arquitecturas de sistemas embebidos utilizables en robotica autonoma

Proceedings XIII Workshop de Investigadores en Ciencias de la Computación.Pág. 702-706. ISBN 978-950-673-892-1. 5 y 6 de Mayo de 2011.Universidad Nacional de Rosario. Rosario. Santa Fe. ArgentinaARQUITECTURAS DE SISTEMAS EMBEBIDOSUTILIZABLES EN ROBOTICA AUTONOMAAzcurra, D., Rodriguez, D., Pytel, P., Santos, D., Giordano, V., Arboleya, H., García-Martínez, R.Grupo Investigación en Sistemas de InformaciónDepartamento Desarrollo Productivo y Tecnológico. Universidad Nacional de Lanús.29 de Septiembre 3901 (1826) Remedios de Escalada, Lanús. Argentina. Tel +54 11 6322-9200 Ext. 194dazcurra@yahoo.com, rgarcia@unla.edu.arCONTEXTOEste proyecto de investigación comienza lalínea de trabajo en aplicaciones de sistemasdistribuidos en el Grupo de Investigación enSistemas de Información (GISI) delDepartamento de Desarrollo Productivo yTecnológico de la Universidad Nacional deLanús.RESUMENUn sistema embebido es un sistema informáticodiseñado para realizar un grupo de funcionesdedicadas y especificas, empleando para ellouna combinación de recursos de hardware y desoftware. Poseen características diferenciales(entre otras: procesamiento concurrente,paralelo y distribuido, robustez, fiabilidad, bajoconsumo y bajo costo) que los hace altamenterecomendables en la administración y controlde robots autónomos móviles.En este contexto, este proyecto se inscribe enuna línea de investigación que busca desarrollary sistematizar el cuerpo de conocimiento de lasarquitecturas de sistemas embebidos utilizablesen robótica autónoma, con focalización en sutransferencia a la Industria, particularmente alsector PyMEs.Utilizando las metodologías de investigacióndocumental exploratoria, prototipado evolutivoy casos de estudio se plantea a través deobjetivos específicos, el desarrollo de lossiguientes artefactos conceptuales: [a]caracterizar las arquitecturas de sistemasembebidos utilizables en robótica autónoma; [b]caracterizar las aplicaciones de dichasarquitecturas y su uso potencial en la región deinfluencia de la UNLa (Municipios y PyMEs); y[c] identificar las tecnologías de acceso libre ode bajo costo utilizables para implementarasociadas a sistemas embebidos utilizados enrobótica autónoma que una PyME puedaimplantar en sus procesos productivos.AVANCES SOBRE EL TEMAUno de los puntos involucrados en el problemade la modelización de Sistemas Autónomos[Fritz, 1984; 1992; Fritz et al; 1989] es lograruna base axiomática que describa formalmentelos fenómenos que tienen lugar en este tipo desistemas. Esta descripción formal apunta aproporcionar un instrumento para clasificar,medir y calcular en el campo de la inteligencia.Formalmente, no es relevante la clasificación ennatural o artificial. El propósito del trabajo esabstraer los rasgos comunes, si los hay, de todoslos procesos inteligentes. Luego, clasificarcomo inteligentes a los sistemas capaces de darlugar a procesos inteligentes.Un rasgo comúnmente asociado con lainteligencia es la capacidad de adquirir nuevosconocimientos. Esto se manifiesta en losprocesos de aprendizaje, que aceptan serdescritos en términos de asimilación eincorporación de información extraída delcontexto. Una forma de adquirir conocimientonuevo es el llamado "método del ensayo-error";esta técnica permite descubrir leyes simplescuya verdad se deduce a partir de laexperiencia. En la teoría presentada por losautores citados, esta adquisición deconocimiento está centrada alrededor de laasimilación de experiencias, siendo las leyesempíricas las unidades de experiencia.Los Sistemas Inteligentes tienen objetivos, queconsisten en acceder a una situación que lesconviene. Están capacitados además para elegirsus acciones según tales objetivos y son capacesde aprender qué acción es útil efectuar en cada

Proceedings XIII Workshop de Investigadores en Ciencias de la Computación.Pág. 702-706. ISBN 978-950-673-892-1. 5 y 6 de Mayo de 2011.Universidad Nacional de Rosario. Rosario. Santa Fe. Argentinasituación en relación a los mismos. La situaciónes el conjunto de los rasgos esenciales delestado de las cosas, en relación a los objetivosdel sistema. Se elabora sobre la base de todaslas entradas sensoriales del momento y sobre suconceptualización. Sobre la base de estamodelización se elige cada acción. Para lograrsus objetivos, los Sistemas Inteligentes actúan,y para poder elegir acciones adecuadas debencontar con una memoria en la cual archivan susexperiencias.Una unidad de experiencia se compone (por lomenos) de la situación vivida, la acciónrealizada, la situación resultante y el hecho deque las consecuencias de la acción hayan sidobeneficiosas o no para lograr el objetivo. Estebeneficio, o la falta del mismo, se traduce enutilidad resultante. La decisión sobre la acciónque conviene realizar se toma en función de lasexperiencias acumuladas, si es que están enrelación con las circunstancias actuales (puedenser tanto experiencias directas del sistema comotambién experiencias conocidas a través de loque se verificó en otros). Si en lo archivadocomo experiencia tal relación existe y la acciónelegida en aquél entonces resultó beneficiosa,habrá una tendencia de elegir nuevamente esamisma acción o a optar por alternativas distintassi la acción resultó perjudicial.Cuando se trata de una situación nueva, esto es,no existe experiencia previa de la misma, seefectúan acciones razonadas guiándose por losresultados obtenidos en actuaciones anteriores,o si no, por intuición, instinto o incluso al azar.Frente a situaciones conocidas, los SistemasInteligentes tienden a desarrollar una actuaciónque (por experiencia) consideran óptima (nonecesariamente es la óptima). Esta tendencia sedenomina hábito. Un mal hábito se da cuando elsistema persiste en un cierto actuar aun cuandoéste ya no corresponde a la situación.La arquitectura de sistema inteligente autónomocon aprendizaje basado en formación yponderación de teorías puede ser descrita comoun robot de exploración que percibe el entornoa través del sistema sensor, registra la situación,y arma una teoría local con la situación previa yla acción ejecutada [Garcia-Martínez y Borrajo;1997; 2000]. Si la teoría local es igual a algunateoría registrada, ésta se refuerza. Si es similar,se registra la teoría local, se pondera y se creanteorías mutantes. Si existe un plan en ejecución,se verifica que la situación obtenida sea laesperada; si no ocurre esto, se aborta el plan y elcontrol es devuelto al planificador. Si no existeun plan en ejecución, el planificador generauno, lo envía al ponderador y mediante uncriterio heurístico, se determina si el plan esaceptable. En caso afirmativo, se pasa el controlal controlador de planes en ejecución, cuyafunción es determinar la siguiente acción a serejecutada y establecer si las situacionesobtenidas son las situaciones esperadas.La arquitectura de sistema inteligente autónomocon aprendizaje basado en intercambio deteorias percibe el entorno a través del sistemasensor. Antes de realizar cualquier acción sepregunta si es necesario intercambiaroperadores con otro sistema inteligenteautónomo [Garcia-Martínez et al., 2006]. Esteproceso se lleva a cabo mediante un módulo deintercambio de operadores. Luego, se registra lasituación percibida del entorno, y arma unateoría local con la situación previa y la acciónejecutada. Una teoría es local, cuando todavíano tiene valores establecidos para su P, K yutilidad.Si la teoría local es igual a alguna teoríaregistrada, ésta se refuerza, si no existe unateoría igual pero existen similares, éstas seponderan y se generan teorías mutantes lascuales son registradas y ponderadas de la mismaforma. Por último (luego del proceso de generarteoría mutantes o si no existen teorías similares)se incorpora la teoría local y se pasa el controlal subsistema controlador.Si existe un plan en ejecución, se verifica que lasituación obtenida sea la esperada; si no ocurreesto, se aborta el plan y el control es devuelto alplanificador. Si no existe un plan en ejecución,el planificador genera uno, lo envía alponderador y mediante un criterio heurístico, sedetermina si el plan es aceptable. En casoafirmativo, el controlador de planes enejecución determina la siguiente acción a serejecutada, la cual es pasada a la plataforma paraque ésta la aplique en el entorno.Los sistemas autónomos que funcionan bajo elmodelo de ciclo de vida para el aprendizajebasado en compartición de conocimientos

Proceedings XIII Workshop de Investigadores en Ciencias de la Computación.Pág. 702-706. ISBN 978-950-673-892-1. 5 y 6 de Mayo de 2011.Universidad Nacional de Rosario. Rosario. Santa Fe. Argentina[Ierache et al., 2008; 2009; 2010], distinguenlos estados de evolución y niveles de actuaciónen el contexto de un ciclo de vida para elaprendizaje de Sistemas Autónomos de Robots(SAR). Sobre estas bases, resulta convenienteespecificar mecanismos de aprendizaje porcolaboración entre SARs, definiendo un ciclode vida de aprendizaje que considerearquitecturas y modelos que caractericen alSAR y su actuación en el ambiente deoperación, en particular SARs másevolucionados colaborando con SARsreceptores menos evolucionados. Centrado en elmecanismo de aprendizaje especificado resultaconveniente estudiar experimentalmente lacolaboración entre SARs, validando la tesis,que éstos tienen un mejor comportamientoutilizando colaboración que cuando no la usan.OBJETIVOS E HIPOTESIS DEINVESTIGACIONEste proyecto se inscribe en una línea deinvestigación que busca desarrollar ysistematizar el cuerpo de conocimiento de lasarquitecturas de sistemas embebidos utilizablesen robótica autónoma, con focalización en sutransferencia a la Industria, particularmente alsector PyMEs. Entre los supuestos (o hipótesis)que guían el proyecto se encuentran:Hipótesis I: Existen arquitecturas de sistemasinformáticos que destacan en importancia en suutilización en robótica autónoma. Dentro de lasmismas, las arquitecturas de sistemasembebidos poseen características específicas ydiferenciales (entre otras: procesamientoconcurrente, paralelo y distribuido, robustez,fiabilidad, bajo consumo y bajo costo) que lashacen sobresalir para ser empleadas en laadministración y control de robots autónomosmóviles.Hipótesis II: Hay disponibilidad en el mercado(tanto local como internacional) de desarrollosde hardware de robótica que permiten construirprototipos de robots autónomos móviles.La posibilidad de contar con una amplia gamade sensores, unidades de procesamientoprogramables, actuadores versátiles e interfacesde usuario que permiten la programación de losprototipos, así como el acceso y administraciónde sus recursos; allana los aspectos deintegración de hardware y controladores en laconstrucción de la mecánica del robot ypermite focalizar el proyecto de investigaciónen los sistemas informáticos que loscontrolaran.Hipótesis III: Uno de los vectores demodernización de las pymes es a través de laautomatización de sus procesos.Automatización y robótica son dos tecnologíasestrechamente relacionadas. En un contextoindustrial se puede definir la automatizacióncomo una tecnología que está relacionada con elempleo de sistemas mecánicos-eléctricosbasados en computadoras para la operación ycontrol de la producción. En consecuencia sepuede entender a la robótica como una forma deautomatización industrial.Se puede decir que hay tres clases muy ampliasde automatización industrial: [a] automatizaciónfija, [b] automatización programable, y [c]automatización flexible. La automatización fijase utiliza cuando el volumen de producción esmuy alto, y por tanto se puede justificareconómicamente el alto costo del diseño deequipo especializado para procesar el producto,con un rendimiento alto y tasas de producciónelevadas. Además del alto costo del diseño, otroinconveniente de la automatización fija es suciclo de vida que va de acuerdo a la vigenciadel producto en el mercado. La automatizaciónprogramable se emplea cuando el volumen deproducción es relativamente bajo y hay unadiversidad de producción a obtener. En estecaso el equipo de producción es diseñado paraadaptarse a las variaciones de configuración delproducto; ésta adaptación se realiza por mediode un programa informático (Software). Laautomatización flexible, por su parte, es másadecuada para un rango de producción medio.Estos sistemas flexibles poseen característicasde la automatización fija y de la automatizaciónprogramada. Los sistemas flexibles suelen estarconstituidos por una serie de estaciones detrabajo interconectadas entre sí por sistemas dealmacenamiento y manipulación de materiales,controlados en su conjunto por unacomputadora. De los tres tipos deautomatización, la robótica coincide másestrechamente con la automatizaciónprogramable.

Proceedings XIII Workshop de Investigadores en Ciencias de la Computación.Pág. 702-706. ISBN 978-950-673-892-1. 5 y 6 de Mayo de 2011.Universidad Nacional de Rosario. Rosario. Santa Fe. ArgentinaHipótesis IV: La robótica educativa emergecomo una promisoria rama en la que el alumnopuede experimentar de manera concreta comola ejecución de un programa softwaredesarrollado por él, se traduce en acciones demecanismos robóticos que transforman unadeterminada realidad. De esta manera lograapropiarse de una nueva dimensión del softwarecomo uno de los componentes de los nuevosparadigmas de transformación de la materiaEl objetivo general de este proyecto es elestudio de arquitecturas de sistemas embebidospara robótica autónoma, buscando: [a]caracterizar las arquitecturas de sistemasembebidos utilizables en robótica autónoma; [b]caracterizar las aplicaciones de dichasarquitecturas y su uso potencial en la región deinfluencia de la UNLa (Municipios y PyMEs); y[c] identificar las tecnologías de acceso libre ode bajo costo utilizables para implementarasociadas a sistemas embebidos utilizados enrobótica autónoma que una PyME puedaimplantar en sus procesos productivos,validando esta implantación a través de casosaceptados por la comunidad internacional.Los objetivos específicos vinculados a laHipótesis I:1. Relevar las distintas arquitecturas de sistemasinformáticos utilizadas en robótica autónoma,focalizando el estudio en las arquitecturas desistemas embebidos, identificandocaracterísticas específicas y diferenciales, ydeterminando la aplicabilidad de las mismasen la administración y control de robotsautónomos móviles.2. Seleccionar las arquitecturas de sistemasembebidos, e implementar en éstasalgoritmos de administración y control derobots autónomos.Los objetivos específicos vinculados a laHipótesis II:3. Relevar los distintos desarrollos de hardwarede robótica para construir prototipos derobots autónomos móviles disponibles en elmercado4. Desarrollar prototipos de robots autónomosmóviles para ser administrados y controladospor las arquitecturas de sistemas embebidosseleccionadas, y así poner a prueba a lasmismas.Los objetivos específicos vinculados a laHipótesis III:5. Desarrollar un Modelo de aplicación y usopotencial de arquitecturas de sistemasembebidos y de robótica autónoma en laregión de influencia de la UNLa (Municipiosy PyMEs)Los objetivos específicos vinculados a laHipótesis IV:6. Desarrollar una metodología de trabajo conlos alumnos de la carrera de Licenciatura enSistemas, para que puedan experimentar ydesarrollar capacidades en las áreas dearquitectura de computadoras, sistemasembebidos, robótica, automatización,comunicaciones, sistemas distribuidos,programación concurrente y procesamientoen tiempo real.FUNDAMENTACION Y PERTINIENCIAa) Planteamiento investigativo que se proponeEl presente proyecto se centra en el estudio dearquitecturas de sistemas embebidos pararobótica autónoma, buscando: [a] caracterizarlas arquitecturas de sistemas embebidosutilizables en robótica autónoma; [b]caracterizar las aplicaciones de dichasarquitecturas y algunos usos potenciales en laregión de influencia de la UNLa (Municipios yPyMEs); y [c] identificar las tecnologías deacceso libre o de bajo costo asociadas asistemas embebidos utilizados en robóticaautónoma que una PyME pueda implantar ensus procesos productivos, validando estaimplantación a través de casos aceptados por lacomunidad internacional.b) Relevancia asignada al estudio por suinterés científico, social y educativoLa necesidad de desarrollar avances en elcampo metodológico surge del relevamientoefectuado, en el que se identifica la carencia demodelos y técnicas sistemáticas asociadas. Eneste contexto, el proyecto promueve eldesarrrollo y la validación de métodos, técnicasy herramientas, conllevando a una mejora en elcampo de la arquitectura de sistemas embebidosutilizables en robótica autónoma. Los métodoscon abordaje ingenieril permiten dotar alproceso de desarrollo de: objetividad,sistematicidad, racionalidad, generalidad y

Proceedings XIII Workshop de Investigadores en Ciencias de la Computación.Pág. 702-706. ISBN 978-950-673-892-1. 5 y 6 de Mayo de 2011.Universidad Nacional de Rosario. Rosario. Santa Fe. Argentinafiabilidad, contribuyendo al avance delconocimiento científico mediante el uso detécnicas consistentes.El sesgo previsto del proyecto para el sectorPyMEs habilita que los resultados puedan sertransferidos a la industria con radicación en lazona de influencia de la UNLa, ya que buscaidentificar las tecnologías de acceso libre o debajo costo asociadas a sistemas embebidosutilizados en robótica autónoma que una PyMEpueda implantar en sus procesos productivos.Se ha previsto la materia optativa "Diseño deSistemas Embebidos" en la carrera deLicenciatura en Sistemas a partir del 2011.También se ofrecerán temas de Trabajos Finalesde Licenciatura (a partir del 2012) en el área delproyecto donde los alumnos consolidarán deforma práctica los conocimientos básicosaprendidos en la carrera y desarrollarán unenfoque funcional y sistémico para la soluciónde problema. Se estima que los resultadosparciales y finales tendrán de este proyectotendrán impacto sobre la actualización de loscontenidos de las asignaturas la carrera.METODOLOGIA DE TRABAJOPara los Objetivos Específicos 1 y 3 se proponerealizar una investigación documentalexploratoria vinculada a los conceptos deinterés, analizando, asimismo, las alternativasdisponibles en la industria.Para los Objetivos Específicos 2 y 4 se proponerealizar pruebas de campo en las arquitecturas yprototipos seleccionadas.Para el Objetivo Específico 5 se proponedesarrollar mediante la metodología deprototipado evolutivo un modelo de deaplicación y uso potencial en la región deinfluencia de la UNLa (Municipios y PyMEs).El proceso se realizará de manera evolutiva yrequerirá:[a] Identificación de casos de estudio potencialen la región de influencia de la UNLa, [b] eldesarrollo de prototipo inicial del modelo deaplicación. Identificación de información deprueba para la validación del modelo, [c] lavalidación del modelo desarrollado basados enlas evaluaciones aplicadas a los casos deestudio identificados. Desarrollo de prototiposevolutivos, [d] Desarrollo del modelodefinitivo.El modelo de ciclo de vida de losartefactos desarrollados será CascadaExtendido. El proceso de desarrollo de softwarese realizara bajo los lineamientos de la normaIEEE 1074-1989.FORMACIÓN DE RECURSOS HUMANOSEl grupo de trabajo se encuentra formado porcuatro investigadores formados, por dosinvestigadores en formación y un estudianteavanzado. En el marco de este proyecto se estándesarrollando: una tesis de maestría y se prevéntres Trabajos Finales de Licenciatura. Se haprevisto la incorporación de dos becariosalumnos con beca de Universidad.BIBLIOGRAFÍAFritz, W. (1984). “The Intelligent System.” SIGARTNewsletter, 90: 34-38. ISSN 0163-5719.Fritz, W. (1992). “World view and learning systems”.Robotics and Autonomous Systems 10(1): 1-7. ISSN0921-8890.Fritz, W., García Martínez, R., Rama, A., Blanqué, J.,Adobatti, R. y Sarno, M.(1989). “The AutonomousIntelligent System”. Robotics and Autonomous Systems,5(2):109-125. ISSN 0921-8890.García Martínez, R. y Borrajo, D. (1997). “Planning,Learning and Executing in Autonomous Systems”.Lecture Notes in Artificial Intelligence 1348: 208-210.ISBN 978-3-540-63912-1.García Martínez, R. y Borrajo, D. (2000). “An IntegratedApproach of Learning, Planning and Executing”. Journalof Intelligent and Robotic Systems 29(1): 47-78. ISSN0921-0296.García-Martínez, R., Borrajo, D., Britos, P. y Maceri, P.(2006). “Learning by Knowledge Sharing inAutonomous Intelligent Systems”. Lecture Notes inArtificial Intelligence, 4140: 128-137. ISBN 978-3-540-45462-5.Ierache, J., García-Martínez, R., De Giusti, A. (2008).Learning Life-Cycle in Autonomous Intelligent Systems.En Artificial Intelligence in Theory and Practice II, ed.M. Bramer, (Boston: Springer), pp 451- 455, ISSN 1571-5736.Ierache, J., Garcia-Martinez, R., De Giusti, A. (2009). AProposal of Autonomous Robotic Systems EducativeEnvironment. Communications in Computer andInformation Science 44: 224–231. Springer-VerlagBerlin Heidelberg. ISSN 1865-0929 / ISBN: 978-3-642-03985-0.Ierache, J., García-Martínez, R., De Giusti, A. (2010).Learning by Collaboration in Intelligent AutonomousSystems. En Artificial Intelligence in Theory andPractice III (Ed. Max Bramer). IFIP Advances inInformation and Communication Technology, 321: 143-152. ISBN 978-3-642-15286-3