Este trabalho abordou a utilização de ações corretivas por robôs móveis executando tarefas que apresentassem restrições temporais. Es- tas ações são executadas quando o mecanismo de previsão de perda de
deadline prevê que o robô não será capaz de completar a tarefa den-
tro do prazo. Também foi abordado, neste trabalho, a utilização da Árvore de Comportamento em sistemas robóticos, um assunto ainda pouco abordado na literatura de robótica móvel.
Para o desenvolvimento deste trabalho, foi realizada uma revisão bibliográfica com o intuito de auxiliar na identificação de trabalhos cujo escopo fosse semelhante ao desenvolvido neste documento. Apesar de poucos trabalhos relacionados ao tema proposto terem sido encontra- dos, eles foram de grande uso para aprender sobre algumas estratégias utilizadas para a resolução de problemas que apresentassem restrições temporais, bem como mecanismos de previsão utilizados em grupos de robôs.
O objetivo geral definido para este trabalho foi alcançado e os resultados obtidos estão de acordo com o previsto. Os objetivos espe- cíficos, definidos com o intuito de alcançar os objetivos gerais, também foram concluídos com êxito. O primeiro objetivo específico tratou da adaptação do mecanismo de previsão de perda de deadline proposto por Monteiro [2014] para o Robot Operating System (ROS ). Este mesmo mecanismo teve suas funções divididas em nodos para que, dessa forma, pudesse ser implementado utilizando o conceito de Árvore de Compor- tamento, concluindo o segundo objetivo específico.
O terceiro objetivo consistia na realização de testes, nos quais as ações corretivas desenvolvidas foram aplicadas em um grupo de robôs móveis, enquanto realizavam tarefas de deslocamento de objetos. Estes testes foram realizados com o propósito de validar e analisar o con-
junto de ações corretivas proposto. Para a conclusão deste objetivo, foi utilizado o simulador Stage, definiu-se um grupo de robôs móveis e cada um deles utilizava o mecanismo de previsão enquanto executava tarefas. Desenvolveu-se, também, um nodo responsável pela troca de mensagens entre os robôs do grupo, o nodo Linker. Diversas simulações foram realizadas e apresentaram resultados positivos, comprovando que a utilização das ações corretivas permitiu que os robôs respeitassem as restrições temporais das tarefas em mais execuções, quando compa- rado às simulações que não utilizavam as ações corretivas. A utilização destas ações de recuperação também permitiram que os robôs carre- gassem uma maior quantidade de objetos por simulação, o que reforça a vantagem na utilização das ações corretivas.
Resultados preliminares obtidos neste trabalho permitiram a pu- blicação do artigo Using a Deadline Missing Prediction Mechanism
and Recovery Actions to Avoid Deadline Losses [RAIA et al., 2016]
no evento International Conference on Computers and Their Applica-
tions (CATA), que ocorreu de quatro a seis de abril de 2016. Um artigo
que apresenta os resultados finais, descritos neste trabalho, está sendo escrito para, então, ser publicado em um periódico qualificado na área de Ciência da Computação.
Este trabalho mostrou que a utilização das ações corretivas é essencial em tarefas que têm o tempo como restrição. Utilizando es- tas ações, os robôs conseguiram se recuperar de prováveis perdas de
deadline e também foram capazes de obter melhor desempenho na rea-
lização das tarefas, ao carregarem mais objetos nas simulações em que as ações corretivas estavam habilitadas.
5.1.
Trabalhos Futuros
A seguir são citados alguns exemplos de trabalhos futuros que podem ser desenvolvidos:
• Ampliar o mecanismo proposto para que as previsões sejam re- alizadas periodicamente durante a navegação, analisando as al- terações que podem ocorrer no ambiente;
• Analisar o consumo energético dos robôs, para verificar se a uti- lização das ações corretivas apresenta um consumo que inviabi- lizaria seu uso;
• Desenvolver um conjunto mais abrangente de ações corretivas, ou seja, que é adequado para diferentes tipos de tarefa;
• Realizar testes em robôs reais, para verificar se os resultados obtidos nas simulações se repetem em ambientes reais.
Referências
BAGNELL, J. A.; CAVALCANTI, F.; CUI, L.; GALLUZZO, T.; HEBERT, M.; KAZEMI, M.; KLINGENSMITH, M.; LIBBY, J.; LIU, T. Y.; POLLARD, N. et al. An integrated system for autonomous robotics manipulation. In: IEEE. Intelligent Robots and Systems (IROS), 2012 IEEE/RSJ International Conference on. [S.l.], 2012. p. 2955–2962.
CAI, B.; HUANG, S.; LIU, D.; DISSANAYAKE, G. Rescheduling policies for large-scale task allocation of autonomous straddle carriers under uncertainty at automated container terminals. Robotics and Autonomous Systems, Elsevier B.V., v. 62, n. 4, p. 506–514, 2014. ISSN 09218890. Disponível em: <http://dx.doi.org/10.1016/j.robot.2013.12.007>.
CARPIN, S.; PAVONE, M.; SADLER, B. M. Rapid Multirobot Deployment with Time Constraints. In: IEEE/RSJ International Conference on Intelligent Robots and Systems, IROS. Chicago, IL, USA: [s.n.], 2014. p. 1147–1154. ISBN 9781479969340. COLLEDANCHISE, M.; OGREN, P. How behavior trees modularize robustness and safety in hybrid systems. In: Intelligent Robots and Systems (IROS). [S.l.: s.n.], 2014.
FARINES, J.-M.; FRAGA, J. d. S.; OLIVEIRA, R. d. Sistemas de tempo real. Escola de Computação, v. 2000, p. 201, 2000. GERKEY, B. P.; MATARI, M. J. Sold!: Auction methods for multirobot coordination. Robotics and Automation, IEEE Transactions on, IEEE, v. 18, n. 5, p. 758–768, 2002.
GUERRERO, J.; OLIVER, G. Multi-robot coalition formation in real-time scenarios. Robotics and Autonomous Systems, Elsevier B.V., v. 60, n. 10, p. 1295–1307, 2012. ISSN 09218890. Disponível em: <http://dx.doi.org/10.1016/j.robot.2012.06.004>.
ISLA, D. Handling complexity in the halo 2 ai. In: Game Developers Conference. [S.l.: s.n.], 2005. v. 12.
JIA, M. J. M.; ZHOU, G. Z. G.; CHEN, Z. C. Z. An efficient strategy integrating grid and topological information for robot exploration. IEEE Conference on Robotics, Automation and Mechatronics, 2004., v. 2, p. 1–3, 2004.
MARINO, A.; PARKER, L.; ANTONELLI, G.; CACCAVALE, F. Behavioral control for multi-robot perimeter patrol: A finite state automata approach. In: IEEE. Robotics and Automation, 2009. ICRA’09. IEEE International Conference on. [S.l.], 2009. p. 831–836.
MARZINOTTO, A.; COLLEDANCHISE, M.; SMITH, C.; OGREN, P. Towards a unified behavior trees framework for robot control. In: Robotics and Automation (ICRA), 2014 IEEE International Conference. [S.l.: s.n.], 2014.
MEI, Y.; LU, Y. H.; LEE, C. S. G.; HU, Y. C. Energy-efficient mobile robot exploration. Proceedings - IEEE International Conference on Robotics and Automation, v. 2006, n. May, p. 505–511, 2006. ISSN 10504729.
MIURA, J.; UOZUMI, H.; SHIRAI, Y. Mobile robot motion planning considering the motion uncertainty of moving obstacles. IEEE SMC’99 Conference Proceedings. 1999 IEEE International Conference on Systems, Man, and Cybernetics, v. 4, p. 692–697, 1999. ISSN 1062-922X.
MONTEIRO, E. R. d. B. Mecanismo de Previsão de Perda de Deadline para a Navegação de Robôs Móveis Autônomos. 109 p. Dissertação (Mestrado) — Programa de Pós-Graduação em Ciência da Computação (PPGCC), Universidade Federal de Santa Catarina, Florianópolis, 2014.
978-1492143239. Disponível em: <http://www.cse.sc.edu/~jokane/ agitr/>.
RAIA, H. F.; SIQUEIRA, F. d. L.; PLENTZ, P. D. M. Using a deadline missing prediction mechanism and recovery actions to avoid deadline losses. In: Proceedings of the 31th International Conference on Computers and their Applications, Las Vegas, Nevada. [S.l.: s.n.], 2016.
SHI, C.; WANG, Y.; YANG, J. A local obstacle avoidance method for mobile robots in partially known environment. Robotics and Autonomous Systems, Elsevier B.V., v. 58, n. 5, p. 425–434, 2010. ISSN 09218890. Disponível em: <http://dx.doi.org/10.1016/j.robot.2010.02.005>.
SIQUEIRA, F. d. L.; PIERI, E. R. D. A context-aware approach to the navigation of mobile robots. In: Simposio Brasileiro de Automacao Inteligente SBAI 2015. [S.l.: s.n.], 2015.
STROM, J.; OLSON, E. Multi-sensor ATTenuation Estimation (MATTE): Signal-strength prediction for teams of robots. In: IEEE International Conference on Intelligent Robots and Systems. [S.l.: s.n.], 2012. p. 4730–4736. ISBN 9781467317375. ISSN 21530858. TARDIOLI, D.; SICIGNANO, D.; VILLARROEL, J. L. A
wireless multi-hop protocol for real-time applications. Computer Communications, Elsevier B.V., v. 55, p. 4–21, 2015. ISSN 01403664. Disponível em: <http://linkinghub.elsevier.com/retrieve/ pii/S0140366414003028>.
TSUBOUCHI, T.; HIROSE, a.; ARIMOTO, S. A navigation scheme with learning for a mobile robot among multiple moving obstacles. Proceedings of 1993 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS ’93), v. 3, n. C, p. 2234–2240, 1993.
ZHU, Q.; HU, J.; HENSCHEN, L. A new moving target interception algorithm for mobile robots based on sub-goal forecasting and an improved scout ant algorithm. Applied Soft Computing Journal, Elsevier B.V., v. 13, n. 1, p. 539–549, 2013. ISSN 15684946. Disponível em: <http://dx.doi.org/10.1016/j.asoc.2012.08.013>.