carthago: un robot inteligente interactuando con el mundo real - CEA

Otro tipo de aplicaciones de en navegación autónomasobre un dispositivo robótico de esta familia se puedeencontrar en los trabajos desarrollados en laUniversidad de Brown [8]. Se trata de un robotconstruido a partir del modelo RWI-B24, al que se leha añadido un pequeño dispositivo de cuatro ejes amodo de brazo robot, tal y como muestra la figura 3.Figura 3. RAMONA artifact. Basado en el modeloRWI-B24, está equipado con una cámara de visión,un brazo robot, 24 sensores infrarrojos, 24 sensoresde choque y 24 sonars.Otra serie de aplicaciones en navegación autónomaha sido desarrollada por investigadores del Institutode Robótica de Pitssburg [13], sobre el dispositivomóvil AMELIA, basado en el modelo RWI-B21 paraguiado visual de ensamblaje de una viga. Adiferencia de las plataformas presentadasanteriormente, en este caso se utiliza un sistema devisión estereoscópico para la determinación de ladiferencia espacial en el espacio 3D de la separaciónentre los extremos de ambas vigas. En la figura 4 semuestra un instante del proceso.sistemas de representación del sistema biológico enun controlador senso-motor, diseñado a partir delmodelo autoorganizado de Kohonen. En este caso, eldispositivo robot es un modelo sencillo de lacompañía americana K-Team [10], denominadoKHEPERA, de muy reducidas dimensiones (7cm. dediámetro y 3cm. de altura) y equipado con tan sólo 8sensores de proximidad. Los resultados obtenidos,han permitido evaluar la capacidad del modeloneuronal para distinguir entre dos tipos de objetosdurante la navegación.Otro importante desarrollo de un controladorneuronal para robots autónomos ha sidoimplementado en el Instituto de Neurociencia de laUniversidad de Nueva York [11]. Se trata de unsistema integrado denominado DARWIN V, formadopor el dispositivo robótico NOMAD (NeurallyOrganized, Multiply Adaptive Device), basado en latecnología de los RWI, y por un sistema de controlpor emulación del sistema nervioso humano. En esetrabajo se presenta un modelo de mapeado sensomotorque integra las señales percibidas por lacámara de vídeo, la posición de las tres ruedas de laplataforma móvil, los sensores de proximidad y unpequeño dispositivo rígido consistente en una láminaplana electro-imantada que hace las funciones de unsencillo dispositivo de agarre. Este último dispositivopuede detectar la conductividad de los objetos queson tocados por el material electromagnético. Lafigura 5 muestra un dibujo del robot NOMAD.Figura 5. Representación de las primeras versionesdel Robot NOMAD. (1992)Figura 4. Robot autónomo AMELIA en unaaplicación industrial de guiado visual de una vigasujeta por un elevador para acoplado sobre elextremo de otra viga fija.En la Universidad de Zurich, Dimitrios Lambrinospresenta en [9] un trabajo sobre la aplicación de losOtra de las referencias importantes en cuanto a robotsmóviles comerciales equipados para poder interactuarcon el entorno, es el modelo COWORKER, de lacompañía iRobot [12]. Se trata de una plataformamóvil inalámbrica cuya imagen se muestra en lafigura 6, que proporciona un sistema de control deaudio y vídeo desde Internet.

Conjunto Brazo-ManoPor los motivos descritos en el apartado anterior, seha previsto un dispositivo de agarre que permitacumplir una amplia gama de especificacionesfuncionales, evitando las limitaciones de los robotsmóviles comerciales cuyo diseño está enfocado,fundamentalmente, a aplicaciones de navegación. Eneste caso, se ha utilizado el robot comercial Scorbot-ER 2u. (fabricado por Eshed Robotec) de 5 grados delibertad y rangos de movimiento respectivos de: (0º a320º), (+30º a -120º), (+80º a -107º), (+120º a -120º),(0º a 400º). Permite un control en lazo cerrado conlectura de posiciones mediante encoders ópticos dealta resolución, una capacidad de carga en brazoextendido de 0,6Kg. y radio de operación de 51,7cm.Figura 9. Robot CARTHAGOLos elementos principales que conforman el robotCARTHAGO son, por un lado los dispositivosrobóticos (plataforma móvil, cabeza, brazo y pinza)junto con los elementos sensorial externos (sistemade visión estereoscópico para operaciones de guiadoy alcance, sensores de tacto para operaciones deagarre y sensores de proximidad y choque). Estoselementos se describen a continuación:En cuanto al dispositivo de agarre, el robot Scorbotlleva incorporado una garra a modo de pinza con ungrado de libertad para apertura y/o cierre y unalongitud de apertura de 5,5cm. Sin embargo, el robotCARTHAGO está preparado para poder sustituirdicha pinza por otra de diseño propio de 17cm. derecorrido y que permite incorporar superficies táctilesartificiales en cada uno de los dedos (de dimensión5cm x 5cm) o incluso por la mano CERVANTES de4 dedos y 16 grados de libertad (con sistema deaccionamiento oponente) de diseño y fabricaciónpropia del grupo NEUROCOR. La figura 10 muestrauna imagen de cada uno de estos tres dispositivos deagarre aplicables al robot CARTHAGO, dependiendode las necesidades funcionales para el desarrollo dedeterminadas tareas.Plataforma móvilSe trata del robot comercial RobuLAb, diseñado yfabricado por Robosoft. Con unas dimensiones de102,5cm x 68cm x 44cm, es capaz de soportar unpeso de 120Kg. y alcanzar una velocidad de1,25m/sg. Posee dos ruedas accionadas por motoresde 300W. y encoders ópticos para determinar suposición con una resolución de 0,1º, además de unatercera rueda de apoyo.a)b)c)Cabezal estereoscópicoSe trata del dispositivo robot LINCE de diseño yfabricación propios del grupo de investigaciónNEUROCOR. Posee 5 grados de libertad (2vergencia + 2 elevación + 1 panorámico). Con unpeso de 8,5 Kg. posee una resolución de 0,0045º,0,0036º y 0,0018º para los movimientos devergencia, elevación y cuello, respectivamente. Losrangos de movimiento para estos tres grupos dearticulación son ± 30º, ± 60º y ± 180º convelocidades máximas de 600º/sg, 400º/sg. y 230º/sg.El cabezal LINCE permite soportar un sistema devisión estereoscópico adquiriendo, por tanto, undiseño antropomórfico en cuanto a movimientos ycapacidad de percepción binocular.Figura 10. Dispositivos de agarre para el robotCARTHAGO. a). Pinza suministrada con el robotScorbot. b) Pinza de diseño propio para agarre deprecisión y c) Mano antropomórfica CERVANTESde diseño propio y con capacidad de complejasoperaciones de agarre y manipulación.Sensores de visiónLo componen dos CCDs incorporadas a lasarticulaciones del cabezal esteresocópico basadas enel estandar PAL con resolución de 752 x 582 pixels.La adquisición se realiza mediante tarjetas PC-COMP.

Sensores de TactoPara el control del agarre se ha dispuesto de sensoresde fuerza de diseño antropomórfico, acoplados a cadadedos de los diferentes diseños de mano robotenumerados anteriormente. El tipo de sensorestáctiles a utilizar es el FSR (Force SensitiveResistor)de la compañía americana InterlinkElectronics. Para la pinza de Eshed Robotec y para lamano CERVANTES se ha implementado el modeloFSR #402 cuyas dimensiones se muestran en lafigura 11a. Sin embargo para la pinza robótica se hautilizado un array de sensores formado por unamatriz de 9 elementos FSR#402, tal y como muestrala figura 11b. En los tres casos, la adquisición de losvoltajes generados en cada sensor se lleva a cabomediante una tarjeta PCL-1800 de Advantech, de 16entradas analógicasacceden a la LAN inalámbrica mediante tarjetas PCI,tal y como queda representado en la figura 12.NeurocontroladorPCI InalámbricaProceso VisiónControl articulaciónFigura 12. Esquema del sistema de comunicacionespara el acceso a los servidores embarcados del robota) b)Figura 11. a) Sensor de fuerza resistivo. Posee unárea activa de 12,7mm. de diámetro y un espesor de0,46mm. Su variación de resistencia como respuestaa una presión, es convertida a voltaje y filtrada parasu adquisición y posterior tratamiento. b) superficietáctil configurada en array para la pinza robot.Sensores de contacto y proximidadEl robot CARTHAGO incorpora sensores deproximidad en la propia base móvil para tareas denavegación entre obstáculos y sensores de contacto.En cuanto a los primeros, el sistema está dotado de22 sensores electrostáticos rodeando el vehículo, queoperan a la frecuencia de ultrasonidos y que soncapaces de detectar un obstáculo en el rango de 2cm.a 6m. y medir la distancia que le separa con unaprecisión de 1%. En cuanto a los segundos, se tratade dos sensores de presión tipo bumper, ubicados enla parte delantera y trasera del vehículo y anclados alos elementos mecánicos que actúan de parachoques.Sistema de comunicaciónEstá basado en una conexión inalámbrica por mediode un Hub con puertos Ethernet desde el computadorque actúa como neurocontrolador del sistema y losprocesadores de control de movimiento de loselementos que componen el robot CARTHAGO queEn cuanto a las especificaciones funcionales, eldiseño del robot CARTHAGO permite llevar a cabouna serie de aplicaciones tanto en el ámbitodoméstico como industrial, dadas sus característicasde robustez y actuación. Es obvio que elneurocontrolador va a desempeñar una laborfundamental en todo lo que se refiere al desarrollo deuna tarea y a las transiciones entre los diferentesestados por los que pasan todos los dispositivos y lossistemas de percepción visual, táctil, proximidad ycontacto.La interconexión efectiva entre los diferentesmódulos del sistema capacitará al robotCARTHAGO para la realización de, entre otras, lassiguientes tareas:• Navegación guiada local o remotamente.• Localización y sorteo de obstáculos.• Selección de un objeto en una escena y cálculode su posición y orientación en el espacio 3D.• Operaciones de pick-and-place y ensamblajes.• Agarre de objetos con diferentes formas yorientaciones• Clasificación y reconocimiento de objetosmediante visión y/o tacto.• Fijación, seguimiento y persecución de objetivos• Transmisión de imágenes vía Internet• Posibilidad de accionamiento mediante voz paraasistencia a personas discapacitadas.El objetivo fundamental es que el robotCARTHAGO tenga las capacidades de aprendizajenecesarias para la realización de las tareas que se hanenumerado o cualquiera otra que se pueda plantear.Este es el motivo por el que CARTHAGO seaconsiderado dentro de la familia de los "real-worldartifacts".

4 ESPECIFICACIONESGENERALES DELNEUROCONTROLADORTal y como se ha mostrado en la figura 12, el control,supervisión y aprendizaje del robot CARTHAGOestá centralizado en una aplicación que actúa comocerebro del sistema.A partir de diferentes trabajos de control neuronalbasados en el comportamiento del sistema biológicohumano y aplicados a la coordinación senso-motoraen dispositivos robóticos antropomórficos [16], sehan establecido las características más generales delo que se ha denominado el neurocontrolador delsistema.Este neurocontrolador actúa sobre los procesadoresembarcados que interpretan los comandos demovimiento directamente sobre los motores dearticulación y, al mismo tiempo, reciben su posicióna través de los encoders ópticos, de los sensores devisión, tacto, proximidad y contacto. En líneasgenerales, el neurocontrolador está formado por lossiguientes procesos internos:• Procesamiento de imagen de alto nivel. Estemódulo recibe las imágenes comprimidas al 25%desde el sistema de adquisición y preprocesamientoembarcado en el sistema. Permitecalcular los parámetros principales de la escena,como son: posición espacial y dimensiones delos objetivos (en función del color) y orientaciónde los mismos.• Representación espacial interna de objetivos.Convierte todas las posiciones recibidas desdelos encoders y sensores externos, y lostransforma en posiciones referidas a un sistemade coordenadas centrado en la base del brazorobot.• Cálculo de la activación neuronal. Permiteestimar el valor de los pesos neuronalesdefinidos en los mapas de coordinación sensomotora.En este proceso residen los aspectos máscomplejos del sistema de control. Inicialmente,las proyecciones espaciales-motoras se calculana partir de los modelos de aprendizajeadaptativos VAM (Vector Associative Maps).• Supervisión de acciones motoras. Este móduloestablece una jerarquía superior decomportamiento al igual que ocurre en loshumanos. Está basada en los sistemas derepresentación SOM (Self Organizaing Models)de múltiples variables (estados) en mapasbidimensionales de activación neuronal. Permiterepresentar la transición entre estados y tomardecisiones en base a las trayectoriasrepresentadas en estos mapas.• Selector de comportamientos. Este módulopondera la importancia de la informaciónsuministrada por cada dispositivo sensor con elobjeto de ejecutar las acciones adecuadas cuandose dispone de diferentes fuentes derepresentación espacial de un mismo objetivo.Está basado en mapas neuronales cuyos pesosadaptativos se actualizan con el objeto decompensar las diferencias entre dichasrepresentaciones.• Planificación de tareas. Permite establecer unatransición de estados más favorables para larealización de la tarea seleccionada.• Establecimiento de las comunicaciones. Estemódulo activa los procesos de transmisión yrecepción de consigas como procesosindependientes. También permite la conectividadde la red LAN inalámbrica con Internet paraoperaciones de control remoto, servidor deimágenes y teleoperación.Además de los procesos que lleva a cabo elneurocontrolador, existen otros aspectos funcionalesimprescindibles para el control efectivo de laplataforma móvil. Se trata del módulo de navegacióny del módulo de control visuo-motor. Porconsideraciones de tiempo real, se hace necesario suprocesamiento dentro de la propia plataforma móvil.El primero de ellos obtiene información de laposición deseada y la proximidad a los posiblesobstáculos. La activación neuronal de las consignasde velocidad de cada una de las dos ruedas, estábasada nuevamente en los modelos VAM pararesolver de forma adaptativa el problema de lacoordinación espacial-motora. Finalmente, elsegundo de ellos permite estimar el centroide (encoordenadas de imagen) de cualquier objetivo yproyectar directamente esa información sobre lasarticulaciones del cabezal estereoscópico. Esteproceso permite centrar el objeto en situación devergencia simétrica (tal y como lo hace el sistemahumano) en cada cámara de visión. De esta forma seminimiza el error de estimación de la posición. Denuevo los modelos VAM se convierten en unaherramienta neuronal adecuada para la resolución deeste problema.5 CONCLUSIONESEn este trabajo se ha presentado por primera vez unaplataforma móvil diseñada e implementada paraoperar a partir de las especificaciones en las que seencuadra una de las tendencias más actuales en elcampo de la robótica de uso doméstico: losdenominados “real-world artifacts”. El robotpresentado, CARTHAGO, presenta unascaracterísticas pseudoantropomórficas con el objeto

de ampliar las tareas a procesos con un mayor rangoa nivel industrial. En definitiva, el diseño del sistemapresentado se cierra con las especificacionesfuncionales y técnicas del módulo que debe actuar amodo de cerebro del robot: el neurocontrolador.La clave del control autónomo que permita al robotCARTHAGO interactuar con el mundo real que lerodea, está en considerar los aspectos decomportamiento conocidos en el sistema biológicohumano. Muchas de las experiencias y desarrollos enel campo de los modelos neurobiológicos decoordinación senso-motora en dispositivos robóticosavanzados realizados por nuestro grupo deinvestigación han permitido identificar y planificarlos diferentes sub-módulos que conformarán elneurocontrolador.Referencias[1] Hirai, K., Hirose, M., Haikawa, Y., Takenaka,T. "The Development of Honda HumanoidRobot". , ICRA 1998, pp. 1321-1326.[2] Itsuki, N. "Framework of DistributedSimulation System for Multi-agentEnvironment", RoboCup 2000: Robot SoccerWorld Cup IV, Springer, 2001, Peter Stone,Tucker Balch, Gerhard Kraetzschmar ed.,pp.229-238[3] Verschure, P.F.M.J., Wray, J., Sporns, O.,Tononi, G. & Edelman, G.M. (1996) Multilevelanalysis of classical conditioning in a behavingreal world artifact. Robotics and AutonomousSystems, 16:247-265.[4] Pedreño-Molina, J.L., Guerrero-González, A.,López-Coronado, J. “A neural controller for arobotic hand with artificial tactile skins ingrasping tasks”, IEEE International Conf. onSystems, Man and Cybernetics, October 2000,Nashville, Tennessee.[5] http://www.rwii.com[6] Demiris, J., Hayes, G. "Imitative learningmechanisms in robots and humans".Proceedings of the 5th European Workshop onLearning Robots, Bari, Italy., 1996[8] Duchon, A.P., Warren, W. and Kaelbling, L."Ecological Robotics". Adaptive Behavior(1998) Special Issue on Biologically InspiredModels of Spatial Navigation, Vol. 6:3/4, 473-507.[9] Lambrinos, D., Scheier, C., Pfeifer R."Unsupervised Classification of Sensory-Motorstates in a Real World Artifact using aTemporal Kohonen Map". Proc. InternationalConference in Artificial Neural Networks'95[ICANN'95]. p. 467-472[10] http://www.k-team.com[11] Edelman, G., Reeke, G., Gall, E., Tononi, G.,Williams D., Sporns, O. "Synthetic neuralmodeling applied to a real-world artifact",Neurobiology, Proc. Ntl. Acad. Sci. USA, vol.89, pp. 7267-7271, August 1992.[12] http://www.irobot.com[13] Saksida, L.M., Raymond, S.M. and Touretzky,D.S. "Shaping robot behavior using principlesfrom instrumental conditioning". (1998)Robotics and Autonomous Systems, 22(3/4):231-249.[14] Thrun, S., Bennewitz, M., Burgard, W.,Cremers, A.B., Dellaert, F., Fox, D., Haehnel,D., Rosenberg, C., Roy, N., Schulte, J., Schulz,D. “MINERVA: A second generation mobiletour-guide robot”. Proc. of the IEEEInternational Conference on Robotics andAutomation (ICRA'99), 1999.[15] Fink, T., Hauck, A. Faber, G., "Toward ananthropomorphic robotical hand-eyecoordination". In IMACS Conference on Comp.Eng. in Systems Applications. (CESA'98), Vol.4, pp.: 483-488, 1998.[16] López-Coronado, J., Pedreño-Molina, J.L.,Guerrero-González, A., Gorce. P. "A neuralmodel for visual-tactile-motor integration inrobotic reaching and grasping tasks". Robotica,Volume 20, Issue 01. January 2002. pp23-31[7] Crook, P. and Hayes, G. "A RobotImplementation of a Biologically InspiredMethod for Novelty Detection". In Proceedingsof TIMR 2001 - Towards Intelligent MobileRobots, Manchester, April 2001.