Contributions to autonomous robust navigation of mobile robots in industrial applications

  1. LLUVIA HERMOSILLA, IKER
Dirigée par:
  1. Ander Ansuategui Cobo Directeur/trice
  2. Elena Lazkano Ortega Directeur/trice

Université de défendre: Universidad del País Vasco - Euskal Herriko Unibertsitatea

Fecha de defensa: 28 avril 2023

Département:
  1. Ciencia de la Computación e Inteligencia Artificial

Type: Thèses

Teseo: 808021 DIALNET lock_openADDI editor

Résumé

Un aspecto en el que las plataformas móviles actuales se quedan atrás en comparación con el punto quese ha alcanzado ya en la industria es la precisión. La cuarta revolución industrial trajo consigo laimplantación de maquinaria en la mayor parte de procesos industriales, y una fortaleza de estos es surepetitividad. Los robots móviles autónomos, que son los que ofrecen una mayor flexibilidad, carecen deesta capacidad, principalmente debido al ruido inherente a las lecturas ofrecidas por los sensores y aldinamismo existente en la mayoría de entornos. Por este motivo, gran parte de este trabajo se centra encuantificar el error cometido por los principales métodos de mapeado y localización de robots móviles,ofreciendo distintas alternativas para la mejora del posicionamiento.Asimismo, las principales fuentes de información con las que los robots móviles son capaces de realizarlas funciones descritas son los sensores exteroceptivos, los cuales miden el entorno y no tanto el estadodel propio robot. Por esta misma razón, algunos métodos son muy dependientes del escenario en el que sehan desarrollado, y no obtienen los mismos resultados cuando este varía. La mayoría de plataformasmóviles generan un mapa que representa el entorno que les rodea, y fundamentan en este muchos de suscálculos para realizar acciones como navegar. Dicha generación es un proceso que requiere deintervención humana en la mayoría de casos y que tiene una gran repercusión en el posteriorfuncionamiento del robot. En la última parte del presente trabajo, se propone un método que pretendeoptimizar este paso para así generar un modelo más rico del entorno sin requerir de tiempo adicional paraello.