1.4: Desafíos de los robots autónomos móviles
- Page ID
- 85043
Ser capaz de unir la información del sensor para mapear el entorno con solo contar sus propios pasos y orientarse mediante el uso de distintas características del entorno se conoce como Localización y Mapeo Simultáneo (SLAM). El desafío clave aquí es que la longitud de los pasos que das es incierta (un robot con ruedas puede deslizarse o tener ruedas de tamaño ligeramente diferente, por ejemplo) y no es posible reconocer lugares con una precisión del 100% (ni siquiera para un humano). Para poder implementar algo así como el último algoritmo en un robot real, por lo tanto, necesitaremos entender
- ¿Cómo se mueve un robot? ¿Cómo afecta la rotación de sus ruedas a su posición y velocidad en el mundo?
- ¿Cómo tenemos que controlar la velocidad de la rueda para alcanzar una posición deseada?
- ¿Qué sensores existen para que un robot perciba su propio estado y su entorno?
- ¿Cómo podemos extraer información estructurada de una gran cantidad de datos de sensores?
- ¿Cómo podemos localizarnos en el mundo?
- ¿Cómo se puede representar el error y cómo podemos razonar ante la incertidumbre?
Para responder a estas preguntas, nos basaremos en la trigonometría, el álgebra lineal y la teoría de la probabilidad. Los conceptos específicos que se utilizarán a lo largo de este libro son la trigonometría básica, la notación matricial, la fórmula de Bayes y el concepto de distribuciones de probabilidad. ¡Verás que la robótica es en realidad un gran vehículo para agregar significado a estos conceptos!