Plataforma experimental para el modelado y control de robots omnidireccionales
Resumen
En este artículo es presentada una plataforma experimental para el desarrollo de algoritmos de robótica, control y aprendizaje. La arquitectura propuesta basada en ROS es abierta, permitiendo la integración de diferentes sensores, unidades de procesamiento y robots. Un Controlador por Rechazo Activo de Perturbaciones (CRAP) es diseñado sobre un robot omnidireccional para validar la plataforma desarrollada. Incertidumbres paramétricas, la fricción de las ruedas sobre la superficie y las perturbaciones externas son agrupadas en una perturbación total, la cual es estimada por un Observador de Estado Extendido y
y compensada mediante un término feedforward en la ley de control. El robot omnidireccional se puede comunicar a través de ROS mediante un sistema de captura de movimiento (servidor). Se presentan los resultados de las simulaciones y experimentos en tiempo real. El algoritmo de control es ligero y fácil de implementar y ajustar en sistemas embebidos con pocos recursos computacionales o de bajo costo.
Descargas
Citas
Bihlmaier, A. y Wörn, H. (2016). Hands-on Learning of ROS Using Common Hardware, pp. 29–50. Springer International Publishing, Cham.
Campion, G., d’Andrea Novel, B., y Bastin, G. (1996). Structural properties and clasification on kinematic and dynamic models of wheeled mobile robots. IEEE Transactions on Robotics and Automation.
Cousins, S., Gerkey, B., y Conley, K. (2010). Sharing software with ros. Robotics Automation Magazine, IEEE.
Curiel-Olivares, G., Linares-Flores, J., Guerrero-Castellanos, J., y Hernandez-Mendez, A. (2021). Self-balancing based on active disturbance rejection controller for the two-in-wheeled electric vehicle, experimental results. Mechatronics, 76:102552.
Galli, M., Barber, R., Garrido, S., y Moreno, L. (2017). Path planning using matlab-ros integration applied to mobile robots.
Gao, X., Li, J., Fan, L., Zhou, Q., Yin, K., Wang, J., Song, C., Huang, L., y Wang, Z. (2018). Review of wheeled mobile robots’ navigation problemsand application prospects in agriculture. IEEE Access, 6:49248–49268.
Gentilini, L., Rossi, S., Mengoli, D., Eusebi, A., y Marconi, L. (2021). Trajectory planning ros service for an autonomous agricultural robot. En 2021 IEEE International Workshop on Metrology for Agriculture and Forestry (MetroAgriFor), pp. 384–389.
Guerrero-Castellanos, J., Rifaï, H., Arnez-Paniagua, V., Linares-Flores, J., Saynes-Torres, L., y Mohammed, S. (2018). Robust active disturbance rejection control via control lyapunov functions: Application to actuatedankle–foot-orthosis. Control Engineering Practice, 80:49 – 60.
Guerrero-Castellanos, J., Villarreal Cervantes, M., Sanchez Santana, J., y Ramírez Martínez, S. (2014). Seguimiento de trayectorias de un robot móvil (3,0) mediante control acotado. Revista Iberoamericana de Automática e Informática industrial, 11(4):426–434.
Haghighat, M. R. y Sadeghnejad, S. (2022). Simulation of a two-wheeled selfbalancing wheelchair using ros-gazebo. En 2022 10th RSI International Conference on Robotics and Mechatronics (ICRoM), pp. 95–101.
Hu, K., Gu, C., y Chen, J. (2022). Ltrack: A lora-based indoor tracking system for mobile robots. IEEE Transactions on Vehicular Technology, 71(4):4264–4276.
Lee, D., Kang, G., Kim, B., y Shim, D. H. (2021). Assistive delivery robot application for real-world postal services. IEEE Access, 9:141981–141998.
Martin, J., Ansuategi, A., Maurtua, I., Gutierrez, A., Obregón, D., Casquero, O., y Marcos, M. (2021). A generic ros-based control architecture for pest inspection and treatment in greenhouses using a mobile manipulator. IEEE Access, 9:94981–94995.
Misēikis, J., Caroni, P., Duchamp, P., Gasser, A., Marko, R., Misēikiené, N., Zwilling, F., de Castelbajac, C., Eicher, L., Fruh, M., y Früh, H. (2020). Lio-a personal robot assistant for human-robot interaction and care applications. IEEE Robotics and Automation Letters, 5(4):5339–5346.
Niroui, F., Zhang, K., Kashino, Z., y Nejat, G. (2019). Deep reinforcement learning robot for search and rescue applications: Exploration in unknown cluttered environments. IEEE Robotics and Automation Letters, 4(2):610–617.
Pak, J., Kim, J., Park, Y., y Son, H. I. (2022). Field evaluation of path-planning algorithms for autonomous mobile robot in smart farms. IEEE Access, 10:60253–60266.
Parada-Salado, J. G., Ortega-Garcia, L. E., Ayala-Ramirez, L. F., Perez-Pinal, F. J., Herrera-Ramirez, C. A., y Padilla-Medina, J. A. (2018). A low-cost land wheeled autonomous mini-robot for in-door surveillance. IEEE Latin America Transactions, 16(5):1298–1305.
Quigey, M., Gerkey, B., Conley, K., Faust, J., Foote, T., Leibs, J., Berger, E., Wheeler, R., y Ng, A. (2009). Ros: an open-source robot operating system. En ICRA Workshop on Open Source Software.
Wang, D., Leung, H., Kurian, A. P., Kim, H.-J., y Yoon, H. (2010). A deconvolutive neural network for speech classification with applications to home service robot. IEEE Transactions on Instrumentation and Measurement, 59(12):3237–3243.
Derechos de autor 2024 Luis Yair Leal-Ramos, Luis Antonio Jonguitud-Indalecio, María Ortíz-Michimani, Juan Díaz-Téllez, José Pedro Sánchez-Santana, José Fermi Guerrero-Castellanos
Esta obra está bajo licencia internacional Creative Commons Reconocimiento-NoComercial-SinObrasDerivadas 4.0.
