Evitar obstáculos

En robótica , la evitación de obstáculos es un aspecto fundamental de los sistemas de navegación y control autónomos. Se trata de la capacidad de un robot o sistema/máquina autónoma para detectar y sortear obstáculos en su camino hacia un destino predefinido. Esta tecnología desempeña un papel crucial en diversos campos, como la automatización industrial, los vehículos autónomos, los drones e incluso la exploración espacial. La evitación de obstáculos permite a los robots operar de forma segura y eficiente en entornos dinámicos y complejos, reduciendo el riesgo de colisiones y daños.

Para que un robot o sistema autónomo pueda sortear obstáculos con éxito, debe ser capaz de detectarlos. Esto se logra comúnmente mediante el uso de sensores , que permiten al robot procesar su entorno, tomar una decisión sobre cómo evitar un obstáculo y ejecutarla mediante sus efectores, o herramientas que le permiten interactuar con su entorno. ^{[ 1 ]}

Aproches

Existen diversos métodos para que los robots o máquinas autónomas tomen decisiones en tiempo real. Algunos de estos métodos incluyen enfoques basados en sensores, algoritmos de planificación de rutas y técnicas de aprendizaje automático .

Basado en sensores

Uno de los enfoques más comunes para evitar obstáculos es el uso de diversos sensores, como ultrasonidos , LiDAR , radar , sonar y cámaras . Estos sensores permiten que una máquina autónoma realice un proceso simple de tres pasos: percibir, pensar y actuar. Reciben información sobre las distancias de los objetos y proporcionan al robot datos sobre su entorno, lo que le permite detectar obstáculos y calcular sus distancias. El robot puede entonces ajustar su trayectoria para sortear estos obstáculos manteniendo su ruta prevista. Todo esto se realiza en tiempo real y puede utilizarse de forma práctica y eficaz en la mayoría de las aplicaciones de evitación de obstáculos ^{[ 1 ]}^{[ 2 ].}

Si bien este método funciona bien en la mayoría de las circunstancias, existen casos en los que técnicas más avanzadas podrían ser útiles y apropiadas para alcanzar un objetivo de manera eficiente.

Un ejemplo de A*, un algoritmo de planificación de rutas.

Algoritmos de planificación de rutas

Los algoritmos de planificación de rutas son fundamentales para calcular y trazar rutas óptimas libres de colisiones. Estos algoritmos consideran la posición del robot, su destino y la ubicación de los obstáculos en el entorno. Recopilan y almacenan esta información para mapear un área y, posteriormente, utilizan ese mapa para calcular la ruta más rápida posible hacia un destino específico. Dichos algoritmos se utilizan comúnmente en laberintos de enrutamiento y vehículos autónomos. Entre los algoritmos de planificación de rutas más populares se encuentran A* (A*), el algoritmo de Dijkstra y los árboles aleatorios de exploración rápida (RRT). Estos algoritmos ayudan al robot a encontrar la ruta más rápida para alcanzar su objetivo evitando colisiones, todo ello en tiempo real. ^{[ 3 ]}

Técnicas de aprendizaje automático

Con el uso del aprendizaje automático, el abanico de posibilidades para evitar obstáculos se amplía enormemente. Gracias a la inteligencia artificial (IA), una máquina autónoma puede encontrar una ruta para llegar a su destino y, al mismo tiempo, aprender a adaptarse a un entorno que cambia rápidamente. Esto se logra mediante numerosas pruebas en las que se expone a obstáculos y cambios ambientales. Al asignarle una tarea y recompensarla por realizarla correctamente, con el tiempo aprende a ejecutarla de forma eficiente y eficaz. Esto permite a la máquina comprender cuáles son sus obstáculos y encontrar una ruta eficiente para sortearlos. También le otorga la capacidad de aprender a gestionar situaciones específicas, como la presencia de agua, pendientes, fuertes vientos o temperaturas extremas, entre otras. El uso de la IA permite a la máquina autónoma reaccionar adecuadamente ante una gran variedad de situaciones, tanto previstas como imprevistas. Esta forma de evitar obstáculos resulta especialmente útil en vehículos autónomos, ya que elimina posibles errores humanos. ^{[ 4 ]}

Aplicaciones

La evitación de obstáculos se puede encontrar en una variedad de campos diferentes, que incluyen, entre otros:

Vehículos autónomos: Los vehículos con capacidad de conducción autónoma existen desde la década de 1980 y se han popularizado especialmente en la cultura moderna gracias a empresas como Tesla y Nvidia . ^{[ 5 ]}
satélites: Debido a la presencia de desechos alrededor de la órbita terrestre, los satélites deben ser capaces de evitarlos. Para ello, detectan y calculan si un objeto impactará contra el satélite y cuándo lo hará. Una vez hecho esto, el satélite puede usar la resistencia aerodinámica para desacelerar y cambiar su trayectoria para evitar el impacto. ^{[ 6 ]}
Drones: Los drones pueden utilizarse de forma autónoma por diversas razones, entre las que se incluyen correo, uso militar, cartografía, agricultura y mucho más. ^{[ 7 ]}
Transporte público: El auge de los vehículos autónomos también ha propiciado su uso en el transporte público como una alternativa más económica a la contratación de conductores, eliminando además posibles errores humanos. ^{[ 8 ]}
Sistemas industriales: Las grandes corporaciones utilizan la evitación de obstáculos en sus sistemas industriales automatizados, lo que elimina la necesidad de trabajadores y reduce la cantidad de errores cometidos.

Desafíos

Aunque estas estrategias para incorporar la evitación de obstáculos funcionan, presentan desafíos que aún requieren mayor desarrollo y planificación. Por ejemplo, es difícil para los sensores captar rápidamente información sobre su entorno, que la máquina la procese y tome una decisión sobre cómo evitar un obstáculo cuando se mueve demasiado rápido. Este problema es muy difícil de solucionar y, si la máquina no puede actuar con la suficiente rapidez, puede provocar el peligro o la destrucción de la máquina y de las personas que se encuentren a su alrededor. También es increíblemente difícil prever todos los posibles obstáculos que puedan interponerse en el camino de una máquina autónoma. Por ejemplo, en el caso de los satélites, existen millones de fragmentos de basura espacial en la órbita terrestre, por lo que es difícil saber cuándo, desde dónde y cuándo podría impactar uno contra un satélite. ^{[ 9 ]}

Referencias

1 2 Wang J, Herath D (2022). "¿Qué hace a los robots? Sensores, actuadores y algoritmos". En Herath D, St-Onge D (eds.). Fundamentos de la robótica: un enfoque multidisciplinario con Python y ROS . Singapur: Springer Nature. pp. 177–203 . doi : 10.1007/978-981-19-1983-1_7 . ISBN 978-981-19-1983-1.
↑ Discant A, Rogozan A, Rusu C, Bensrhair A (mayo de 2007). Sensores para la detección de obstáculos: una revisión . 30.º Seminario Internacional de Primavera sobre Tecnología Electrónica (ISSE) de 2007. IEEE. pp. 100–105 . doi : 10.1109/ISSE.2007.4432828 .
↑ Véras LG, Medeiros FL, Guimaráes LN (marzo de 2019). "Revisión sistemática de la literatura sobre el proceso de muestreo en árboles aleatorios de exploración rápida" . IEEE Access . 7 : 50933–50953 . Bibcode : 2019IEEEA...750933V . doi : 10.1109/ACCESS.2019.2908100 . S2CID 133481997 .
↑ Bachute MR, Subhedar JM (diciembre de 2021). "Arquitecturas de conducción autónoma: perspectivas de los algoritmos de aprendizaje automático y aprendizaje profundo" . Machine Learning with Applications . 6 100164. doi : 10.1016/j.mlwa.2021.100164 . S2CID 240502983 .
↑ Bimbraw K (2015). «Automóviles autónomos: pasado, presente y futuro - Una revisión de los desarrollos del último siglo, el escenario actual y el futuro esperado de la tecnología de vehículos autónomos». Actas de la 12.ª Conferencia Internacional sobre Informática en Control, Automatización y Robótica . Scitepress - Publicaciones de Ciencia y Tecnología. pp. 191–198 . doi : 10.5220/0005540501910198 . ISBN 978-989-758-122-9. S2CID 9957244 .
↑ "Mitigación de la generación de desechos espaciales" . Agencia Espacial Europea . Consultado el 9 de noviembre de 2023 .
↑ "Vehículos aéreos autónomos y drones" . Tecnología de sistemas no tripulados . 20 de octubre de 2023. Consultado el 9 de noviembre de 2023 .
↑ Iclodean C, Cordos N, Varga BO (2020-06-06). "Autobús lanzadera autónomo para el transporte público: una revisión" . Energies . 13 (11): 2917. doi : 10.3390/en13112917 . ISSN 1996-1073 .
↑ Kohout B (2000). "Desafíos en la evitación de obstáculos en tiempo real" . Simposio de primavera de la AAAI sobre sistemas autónomos en tiempo real .

[:0-1] 1 2 Wang J, Herath D (2022). "¿Qué hace a los robots? Sensores, actuadores y algoritmos". En Herath D, St-Onge D (eds.). Fundamentos de la robótica: un enfoque multidisciplinario con Python y ROS . Singapur: Springer Nature. pp. 177–203 . doi : 10.1007/978-981-19-1983-1_7 . ISBN 978-981-19-1983-1.

[2] Discant A, Rogozan A, Rusu C, Bensrhair A (mayo de 2007). Sensores para la detección de obstáculos: una revisión . 30.º Seminario Internacional de Primavera sobre Tecnología Electrónica (ISSE) de 2007. IEEE. pp. 100–105 . doi : 10.1109/ISSE.2007.4432828 .

[3] Véras LG, Medeiros FL, Guimaráes LN (marzo de 2019). "Revisión sistemática de la literatura sobre el proceso de muestreo en árboles aleatorios de exploración rápida" . IEEE Access . 7 : 50933–50953 . Bibcode : 2019IEEEA...750933V . doi : 10.1109/ACCESS.2019.2908100 . S2CID 133481997 .

[4] Bachute MR, Subhedar JM (diciembre de 2021). "Arquitecturas de conducción autónoma: perspectivas de los algoritmos de aprendizaje automático y aprendizaje profundo" . Machine Learning with Applications . 6 100164. doi : 10.1016/j.mlwa.2021.100164 . S2CID 240502983 .

[5] Bimbraw K (2015). «Automóviles autónomos: pasado, presente y futuro - Una revisión de los desarrollos del último siglo, el escenario actual y el futuro esperado de la tecnología de vehículos autónomos». Actas de la 12.ª Conferencia Internacional sobre Informática en Control, Automatización y Robótica . Scitepress - Publicaciones de Ciencia y Tecnología. pp. 191–198 . doi : 10.5220/0005540501910198 . ISBN 978-989-758-122-9. S2CID 9957244 .

[6] "Mitigación de la generación de desechos espaciales" . Agencia Espacial Europea . Consultado el 9 de noviembre de 2023 .

[7] "Vehículos aéreos autónomos y drones" . Tecnología de sistemas no tripulados . 20 de octubre de 2023. Consultado el 9 de noviembre de 2023 .

[8] Iclodean C, Cordos N, Varga BO (2020-06-06). "Autobús lanzadera autónomo para el transporte público: una revisión" . Energies . 13 (11): 2917. doi : 10.3390/en13112917 . ISSN 1996-1073 .

[9] Kohout B (2000). "Desafíos en la evitación de obstáculos en tiempo real" . Simposio de primavera de la AAAI sobre sistemas autónomos en tiempo real .

[ 2 ].

[ 3 ]

[ 4 ]

[ 5 ]

[ 6 ]

[ 7 ]

[ 8 ]

[ 9 ]