An optical flow-based sensing system for reactive mobile robot navigation

This work discusses the use of optical flow to generate the sensorial information a mobile robot needs to react to the presence of obstacles when navigating in a non-structured environment. A sensing system based on optical flow and time-to-collision calculation is here proposed and experimented, which accomplishes two important paradigms. The first one is that all computations are performed onboard the robot, in spite of the limited computational capability available. The second one is that the algorithms for optical flow and time-to-collision calculations are fast enough to give the mobile robot the capability of reacting to any environmental change in real-time. Results of real experiments in which the sensing system here proposed is used as the only source of sensorial data to guide a mobile robot to avoid obstacles while wandering around are presented, and the analysis of such results allows validating the proposed sensing system.

Aprendizagem por imitação através de mapeamento Visuomotor baseado em imagens omnidirecionais

Este trabalho propõe uma metodologia de aprendizagem que permite a um robô aprender uma tarefa adaptando-a e representando-a de acordo com a sua capacidade motora e sensorial. Primeiramente, um mapeamento sensoriomotor é criado e converte informação sensorial em informação motora. Depois, através de imitação, o robô aprende um conjunto de ações elementares formando um vocabulário motor. A imitação é baseada nas representações motoras obtidas com o mapeamento sensoriomotor. O vocabulário motor criado é então utilizado para aprender e realizar tarefas mais sofisticadas, compostas por seqüências ou combinações de ações elementares. Esta metodologia é ilustrada através de uma aplicação de mapeamento e navegação topológica com um robô móvel. O automovimento é utilizado como mapeamento visuomotor, convertendo o fluxo óptico em imagens omnidirecionais em informação motora (translação e rotação), a qual é usada para a criação de um vocabulário motor. A seguir, o vocabulário é utilizado para mapeamento e navegação topológica. Os resultados obtidos são interessantes e a abordagem proposta pode ser estendida a diferentes robôs e aplicações.

Uma contribuição ao estudo de sinais de EEG para avaliar estados emocionais e mentais de crianças com autismo na interação com robô móvel

O Transtorno do Espectro do Autismo (TEA) caracteriza-se por uma série de distúrbios cognitivos e neurocomportamentais e sua prevalência mundial é estimada em 1 criança com TEA a cada 160 crianças com típico desenvolvimento (TD). Indivíduos com TEA apresentam dificuldade em interpretar as emoções alheias e em expressar sentimentos. As emoções podem ser associadas à manifestação de sinais fisiológicos, e, dentre eles, os sinais cerebrais têm sido muito abordados. A detecção dos sinais cerebrais de crianças com TEA pode ser benéfica para o esclarecimento de suas emoções e expressões. Atualmente, muitas pesquisas integram a robótica ao tratamento pedagógico do TEA, através da interação com crianças com esse transtorno, estimulando habilidades sociais, como a imitação e a comunicação. A avaliação dos estados mentais de crianças com TEA durante a sua interação com um robô móvel é promissora e assume um aspecto inovador. Assim, os objetivos deste trabalho foram captar sinais cerebrais de crianças com TEA e de crianças com TD, como grupo controle, para o estudo de seus estados emocionais e para avaliar seus estados mentais durante a interação com um robô móvel, e avaliar também a interação dessas crianças com o robô, através de escalas quantitativas. A técnica de registro dos sinais cerebrais escolhida foi a eletroencefalografia (EEG), a qual utiliza eletrodos colocados de forma não invasiva e não dolorosa sobre o couro cabeludo da criança. Os métodos para avaliar a eficiência do uso da robótica nessa interação foram baseados em duas escalas internacionais quantitativas: Escala de Alcance de Metas (do inglês Goal Attainment Scaling - GAS) e Escala de Usabilidade de Sistemas (do inglês System Usability Scale - SUS). Os resultados obtidos mostraram que, pela técnica de EEG, foi possível classificar os estados emocionais de crianças com TD e com TEA e analisar a atividade cerebral durante o início da interação com o robô, através dos ritmos alfa e beta. Com as avaliações GAS e SUS, verificou-se que o robô móvel pode ser considerado uma potencial ferramenta terapêutica para crianças com TEA.

Um algoritmo PSO híbrido para planejamento de caminhos em navegação de veículos utilizando A*

Utilizar robôs autônomos capazes de planejar o seu caminho é um desafio que atrai vários pesquisadores na área de navegação de robôs. Neste contexto, este trabalho tem como objetivo implementar um algoritmo PSO híbrido para o planejamento de caminhos em ambientes estáticos para veículos holonômicos e não holonômicos. O algoritmo proposto possui duas fases: a primeira utiliza o algoritmo A* para encontrar uma trajetória inicial viável que o algoritmo PSO otimiza na segunda fase. Por fim, uma fase de pós planejamento pode ser aplicada no caminho a fim de adaptá-lo às restrições cinemáticas do veículo não holonômico. O modelo Ackerman foi considerado para os experimentos. O ambiente de simulação de robótica CARMEN (Carnegie Mellon Robot Navigation Toolkit) foi utilizado para realização de todos os experimentos computacionais considerando cinco instâncias de mapas geradas artificialmente com obstáculos. O desempenho do algoritmo desenvolvido, A*PSO, foi comparado com os algoritmos A*, PSO convencional e A* Estado Híbrido. A análise dos resultados indicou que o algoritmo A*PSO híbrido desenvolvido superou em qualidade de solução o PSO convencional. Apesar de ter encontrado melhores soluções em 40% das instâncias quando comparado com o A*, o A*PSO apresentou trajetórias com menos pontos de guinada. Investigando os resultados obtidos para o modelo não holonômico, o A*PSO obteve caminhos maiores entretanto mais suaves e seguros.