del bus CAN. La solución
adoptada ha dado muy buenos resultados, ya que la desviación que
se produce entre los relojes internos de los módulos es del orden del milisegundo
lo cual da muy buenos resultados para el seguimiento de trayectorias
y la coordinación de movimientos dentro de una misma molécula. En
la Fig. 7 se muestran los resultados de la sincronización de los relojes internos
de los módulos.

RobMAT: Sistema Modular para Entornos Semi-estructurados 239
Fig. 7. Señales para la sincronización de los relojes internos de los módulos. El
pulso de sincronismo es generado por el módulo maestro y los demás ajustan
sus contadores.
4.6 Desplazamiento y manipulación del RobMAT en
exteriores.
La combinación de acciones simples como las que se han descrito anteriormente
permiten la realización de tareas más complejas. Además, la arquitectura
implementada permite que varias moléculas puedan cooperar en
la realización de tareas. El experimento que se presenta a continuación involucra
tres moléculas base. Inicialmente (Fig. 8, 1), las tres forman parte
de una misma molécula configurándose como un hexápodo (6 módulos).
Bajo esta forma se desplazan para aproximarse al entorno de trabajo (Fig.
8, 2). La molécula es guiada con la referencia de la imagen que envía las
mini-cámaras que tiene la molécula base a la cabeza del hexápodo. Una
vez allí, esta molécula base se separa y el usuario la dirige hacía un lugar
desde donde pueda captar el entorno remoto convenientemente. La molécula
restante queda pues configurada con cuatro módulos (Fig. 8, 3).
Al igual que antes el usuario la dirige al lugar de trabajo donde se separa
las dos moléculas base (Fig. 8, 4) y comienza el desarrollo de la tarea de
manipulación (Fig. 8, 5). Ambas moléculas base se encuentran sobre una
superficie metálica donde colaboran en una tarea sencilla basada en pasarse
una chapa metálica (Fig. 8, 6). Hay que resaltar que la tarea esta teleoperada
haciendo uso de la estación de control y el interfaz con el maestro
para manejar la molécula. Para el desarrollo es imprescindible que los co-

240 Robots de exteriores
mandos de joystick se refieran al movimiento de la molécula, ya que en
caso contrario se precisaría un joystick por módulo, lo cual complicaría la
ejecución de las tareas y el puesto de control (Fig. 8, 7-8). Una vez que se
concluye una etapa de la tarea y requiere desplazarse sobre otra superficie,
el RobMAT se vuelve a unir para formar una molécula compleja y cambiar
de lugar (Fig. 8, 9) y continuar con su tarea.
1 2
3
4 5 6
7 8 9
Fig. 8. RobMAT ejecutando tareas individuales y colectivas en el exterior.
Los resultados de los experimentos realizados ponen de manifiesto el interés
que tiene que la actuación del operador sea relativa a la molécula y
no al módulo. A su vez, conviene destacar que el control a nivel de molécula
implica que exista una correcta coordinación entre los módulos. La
sencilla tarea demuestra la capacidad de desarrollar tareas individuales con
buen rango de manipulación y al mismo tiempo la colaboración en equipo
para lograr el objetivo. También demuestra la habilidad que tiene de desplazamiento
al poder unirse con otras moléculas base y moverse sobre diferentes
superficies.
4.7 RobMAT en diferentes entornos
El RobMAT requiere de herramientas para elaboración de múltiples tareas
y brindar versatilidad en los diferentes entornos semi-estructurados. Hay

RobMAT: Sistema Modular para Entornos Semi-estructurados 241
que mencionar que para cada entorno de trabajo se han construidos diferentes
robots especializados y de diferentes tamaños y es aquí donde un
robot modular puede brindar grandes ventajas.
El sistema RobMAT puede aplicarse en la realización de tareas de diferentes
entornos de trabajo, por ejemplo, en el sector de Inspección; La mayoría
de robots que desarrollan en este sector, requieren de un sistema de
visión como una cámara, otros tienen sensores de ultrasonido, etc. En la
actualidad, una de las moléculas base cuenta con dos cámaras de video, las
cuales envían por medio de RF las imágenes y puede clasificarse como robot
de inspección al poder desplazarse y mandar imágenes a un ordenador.
En el sector de Construcción; Cada molécula base tiene la capacidad de
manipulación y colocación de paneles. Podrían desplazarse por medio de
las vigas para soldar e inclusive realizar inspecciones ultrasónicas. Los robots
modulares están hechos para trabajar en equipo, por lo que es posible
levantar objetos pesados al usar varios robots modulares, e individualmente
pueden estar realizando actividades cuando no se requiere un conjunto
de moléculas.
La Agricultura es un sector en el cual el tamaño de un robot importa,
por que se requiere que el equipo no dañe la materia prima, por lo que pequeños
robots tienen gran oportunidad de desplazarse en lugares estrechos
y al final unirse para formar una estructura capaz de colectar, mientras
otros pueden estar agregando fertilizante en ciertas zonas de algún cultivo,
inspeccionando sistemas de riego, etc. El RobMAT tiene la capacidad de
poder moverse entre estos lugares y con las apropiadas herramientas que
lleva consigo poder ejecutar su tarea.
El RobMAT como opción para enviarlo al Espacio. El poder mandar
una colonia de robots modulares capaces de realizar diferentes tareas, tanto
en el exterior de la nave espacial para dar mantenimiento, construir una estructura,
etc., evita que se ponga en peligro al astronauta ya que pueden ser
teleoperador por la tripulación de la nave, así como en la exploración de un
planeta donde el entorno es desconocido. El factor Multitareas-peso es una
característica que lo hace ser ideal para el espacio. En caso de falla de una
molécula en una estructura, es fácil su reemplazo por el tamaño de la colonia.
En el sector de Defensa, RobMAT puede cambiar su sistema de locomoción
de acuerdo a la complejidad de la molécula y poder avanzar en terrenos
no estructurados y la posible herramienta con ruedas incrementaría
su velocidad para detectar minas, bombas, y reconfigurarse para poder
desactivar el dispositivo.
Como último ejemplo tenemos el sector de Rescate, queda de más mencionar
que la molécula compleja puede estar equipada con cámaras, para la
búsqueda de personas entre escombros y lugares muy estrechos. Se recon-

242 Robots de exteriores
figura dependiendo de la situación para que siga siempre adelante. Dependiendo
del numero de módulos seria posible hasta de ayudar a una persona
a levantar algún objeto que lo encuentra sujetando.
5 Conclusiones
Es posible usar el RobMAT para la ejecución de tareas con cierto nivel de
complejidad en diferentes entornos donde robots especializados no podrían
operar. RobMAT ofrece capacidad de desplazamiento múltiple en entornos
semi-estructurados al variar su estructura y con ello su locomoción. Capacidad
de manipulación, al tener cada modulo tres grados de libertad y la
posibilidad de incrementarlos al unirse con otro modulo. Posibilidad de ser
teleoperado para desplazarse, así como también para manipular. El poder
realizar tareas sencillas en equipo con un conjunto de robots modulares y
al ser requerido autoreconfigurarse para formar una estructura con mayores
habilidades para ejecutar una tarea más compleja, es una de las ventajas
que brinda el RobMAT.
Referencias
Fukuda T., Nakagawa S., Kawauchi Y., y Buss M., 1998, “Self organizing
robots based on cell structures-CEBOT,” in Proc. IEEE/RSJ Int. Conf. Intelligent
Robots and Systems (IROS), pp. 145-150.
Klavins E., Burden S. y Napp N., 2006, “Optimal rules for programmed
stochastic self-assembly,” in Proc. Robotics: Science Systems´ 06.
Murata S., Yoshida E., Kamimura A., Kurokawa H., Tomita K. y Kokaji
S., 2002, “M-TRAN: Self-reconfigurable modular robotic system,”
IEEE/ASME Trans. Mech., vol. 7, no. 4, pp.431-441.
Sánchez-Urán M.A., Escalera J.A., Aracil R., Ferre M. y Saltarén R.J.,
2007, Arquitectura de control para sistemas de robots modulares: sistema
RobMAT, Workshop Arquitecturas de Control para Robots.

RobMAT: Sistema Modular para Entornos Semi-estructurados 243
Salemi B., Moll M. y Shen W.M., 2006, “SUPERBOT: A deployable,
multi-functional, and modular self-reconfigurable robotic system,” in Proc.
2006 IEEE/RSJ Int. Conf. Intelligent Robots Systems, pp. 3636-3641.
Yim M., Shen W.M., Salemi B., Rus D., Moll M., Lipson H., Klavins E.
y Chirikjian G.S., 2007, “Modular Self-Reconfigurable Robot Systems,”
IEEE Robotics & Automation Magazine, pp.43-52.
Yim M., Zhang Y., y Duff D.G., 2002, “Modular Robots,” IEEE Spectr.,
vol. 39, no. 2, pp. 30-34.
Zykov V., Mytilinaios E., Desnoyer M. y Lipson H., 2007, “Evolved and
designed modular robotics systems capable of self-reproduction,” IEEE
Trans. Robotics, en prensa.

244 Robots de exteriores

Índice de Autores
A
Agüero, C 33-46
Alonso, J. 23-32
Álvarez, C. 205-226
Aracil, R.
103-120,
205-226,
229-244
Armada, M.
3-102,
139-156,
157-174
B
Baca, J. 229-244
Banfield, I. 103-120
Barea, R. 1-22
Barrera, P. 33-46
Barrientos, A. 121-138
Bergasa, L. 1-22
Blanco, D. 47-66
Burgos-Artizzu, X. 175-186
C
Campos, A. 103-120
Cañas, J. 33-46
Castejón, C. 47-66
D
Del Cerro, J. 121-138
De Pedro, T. 23-32
E
Ealo, J. 67-82
Escalera, J.A. 229-244
F
Ferré, M. 103-120,
229-244
G
García, E. 139-156
García-Alegre, M. 175-186,
187-206
García-Pérez, L. 187-206
García, R. 23-32
González, C. 23-32
González de Santos, P. 139-156,
157-174
Gómez, V. 33-46
Guevara, J. 67-82
Guinea, D. 187-206
Gutiérrez, P. 121-138
J
Jiménez, A. 67-82
K
Koutsou, K. 67-82
L
López, E. 1-22
M
Martín, D. 187-206
Martín, F. 33-46
Martínez, A. 121-138
Matellán, V. 33-46
Moreno, L. 47-66

246 Robots de exteriores
N
Nabulsi, S. 83-102
Naranjo, J. 23-32
Nuevo, J. 1-22
O
Ocaña, M. 1-22
P
Pajares, G. 175-186
Ponticelli, R. 83-102,
139-156
Prieto, C. 67-82
Q
Quintero, J. 103-120
R
Ramos, F 67-82
Ribeiro, A. 175-186,
187-206
Roa, J. 67-82
Rossi, C. 121-138
S
Salinas, C. 157-174
Saltarén, R. 205-226
Sancho, M. 205-226
San Martín, R. 121-138
Sarria, J. 83-102
Schleicher, D. 1-22
Seco, F. 67-82
T
Tellaeche, A. 175-186
Y
Yime, E. 205-226

Consejo Superior de Investigaciones Científicas
Instituto
de
Automática Industrial