A apresentação está carregando. Por favor, espere

A apresentação está carregando. Por favor, espere

Navegação Topológica para Futebol Robótico Gonçalo Neto Trabalho Final de Curso 627/2001/L Hugo Costelha Fevereiro.

Apresentações semelhantes


Apresentação em tema: "Navegação Topológica para Futebol Robótico Gonçalo Neto Trabalho Final de Curso 627/2001/L Hugo Costelha Fevereiro."— Transcrição da apresentação:

1 Navegação Topológica para Futebol Robótico Gonçalo Neto Trabalho Final de Curso 627/2001/L Hugo Costelha Fevereiro de 2003 Licenciatura em Engenharia Electrotécnica e de Computadores

2 2Gonçalo Neto e Hugo Costelha, 2003 Sumário M OTIVAÇÃO Mapa Topológico Localização e Navegação Resultados Finais Conclusões e Trabalho Futuro

3 3Gonçalo Neto e Hugo Costelha, 2003 Motivação Navegação métrica Necessita de um modelo geométrico do mundo. Pressupõe uma exactidão na informação dos sensores. Permite uma navegação mais precisa. Navegação topológica Permite uma especificação qualitativa dos objectivos de navegação. Utiliza um mapa adaptável e de fácil definição. Não se adequa a aplicações de grande precisão. Solução ideal Conciliar ambos os modelos de navegação. Métrica: navegação local, mais precisa. Topológica: navegação global, mais abrangente.

4 4Gonçalo Neto e Hugo Costelha, 2003 Sumário Motivação M APA T OPOLÓGICO Localização e Navegação Resultados Finais Conclusões e Trabalho Futuro

5 5Gonçalo Neto e Hugo Costelha, 2003 Posturas de Treino

6 6Gonçalo Neto e Hugo Costelha, 2003 Análise de Componentes Principais Extracção de imagens principais vectores próprios da matriz de covariância das imagens de treino: R = X X T Representação comprimida das imagens. Desprezam-se as componentes de menor importância - menores valores próprios.

7 7Gonçalo Neto e Hugo Costelha, 2003 Redução de Recursos Necessários Decomposição de R muito dispendiosa! No entanto… Os valores próprios (diferentes de zero) de R = X X T são iguais aos de A = X T X. Os vectores próprios de R podem ser obtidos dos de A e das imagens de treino (centradas na origem). v R = ( A ) -½ X v A Ainda é necessário armazenar todas as imagens de treino. Mas… Apenas são necessários os vectores próprios de R mais significativos. Pode utilizar-se um procedimento iterativo no seu cálculo.

8 8Gonçalo Neto e Hugo Costelha, 2003 Erro Quadrático de Reconstrução Conjunto de Treino Conjunto de Teste

9 9Gonçalo Neto e Hugo Costelha, 2003 Construção do Mapa Topológico O mapa deve ser útil à aplicação em questão. Pode ser representado como um grafo direccionado em que: Nós: correspondem aos locais do mapa. Transições: forma de viajar entre locais do mapa. No futebol robótico, poder-se-á ter: Nós: zonas do campo (meio campo, grandes áreas). Transições: movimentos elementares (virar à esquerda, ir em frente).

10 10Gonçalo Neto e Hugo Costelha, 2003 Descrição do Mapa Topológico rr: rodar à direita. rl: rodar à esquerda. mfgr: seguir em frente, com baliza do lado direito. mfgl: seguir em frente, com baliza do lado esquerdo. mb: seguir para trás. NBGL: baliza azul, perto e à esquerda. NBGR: baliza azul, perto e à direita. FBG: baliza azul, longe. NYGL: baliza amarela, perto e à esquerda. NYGR: ver a baliza amarela, perto e à direita. FYG: baliza amarela, longe. NOG: sem baliza.

11 11Gonçalo Neto e Hugo Costelha, 2003 Sumário Motivação Mapa Topológico L OCALIZAÇÃO E N AVEGAÇÃO Resultados Finais Conclusões e Trabalho Futuro

12 12Gonçalo Neto e Hugo Costelha, 2003 Localização no Mapa Passo essencial para uma boa navegação (topológica ou métrica). No caso topológico, equivale a identificar o nó do grafo em que o robot se encontra. Pode ser formulada como um problema de classificação. Projecção da imagem a classificar no espaço principal. Comparação com as projecções das imagens de treino. Utilização do método dos k-vizinhos mais próximos para localizar o robot num nó/classe. Podem ser utilizadas várias métricas.

13 13Gonçalo Neto e Hugo Costelha, 2003 Localização: Imagens Simuladas X e variável Y = 1.1 (m)

14 14Gonçalo Neto e Hugo Costelha, 2003 Localização: Imagens Reais X, Y e variáveis

15 15Gonçalo Neto e Hugo Costelha, 2003 Geração de Caminhos Utilização de algoritmos de procura, aplicados ao grafo. Grafos Grandes: definir uma heurística. utilizar A*. Grafos Pequenos (caso do futebol robótico): procura simples, pelo que não será muito vantajoso o uso de uma heurística. reduzir A* a procura de custo uniforme ou procura em largura.

16 16Gonçalo Neto e Hugo Costelha, 2003 Seguimento de Caminhos Idealmente, corresponderia à execução sequencial das transições que definem o caminho gerado. Contudo… Ambiente muito dinâmico e sujeito a alterações bruscas. Algumas transições apresentam percentagens de falha superiores a 50%. É necessário um mecanismo de detecção de falhas e geração de novos caminhos.

17 17Gonçalo Neto e Hugo Costelha, 2003 Sumário Motivação Mapa Topológico Localização e Navegação R ESULTADOS F INAIS Conclusões e Trabalho Futuro

18 18Gonçalo Neto e Hugo Costelha, 2003 Resultados Finais Vídeo 1 As regiões de fronteira entre os nós situam-se na zona do meio campo. Vídeo 2 As regiões de fronteira entre os nós situam-se na zona entre o meio campo e a grande área.

19 19Gonçalo Neto e Hugo Costelha, 2003

20 20Gonçalo Neto e Hugo Costelha, 2003

21 21Gonçalo Neto e Hugo Costelha, 2003 Sumário Motivação Mapa Topológico Localização e Navegação Resultados Finais C ONCLUSÕES E T RABALHO F UTURO

22 22Gonçalo Neto e Hugo Costelha, 2003 Conclusões Apresenta resultados promissores na navegação entre locais do mapa. Permite uma aprendizagem expedita das características relevantes do mundo, adaptando-se facilmente a diferentes ambientes. Demonstra flexibilidade face a diferentes mapas topológicos. Possibilita a utilização de linguagens qualitativas de especificação de objectivos. Pressupõe a utilização de mecanismos de controlo de falhas.

23 23Gonçalo Neto e Hugo Costelha, 2003 Trabalho Futuro RoboCup Challenge 4 – Play with an arbitrary FIFA ball É apresentada uma bola ao robot durante 60 segundos. O robot deverá procurar a bola no campo e marcar golo. O teste é feito com 3 bolas diferentes. Solução: Análise de Componentes Principais para guardar informação a priori acerca da bola. Navegação Topológica para conduzir o robot à bola. Comportamentos implementados na arquitectura actual do projecto SocRob para condução da bola até à baliza.

24 24Gonçalo Neto e Hugo Costelha, 2003 Obrigado pela vossa atenção!!! Gonçalo Neto Hugo Costelha

25 25Gonçalo Neto e Hugo Costelha, 2003

26 26Gonçalo Neto e Hugo Costelha, 2003 Anexos

27 27Gonçalo Neto e Hugo Costelha, 2003 Simulador da Câmara Permite: Acelerar o processo de desenvolvimento. Tornar o desenvolvimento flexível e independente dos robots. Obter resultados de um modo bastante rápido. Implementado em VRML (Virtual Reality Modelling Language). Independente da plataforma (Linux vs Windows © ). Interacção com Matlab © e JAVA. Possibilidade de variação das condições do ambiente e uso de texturas.

28 28Gonçalo Neto e Hugo Costelha, 2003 Imagens: Reais vs Simuladas Imagem simuladaImagem real

29 29Gonçalo Neto e Hugo Costelha, 2003 ___________

30 30Gonçalo Neto e Hugo Costelha, 2003 Modelo de Discretização Tipo de discretização: Uniforme: Mais flexível. Não necessita de conhecimento a priori. Permite a definição de vários mapas topológicos. Não uniforme: Mais precisa. Orientada a uma aplicação específica. Compromisso no número de imagens: Reduzido: pode não representar o campo correctamente. Elevado: pode tornar-se computacionalmente impraticável. No caso actual: Discretização Uniforme. Intervalos de Discretização: x=1m ; y=1m ; =45º

31 31Gonçalo Neto e Hugo Costelha, 2003 ___________

32 32Gonçalo Neto e Hugo Costelha, 2003 Associação das Imagens aos Nós Feita com base em características geométricas, definidas pelos próprios nós. Utiliza a grelha de discretização já mencionada. Permite, assim: Variação do local do mapa associado a cada nó (variando as imagens). Definição de vários mapas, utilizando a mesma grelha de discretização.

33 33Gonçalo Neto e Hugo Costelha, 2003 Associação das Imagens aos Nós

34 34Gonçalo Neto e Hugo Costelha, 2003 __________

35 35Gonçalo Neto e Hugo Costelha, 2003 Comparação de Parametrizações KMétricaTempo Médio de Classificação (s) 1Euclidiana Ponderada Euclidiana Ponderada Euclidiana Ponderada0.183

36 36Gonçalo Neto e Hugo Costelha, 2003 __________

37 37Gonçalo Neto e Hugo Costelha, 2003 Percentagem de Falhas


Carregar ppt "Navegação Topológica para Futebol Robótico Gonçalo Neto Trabalho Final de Curso 627/2001/L Hugo Costelha Fevereiro."

Apresentações semelhantes


Anúncios Google