Hispanopedia Wiki
Articulo de referencia

localización de la fuente del olor

La localización de la fuente de olor ( OSL , por sus siglas en inglés) es el problema de localizar el origen de una pluma química en el aire o en el agua utilizando uno o más se...

Hispanopedia WikiContenido en espanolLectura gratuita

La localización de la fuente de olor ( OSL , por sus siglas en inglés) es el problema de localizar el origen de una pluma química en el aire o en el agua utilizando uno o más sensores móviles, generalmente robots equipados con sensores químicos. La tarea se encuentra en la intersección de la robótica , la dinámica de fluidos y la olfacción artificial . [ 1 ] [ 2 ] Las plumas químicas en flujos turbulentos son intermitentes y discontinuas, y la mayoría de los sensores químicos responden lentamente y tienen selectividad limitada, por lo que la lectura instantánea disponible para un sensor en movimiento es una aproximación deficiente del campo de concentración subyacente promediado en el tiempo. [ 3 ] La OSL robótica se ha estudiado desde finales de la década de 1980 y tiene aplicaciones que incluyen la detección de fugas de gas , la búsqueda y rescate después de accidentes industriales y el monitoreo ambiental de emisiones industriales. [ 3 ] [ 4 ]

Historia

La búsqueda robótica de olores surgió a finales de los años 80 y 90, basándose en trabajos anteriores en ecología química que habían descrito cómo las polillas y otros insectos localizan fuentes de feromonas distantes. [ 5 ] RA Russell en la Universidad de Monash fue uno de los primeros en construir robots móviles que seguían rastros químicos en el suelo y rastreaban columnas de olor en el aire. [ 1 ] La búsqueda de olores distribuida y multi-robot fue investigada por Hayes, Martinoli y Goodman en el Instituto Tecnológico de California y EPFL , quienes estudiaron el rastreo cooperativo de columnas en enjambres de robots simulados y físicos. [ 6 ] En 2007 , Vergassola , Villermaux y Shraiman introdujeron la infotaxis , una estrategia de búsqueda basada en la teoría de la información en la que un sensor se mueve para maximizar la ganancia de información esperada sobre la ubicación de la fuente, en lugar de seguir un gradiente de concentración química; el artículo apareció en Nature y provocó un trabajo de seguimiento sustancial en la comunidad robótica. [ 7 ] Desde mediados de la década de 2010, los vehículos aéreos no tripulados multirrotor que transportaban sensores químicos ligeros se convirtieron en una plataforma experimental común para la investigación de OSL. [ 8 ]

Formulación del problema

La OSL generalmente se descompone en tres subproblemas: detección de la pluma (determinar si hay una señal química presente), recorrido de la pluma (moverse para permanecer en contacto con la pluma) y declaración de la fuente (determinar cuándo se ha alcanzado la fuente). [ 1 ] La dificultad matemática depende en gran medida del modelo de dispersión asumido. En flujos laminares o de bajo número de Reynolds, un modelo de advección-difusión gaussiano proporciona un campo de concentración suave con un gradiente bien definido. En flujos turbulentos , que predominan en la mayoría de los entornos realistas, la pluma es filamentosa: el sensor recibe ráfagas cortas y aleatorias de sustancias químicas separadas por períodos de señal cero, y el campo promediado en el tiempo no es una guía útil sobre las escalas de tiempo en las que debe actuar un robot. [ 3 ] La estimación del término fuente, estudiada por Hutchinson y colegas, también busca recuperar tanto la posición como la tasa de liberación de la fuente a partir de las concentraciones observadas, a menudo utilizando filtros probabilísticos. [ 4 ]

Inspiración biológica

Muchas estrategias OSL se modelan explícitamente en el comportamiento de las polillas macho que vuelan contra el viento hacia una fuente de feromonas. Como revisaron Cardé y Willis, las polillas combinan un impulso contra el viento cuando detectan un filamento de feromona con un desplazamiento transversal más amplio cuando pierden el contacto, produciendo una trayectoria característica en zigzag que ha sido transpuesta a robots móviles por varios grupos. [ 5 ] [ 1 ] Otros modelos biológicos se basan en el comportamiento de búsqueda de los perros y de animales marinos como los cangrejos azules y las langostas, que integran señales químicas e hidrodinámicas bilaterales en rangos mucho más cortos. [ 2 ]

Algoritmos y estrategias

Estrategias reactivas

Las estrategias reactivas seleccionan el siguiente movimiento en función directa de la lectura actual del sensor. La quimiotaxis se dirige a lo largo del gradiente de concentración estimado localmente, lo cual es efectivo en penachos laminares pero se degrada severamente en turbulencia. La anemotaxis aprovecha una dirección de viento medida mediante un movimiento ascendente contra el viento cuando se produce contacto químico. La familia de estrategias biológicas de desplazamiento y ascenso combina la anemotaxis con un desplazamiento transversal determinista al perder el contacto, y es el enfoque reactivo dominante para entornos turbulentos. [ 1 ] [ 9 ]

Estrategias probabilísticas y basadas en la teoría de la información

Los métodos probabilísticos mantienen una distribución posterior sobre las posibles ubicaciones de la fuente y eligen acciones que mejoran dicha distribución. La estrategia de infotaxis de Vergassola, Villermaux y Shraiman selecciona el movimiento que maximiza la reducción esperada en la entropía de la distribución posterior de la ubicación de la fuente, y es eficaz en regímenes donde el gradiente espacial no es utilizable. [ 7 ] La estimación bayesiana del término fuente extiende esta idea al inferir tanto la posición de la fuente como la tasa de liberación, generalmente utilizando filtros de partículas o Monte Carlo secuencial . [ 4 ]

Estrategias basadas en mapas

Los métodos basados ​​en mapas construyen un modelo espacial de la distribución de gas promediada en el tiempo a partir de las lecturas de los sensores recopiladas a lo largo de la trayectoria del robot y buscan máximos locales en ese modelo. Lilienthal y sus colegas describen una familia de técnicas de mapeo de distribución de gas basadas en núcleos en las que las mediciones puntuales se convolucionan con un núcleo gaussiano para producir una estimación extrapolada espacialmente. [ 3 ] Estos métodos son más útiles cuando se puede suponer que la fuente es cuasiestacionaria y el robot puede volver a visitar las ubicaciones.

Estrategias multirobot y de enjambre

La búsqueda cooperativa de múltiples robots puede acortar los tiempos de búsqueda. Las formaciones cooperativas distribuyen los sensores a lo largo del eje del viento transversal, lo que aumenta la probabilidad de detectar una columna intermitente. [ 6 ] Los enfoques basados ​​en enjambres , revisados ​​por Wang y sus colegas, despliegan un mayor número de agentes más simples y se basan en el comportamiento colectivo en lugar de la planificación centralizada; entre las ventajas reportadas se incluyen una mejor cobertura del área de búsqueda y la posibilidad de localizar múltiples fuentes en paralelo. [ 10 ]

Sensores y plataformas

La mayoría de los sistemas OSL utilizan sensores de semiconductores de óxido metálico (MOX), detectores de fotoionización o celdas electroquímicas , que comprometen la sensibilidad, la selectividad, el tiempo de respuesta y el consumo de energía. Ishida y sus colegas describen cómo estos sensores interactúan con el flujo de aire alrededor del cuerpo del robot, un efecto que justifica un diseño aerodinámico cuidadoso y un muestreo activo. [ 2 ] Las plataformas móviles incluyen robots terrestres con ruedas para entornos interiores y exteriores estructurados, vehículos aéreos no tripulados multirrotor para espacios abiertos y fuentes elevadas, y vehículos submarinos autónomos para columnas químicas en el medio marino. [ 1 ]

Sistemas notables

Entre las primeras demostraciones, la serie de robots de accionamiento diferencial de RA Russell en la Universidad de Monash localizó fuentes volátiles en habitaciones sin ventilación y ventiladas durante la década de 1990. [ 1 ] El vehículo aéreo nanoolfateador informado por Burgués y colegas utilizó un nanocuadricóptero Crazyflie  (aproximadamente 27 gramos de masa y 10 cm de ancho) que transportaba una placa de detección de gas MOX personalizada, y construyó mapas de distribución de gas tridimensionales de liberaciones en interiores a partir de vuelos de barrido de menos de tres minutos. [ 8 ] El simulador GADEN , publicado por Monroy y colegas, acopla la dispersión tridimensional calculada a partir de un solucionador CFD OpenFOAM con modelos de sensores de gas MOX y de fotoionización, y se utiliza ampliamente para probar algoritmos de olfacción de robots móviles en simulación. [ 11 ]

Aplicaciones

Entre las aplicaciones reportadas se incluyen la localización de fugas de gas natural y metano en infraestructura urbana, la búsqueda de contaminación química después de accidentes industriales, búsqueda y rescate, y monitoreo ambiental de emisiones industriales. [ 4 ] [ 3 ] Los robots detectores de drogas y explosivos son un área de aplicación adyacente, aunque estos generalmente se basan en la detección a corta distancia en lugar del seguimiento de columnas de humo a larga distancia. [ 2 ]

Desafíos abiertos

Entre los desafíos abiertos identificados en revisiones recientes se incluyen la velocidad, selectividad y estabilidad limitadas de los sensores químicos disponibles; la escasez de puntos de referencia estandarizados a gran escala comparables a los disponibles en visión artificial ; el manejo confiable de entornos de múltiples fuentes, donde fallan las suposiciones estándar de fuente única; y la integración de OSL con otros subsistemas de vehículos autónomos, como la evitación de obstáculos y la navegación en flujo turbulento tridimensional. [ 9 ] [ 10 ]

Véase también

Referencias

  1. 1 2 3 4 5 6 7 Kowadlo, Gideon; Russell, R. Andrew (2008). "Localización de olores en robots: una taxonomía y revisión". The International Journal of Robotics Research . 27 (8): 869– 894. Bibcode : 2008IJRR...27..869K . doi : 10.1177/0278364908095118 .
  2. 1 2 3 4 Ishida, Hiroshi; Wada, Yuta; Matsukura, Haruka (2012). "Detección química en aplicaciones robóticas: una revisión". Revista de sensores IEEE . 12 (11): 3163– 3173. Bibcode : 2012ISenJ..12.3163I . doi : 10.1109/JSEN.2012.2208740 .
  3. 1 2 3 4 5 Lilienthal, Achim J.; Loutfi, Amy; Duckett, Tom (2006). "Detección química aérea con robots móviles" . Sensors . 6 (11): 1616– 1678. Bibcode : 2006Senso...6.1616L . doi : 10.3390/s6111616 . PMC 3909418 . 
  4. 1 2 3 4 Hutchinson, Michael; Oh, Hyondong; Chen, Wen-Hua (2017). "Una revisión de los métodos de estimación de términos fuente para eventos de dispersión atmosférica utilizando sensores estáticos o móviles" . Information Fusion . 36 : 130–148 . doi : 10.1016/j.inffus.2016.11.010 .
  5. 1 2 Cardé, Ring T.; Willis, Mark A. (2008). "Estrategias de navegación utilizadas por los insectos para encontrar fuentes de olor distantes transportadas por el viento". Journal of Chemical Ecology . 34 (7): 854– 866. Bibcode : 2008JCEco..34..854C . doi : 10.1007/s10886-008-9484-5 . PMID 18581182 . 
  6. 1 2 Hayes, Adam T.; Martinoli, Alcherio; Goodman, Rodney M. (2002). "Localización distribuida de fuentes de olor". IEEE Sensors Journal . 2 (3): 260– 271. Bibcode : 2002ISenJ...2..260H . doi : 10.1109/JSEN.2002.800682 .
  7. 1 2 Vergassola, Massimo; Villermaux, Emmanuel; Shraiman, Boris I. (2007). "La «infotaxis» como estrategia de búsqueda sin gradientes. Nature . 445 (7126): 406– 409. Bibcode : 2007Natur.445..406V . doi : 10.1038/nature05464 . PMID 17251974 . 
  8. 1 2 Burgués, Javier; Hernández, Víctor; Lilienthal, Achim J.; Marco, Santiago (2019). "Nano vehículo aéreo oliente para localización y mapeo de fuentes de gas" . Sensores . 19 (3): 478. Código Bib : 2019Senso..19..478B . doi : 10.3390/s19030478 . PMC 6386952 . PMID 30682827 .  
  9. 1 2 Chen, Xinxing; Huang, Jian (2019). "Algoritmos de localización de fuentes de olor en robots móviles: una revisión y perspectivas futuras". Robotics and Autonomous Systems . 112 : 123– 136. doi : 10.1016/j.robot.2018.11.014 .
  10. 1 2 Wang, Junhan; Lin, Yuezhang; Liu, Ruirui; Fu, Jun (2022). "Localización de la fuente de olor de múltiples robots con algoritmos de inteligencia de enjambre: una revisión" . Frontiers in Neurorobotics . 16 949888. doi : 10.3389/fnbot.2022.949888 . PMC 9748100. PMID 36531914 .  
  11. ↑ Monroy, Javier; Hernandez-Bennetts, Victor; Fan, Han; Lilienthal, Achim; Gonzalez-Jimenez, Javier (2017). "GADEN: un simulador de dispersión de gases 3D para la olfacción de robots móviles en entornos realistas" . Sensors . 17 (7): 1479. Bibcode : 2017Senso..17.1479M . doi : 10.3390/s17071479 . PMC 5539624. PMID 28644375 .