A validação da tarefa de coleta do objeto com presença de obstáculo em sua rota teve como objetivo também avaliar o comportamento do controlador de alto nível, dessa vez em uma situação de possível colisão com um obstáculo em conjunto com as alterações do estado
Capítulo 5 Experimentos 62
Figura 5.4: Modelo do carregador do Pioneer LX utilizado na tarefa.
Fonte: Autoria Própria, 2018.
da bateria. Para a realização da análise dessa tarefa, o veículo manipulador foi posicionado novamente a uma distância de 4 metros do objeto a ser coletado e foi adicionado, foi posicionado um obstáculo em sua rota quando este se direcionasse para o ponto de recarga, que deveria ser detectado em tempo de execução para avaliar a reação do controlador de alto nível. Ao iniciar a tarefa o estado da bateria é informado como green e, no decorrer da realização da tarefa, este estado passa a valer yellow e, em seguida red. Dessa maneira, o módulo de seleção de ação do controlador LIDA seguiu sua rota enquanto o estado da bateria não apresentava ameaça à execução da tarefa e, em determinado momento, quando o estado da bateria se tornou yellow e a distância do objetivo permanecia distante, ou seja, dfar, o módulo de ação optou por selecionar a ação de seguir para o ponto de recarga. Em sua rota para o ponto de recarga, o estado da bateria foi modificado para red, tornando a ação de recarga ainda mais acentuada, porém, em determinado momento é detectado um obstáculo, o que ativa o nó onear e a ação selecionada é trocada para desviar do obstáculo. A evolução dos nós ativos no decorrer da tarefa, assim como a mudança da ação selecionada pelo módulo de seleção de ação podem ser conferidas na figura 5.7. Assim que o obstáculo não estivesse mais em rota de colisão com o veículo manipulador, o módulo de seleção de ação voltaria a selecionar a ação de seguir para o ponto de recarga.
Conforme pode ser observado, os nós ativos durante os momentos iniciais da execu- ção da tarefa foram: green e dfar, ambos os nós promoveram a seleção da ação seguir. Em determinado momento, yellow e dmedium foram ativados. Cada um deles promovem a seleção de recarregar e seguir, respectivamente, entretanto como o valor de ativação do nó dmedium é maior do que do nó yellow, o seletor de ação enviou para a consciência o nó dmedium e portanto o veículo manipulador continuou a seguir em direção ao objeto. Antes que o veículo manipu-
Capítulo 5 Experimentos 63
Figura 5.5: Nós e suas ativações durante a execução da tarefa 2. A coluna vertical representa o valor de ativação de um nó e a coluna horizontal representa o tempo durante a execução da tarefa.
Fonte: Autoria Própria, 2018.
lador pudesse se posicionar próximo ao objetivo, o nó red foi ativo e como este possui valor de ativação maior, a ação de recarregar foi selecionada. Com a ação de recarregar selecionada, o veículo manipulador interrompe a rota em direção ao objeto e se direciona ao ponto de recarga para reabastecer sua bateria até que esta estivesse carregada o suficiente para a realização da tarefa. Caso o veículo manipulador estivesse posicionado próximo ao objeto o nó dnear seria ativado, ignorando o nó red, de menor valor. Quando o veículo manipulador encontra obstácu- los não planejados em sua rota, executa o movimento de desvio do obstáculo e, após o desvio, retorna à rota de coleta do objeto, mantendo sempre o seu movimento acoplado. A evolução de movimento do veículo manipulador ao executar a ação de desviar de um obstáculo pode ser verificada na figura 5.8. A ação de desviar do obstáculo ocorre de maneira pré determinada, ou seja, não há a geração de um novo trajeto. Uma forma de aprimorar esta funcionalidade pode ser implementando um módulo de mapeamento e localização simultâneo.
5.4
Conclusão
Os experimentos realizados tiveram como propósito validar o movimento acoplado do veículo manipulador assim como o modelo cognitivo em um ambiente mais simples e contro- lado do que uma aplicação robótica em ambiente doméstico não estruturado, a fim de identificar se o acoplamento seria conveniente e se o comportamento do sistema cognitivo seria coerente com o comportamento esperado. Os resultados e análises descritas nesta seção foram obtidos a partir da análise de três tarefas: coleta do objeto em ambiente aberto, coleta do objeto com bateria fraca e coleta do objeto com presença de obstáculo. Apesar disso, existem diversas va- riáveis possíveis que o modelo proposto pode ser submetido como por exemplo a presença de obstáculos em distâncias diferentes ou com estados de baterias distintas. Entretanto, as três tare-
Capítulo 5 Experimentos 64
Figura 5.6: Movimento acoplado do veículo manipulador durante a execução da tarefa 2.
Fonte: Autoria Própria, 2018.
fas analisadas representam conteúdo suficiente para entender o processamento de cada nível do modelo proposto, assim como produz informações suficientes para a análise de sua viabilidade e eficiência, conforme pode ser observado no capítulo seguinte.
Capítulo 5 Experimentos 65
Figura 5.7: Nós e suas ativações durante a execução da tarefa 3. A coluna vertical representa o valor de ativação de um nó e a coluna horizontal representa o tempo durante a execução da tarefa.
Fonte: Autoria Própria, 2018.
Figura 5.8: Movimento acoplado do veículo manipulador durante a execução da tarefa 3.
Capítulo 6
Conclusão
Este capítulo apresenta as conclusões obtidas, contribuições realizadas com o desen- volvimento deste trabalho, as limitações encontradas durante o desenvolvimento, bem como a identificação de possíveis trabalhos futuros tendo em vista os resultados obtidos.
6.1
Considerações finais
Este trabalho apresentou um estudo sobre métodos de controle de movimento aco- plado de veículos manipuladores. De início realizou-se a discussão sobre os problemas en- contrados ao realizar o acoplamento de um veículo manipulador, apresentando as abordagens tradicionais e atuais de resolução deste problema. Definiram-se os conceitos fundamentais so- bre veículos manipuladores e veículos manipuladores acoplados, os quais serviram de base para o desenvolvimento do método apresentado. Em seguida foi realizada a montagem do veículo manipulador utilizado neste estudo. Este trabalho se concentrou principalmente na readequa- ção do manipulador robótico, ou seja, seu retroffiting, e no acoplamento físico do manipulador à plataforma robótica.
O método apresentado para o acoplamento baseou-se no em conceitos Fuzzy para o acoplamento isolado e na arquitetura Baars-Franklin por meio de sua aplicação, a arquitetura LIDA, para tomadas de decisão com relação ao movimento acoplado e outros aspectos sen- soriais do veículo manipulador. O modelo de consciência artificial desenvolvido constitui o controlador deliberativo, consistindo na utilização da plataforma LIDA para definir um agente cognitivo com a capacidade de interpretar os sinais provenientes dos sensores do veículo mani- pulador.
Embora as associações da memória episódica estivessem presentes no experimento, não tiveram um resultado significativo, devido a simplicidade do modelo de percepções. No entanto, o agente desenvolvido constitui um modelo experimental que serve de base para o de- senvolvimento de diversas outras funcionalidades além da manipulação de objetos, como por exemplo o mapeamento e localização simultânea, reconhecimento de objetos e pessoas, intera- ção homem robô por meio de comandos de voz, tarefas estas que fazem parte da competição RoboCup@Home. Dessa maneira, a memória episódica poderá ser melhor explorada conforme as funcionalidades deste veículo manipulador aumentarem.
É possível identificar, em um primeiro momento, alguma semelhança do modelo apre- sentado com um sistema baseado em regras Fuzzy, pois em ambos os casos temos um conjunto de variáveis linguísticas representando a situação atual, e um conjunto de regras as quais po-
Capítulo 6 Conclusão 67
dem ser ativadas para obter uma tomada de decisão. Porém as semelhanças não vão muito além disso, pois diferente de um conjunto de regras Fuzzy a ativação das regras, dependem de com- petições que ocorrem no sistema pela ativação das coalizões, de forma que apenas a regra mais saliente contribui com o resultado final, não havendo uma contribuição de todas as regras como no caso de um sistema Fuzzy. Além disso, uma outra característica que diferencia o LIDA de é a alta capacidade de customização na forma como os codelets ou coalizões competem pelo acesso à consciência.
O controlador proposto neste trabalho, utilizando as percepções do ambiente, foi ca- paz de selecionar o comportamento correto para a situação corrente, mesmo com as limitações de sensoriamento. A maior limitação encontrada durante a realização dos experimentos, tanto em relação ao sistema cognitivo quanto em relação ao hardware utilizado no veículo manipula- dor foi relativa ao sensor Kinect, onde foi notada a sua baixa resolução, ocasionando dificuldade em detectar a tag fixada no objeto a distâncias maiores que 2 metros gerando informações im- precisas de posição do mesmo, esse problema foi resolvido delimitando a leitura do sensor Kinect para somente quando o objeto estivesse próximo o suficiente para realização da leitura de forma precisa. Para que a aplicação possa ser executada plenamente em ambientes com dis- tâncias maiores, considera-se que seja mais adequada a utilização de uma câmera com maior resolução ou mesmo um sensor Kinect de versão superior.
É importante considerar que a arquitetura LIDA é uma implementação do modelo conceitual LIDA, implementação esta que ainda está incompleta em relação ao seu modelo conceitual. Uma funcionalidade importante que ainda não foi desenvolvida são os módulos de aprendizado procedural e perceptual, de forma que as ações e as percepções devem ser definidas manualmente durante o projeto do agente cognitivo. Outra limitação encontrada é com relação ao desempenho computacional. O LIDA possui, desde sua concepção, uma natureza paralela de execução de seus componentes, incluindo a competição dos codelets e o módulo de memória esparsa distribuída, o que é implementado computacionalmente por meio de threads. Entretanto, a configuração de hardware utilizada foi capaz de absorver eficientemente o grande volume de dados sendo tratados durante a execução dos experimentos, dessa forma não houve problemas durante o processo de tomada de decisão do agente. Porém, caso o agente sofra upgrades, aumentando a complexidade no processo de tomada de decisão, será necessário uma configuração de hardware superior à utilizada.
O desenvolvimento deste trabalho resultou em um controlador híbrido para o movi- mento acoplado de um veículo manipulador, o qual apresentou resultados positivos de modo a validar a utilização da arquitetura LIDA, que se baseia em um modelo cognitivo, em sistemas veículo-manipulador, oferecendo benefícios no que se refere a tomadas de decisão de alto nível.
6.2
Contribuições
O desenvolvimento deste método aplicou conceitos Fuzzy e a utilização de um agente LIDA para o controle de movimento acoplado de um veículo manipulador. As principais con- tribuições desse trabalho são:
• Análise da viabilidade da utilização de um modelo cognitivo para o controle de um veí- culo manipulador acoplado;
• Um modelo aplicável de veículo manipulador que possui seu movimento acoplado utilizando-se de seus dois subsistemas simultaneamente;
Capítulo 6 Conclusão 68
• Execução de um estudo em uma área ainda pouco explorada, que ofereceu um ganho de experiência e aprendizado para o PPGCA/DAINF/UTFPR, de forma que abriu-se cami- nho para que possam ser realizadas mais pesquisas no campo da computação cognitiva e veículos manipuladores acoplados, ou mesmo a robótica móvel em si.
• Publicação de um artigo no congresso internacional LARS 2018 - XV IEEE Latin Ame- rican Robotics Symposium and VI Brazilian Robotics Symposium, entitulado “Adding conscious aspects and simulated emotions through facial expressions in virtual robot na- vigation with Baars-Franklins cognitive architecture.”, realizado em João Pessoa, PB.
6.3
Limitações
As maiores limitações no desenvolvimento deste estudo se concentram principal- mente com relação à configuração de hardware. Como o veículo manipulador foi adaptado de componentes distintos, sua robustez física é relativamente inferior aos veículos manipulado- res fabricados com este propósito. Para que o sensor Kinect pudesse funcionar adequadamente, foi necessário utilizar uma bateria externa dedicada, pois a saída auxiliar da plataforma móvel não possuía corrente suficiente para comportar a utilização do manipulador e sensor Kinect si- multaneamente. Assim sendo, a funcionalidade de o veículo manipulador detectar seu próprio nível de recarga da bateria e se dirigir para o carregador está restrita somente à bateria principal do veículo manipulador, sendo necessária a verificação e recarga da bateria do sensor Kinect de forma manual. Além disso, o sensor Kinect, conforme apresentado anteriormente, apresentou uma grande limitação, pois a detecção do da tag fixada no objeto só pode ser realizada a curtas distâncias variando sua capacidade de detecção da tag sofrendo também forte de interferência causada pela iluminação do ambiente.
Uma evolução deste sistema pode dar-se através da utilização de um hardware que permita a recarga também da bateria auxiliar do manipulador quando este se posicionar no ponto de recarga, assim como a utilização de um dispositivo de captura de imagens que possua uma resolução maior, possibilitando a detecção de tags a um alcance relativamente superior.
6.4
Trabalhos Futuros
Com base nos resultados e realizações deste estudo, pode-se sugerir alguns trabalhos futuros:
• O desenvolvimento dos mecanismos de aprendizado perceptual e aprendizado procedu- ral, os quais fazem parte do modelo conceitual LIDA, porém ainda não possuem uma implementação em sua arquitetura computacional disponível;
• A implementação de um método de mapeamento e localização simultâneos que permita a criação e armazenamento de mapas e possibilite ao veículo manipulador criar rotas mais precisas para a execução das tarefas de coleta de objetos;
• A implementação de um módulo de detecção de objetos de maneira que o veículo mani- pulador não necessite da utilização de tags para localizar o objeto a ser capturado;
Capítulo 6 Conclusão 69
• A implementação do módulo de emoções, proposto no artigo publicado relacionado a este estudo;
• A evolução do agente desenvolvido neste trabalho, por meio do desenvolvimento de mais percepções e ações para execução de outras tarefas, como as tarefas que compõem a competição da Robocup@Home apresentadas no Capítulo 1.
Referências Bibliográficas
ACT-R. ACT-R Official Webpage. 2018. Disponível em <http://act-r.psy.cmu.edu/>. Acessado em 09/08/18.
AMYROBOTICS. AmyRobot - Family Customization. 2017. Disponível em <http://www.amyrobotics.com/goods.php?id=4>. Acessado em 09/08/17.
BAARS, B. J. A cognitive theory of consciousness. [S.l.]: Cambridge University Press, 1988. BAARS, B. J.; FRANKLIN, S. An architectural model of conscious and unconscious brain functions: Global workspace theory and ida. neural networks. Elsevier Neural Networks, p. 955–961, 2007.
BAARS, B. J.; FRANKLIN, S. Consciousness is computational: The lida model of global workspace theory. International Journal of Machine Consciousness, 2009.
BAARS BERNARD J. FRANKLIN, S. How conscious experience and working memory inte- ract. Trends in Cognitive Sciences, v. 7, n. 4, p. 166–172, 2003.
BASTOS, P. M. S. Robótica De Assistência E Seus Aspectos Humanitários. 2014.
BECKER, T. et al. Lida bridge—a ros interface to the lida (learning intelligent distribution agent) framework. In: Robot Operating System (ROS). [S.l.]: Springer, 2016. p. 703–728. CHEN, Y. et al. Study on coordinated control and hardware system of a mobile manipulator. In: IEEE. Intelligent Control and Automation, 2006. WCICA 2006. The Sixth World Congress on. [S.l.], 2006. v. 2, p. 9037–9041.
CHUNG, J. H.; VELINSKY, S. A. Modeling and control of a mobile manipulator. Robotica, Cambridge University Press, v. 16, n. 6, p. 607–613, 1998.
CLARION. Clarion Official Webpage. 2018. Disponível em <http://www.clarioncognitivearchitecture.com/>. Acessado em 09/08/18.
CONWAY, M. A. Sensory-perceptual episodic memory and its context: autobiographical me- mory. Philosophical transactions of the Royal Society of London. Series B, Biological sciences, v. 356, p. 1375–1384, 2001.
DANNIGAN, M.; RUSSELL, G. T. Evaluation and reduction of the dynamic coupling between a manipulator and an underwater vehicle. IEEE Journal of Oceanic Engineering, IEEE, v. 23, n. 3, p. 260–273, 1998.
Referências Bibliográficas 71
DEEPAK, B.; PARHI, D. R. Control of an automated mobile manipulator using artificial im- mune system. Journal of Experimental & Theoretical Artificial Intelligence, Taylor & Francis, v. 28, n. 1-2, p. 417–439, 2016.
DENNETT, D. C. Consciousness explained. [S.l.]: Little, Brown, 1991.
DENNING, P. J. Sparse distributed memory. American Scientist, v. 77, p. 333–335, 1989. DIETRICH, A. et al. Reactive whole-body control: Dynamic mobile manipulation using a large number of actuated degrees of freedom. IEEE Robotics & Automation Magazine, IEEE, v. 19, n. 2, p. 20–33, 2012.
FERRARO G. F. E TORRES, C. M. A. e. P. P. C. M. Vereda Digital - Física. [S.l.]: Editora Moderna - Ed. 1, 2012. v. 1.
FIGUEIREDO, L. C.; JOTA, F. G. Introduçao ao controle de sistemas nao-holonômicos. Sba: Controle & Automação Sociedade Brasileira de Automatica, SciELO Brasil, v. 15, n. 3, p. 243–268, 2004.
FLAVELL, J. H. Metacognitive aspects of problem solving. [S.l.]: L. B. Resnick, 1976.
FRAISSE, P. et al. Mobile manipulation of a fragile object. In: KHATIB, O.; SALISBURY, J. K. (Ed.). Experimental Robotics IV. Berlin, Heidelberg: Springer Berlin Heidelberg, 1997. p. 467–474. ISBN 978-3-540-40942-7.
FRANKLIN, S. Automating Human Information Agents. [S.l.]: Packt Publishing, 2001.
FRANKLIN, S. et al. Virtual Mattie- an Intelligent clerical Agent. Cambridge MA.: [s.n.], 1996.
FRANKLIN, S.; KELEMEN, A.; MCCAULEY, L. IDA: a cognitive agent architecture. Sys- tems, jan. 1998.
FRANKLIN, S. et al. Lida: A systems-level architecture for cognition, emotion, and learning. IEEE Transactions on Autonomous Mental Development, IEEE, v. 6, n. 1, p. 19–41, 2014. FRANKLIN, S. et al. Conceptual commitments of the lida model of cognition. Journal of Arti- ficial General Intelligence, v. 4, p. 1–22, 2013.
FRANKLIN, S. et al. Global workspace theory, its lida model and the underlying neuroscience. Biologically Inspired Cognitive Architectures, v. 1, p. 32–43, 2012.
FURUNO, S.; YAMAMOTO, M.; MOHRI, A. Trajectory planning of mobile manipulator with stability considerations. In: IEEE. Robotics and Automation, 2003. Proceedings. ICRA’03. IEEE International Conference on. [S.l.], 2003. v. 3, p. 3403–3408.
HOFSTADER, D. R.; MITCHELL, M. The copycat project: A model of mental fluidity and analogy-making. In: . Advances in connectionist and neural computation theory. [S.l.]: Cambridge University Press, 1994. p. 31–112.
IJSPEERT, A. J. et al. Dynamical movement primitives: learning attractor models for motor behaviors. Neural computation, MIT Press, v. 25, n. 2, p. 328–373, 2013.
Referências Bibliográficas 72
IROBOT. Roomba Robot Vacuum - iRobot. 2017. http://www.irobot.com/For-the- Home/Vacuuming/Roomba.aspx. Acessado em 09/08/17.
JAMONE, L. et al. Autonomous online generation of a motor representation of the workspace for intelligent whole-body reaching. Robotics and Autonomous Systems, Elsevier, v. 62, n. 4, p. 556–567, 2014.
KANERVA, P. Sparse Distributed Memory. [S.l.]: MIT Press, 1988.
KHATIB, O. et al. Whole-body dynamic behavior and control of human-like robots. Internati- onal Journal of Humanoid Robotics, World Scientific, v. 1, n. 01, p. 29–43, 2004.
KLIR, G. J.; YUAN, B. Fuzzy sets and fuzzy logic: theory and applications. [S.l.: s.n.]. v. 574. LI, Z.; GE, S. S. Fundamentals in Modeling and Control of Mobile Manipulators. [S.l.]: CRC Press, 2013. v. 49.
LIU, H.; BROWN, D. J.; COGHILL, G. M. Fuzzy qualitative robot kinematics. IEEE Transac- tions on Fuzzy Systems, IEEE, v. 16, n. 3, p. 808–822, 2008.
MASHALI, M. Kinematic Control of Redundant Mobile Manipulators. [S.l.]: University of South Florida, 2015.
MBEDE, J. B. et al. Robust neuro-fuzzy navigation of mobile manipulator among dynamic obstacles. In: IEEE. Robotics and Automation, 2004. Proceedings. ICRA’04. 2004 IEEE Inter- national Conference on. [S.l.], 2004. v. 5, p. 5051–5057.
MÜLLING, K. et al. Learning to select and generalize striking movements in robot table ten- nis. The International Journal of Robotics Research, SAGE Publications Sage UK: London, England, v. 32, n. 3, p. 263–279, 2013.
NAGASAKA, K. Robot device and control method of robot device. [S.l.]: Google Patents, 2010. US Patent 7,805,218.
NEGATU, A. S. Cognitively Inspired Decision Making for Software Agents: Integrated Me- chanisms for Action Selection, Expectation, Automatization and Non-Routine Problem Solving. Tese (Doutorado) — The University of Memphis, August 2006.
NEWMAN, J.; BAARS, B. J.; CHO, S.-B. A neural global workspace model for conscious attention. Neural Networks, v. 10, n. 7, p. 1195–1206, 1997.
OLIVEIRA, A. S. d. et al. Análise cinemática via quatérnios duais aplicada a um sistema veículo-manipulador subaquático. [S.l.]: Florianópolis, SC, 2011.
P. SGARBI F., P. P. C. R. G. R. D. An open Manipulation System for the Development of Advan- ced Nuclear and Industrial Applications using a Manipulator Robot embedded on a Vehicle. In: pp. 827–833. [S.l.]: Proc of 24th Int. Symp. on Industrial Robots, Tokio - Japan, 1993.
PARODI, B. B. Controle coordenado de posição e força deum manipulador sobre plataforma móvel emulando um ROV. Tese (Doutorado) — UNIVERSIDADE FEDERAL DO RIO DE JANEIRO, 2003.
Referências Bibliográficas 73
PERRIER, C. et al. Position/force control of a manipulator mounted on a vehicle. Jour- nal of Robotic Systems, Wiley Subscription Services, Inc., A Wiley Company, v. 13, n. 11, p. 687–698, 1996. ISSN 1097-4563. Disponível em: <http://dx.doi.org/10.1002/(SICI)1097- 4563(199611)13:11<687::AID-ROB1>3.0.CO;2-R>.
PERRIER, C.; DAUCHEZ, P.; PIERROT, F. Towards the use of dual quaternions for motion generation of nonholonomic mobile manipulators. In: IEEE. Intelligent Robots and Systems, 1997. IROS’97., Proceedings of the 1997 IEEE/RSJ International Conference on. [S.l.], 1997. v. 3, p. 1293–1298.
QIU, C.; CAO, Q.; MIAO, S. An on-line task modification method for singularity avoidance of robot manipulators. Robotica, Cambridge University Press, v. 27, n. 4, p. 539–546, 2009. RAMAMURTHY et al. Conscious learning in an adaptative software agent. In: Proceedings of The Second Asia Pacific Conference on Simulated Evolution and Learning. [S.l.: s.n.], 1998. p. 24–27.
RAMAMURTHY, U. et al. Lida: A working model of cognition. In: FUM, F. D. M. E. D.; STOCCO, A. (Ed.). Proceedings of the 7th International Conference on Cognitive Modeling.