PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA E
INFORMÁTICA INDUSTRIAL
MARCELO AURÉLIO LIMEIRA
PLATAFORMA PARA EXPERIMENTAÇÃO DE SISTEMAS COM
MÚLTIPLOS ROBÔS EM AMBIENTES INDUSTRIAIS
DISSERTAÇÃO
CURITIBA 2020
PLATAFORMA PARA EXPERIMENTAÇÃO DE SISTEMAS COM
MÚLTIPLOS ROBÔS EM AMBIENTES INDUSTRIAIS
Dissertação apresentada ao Programa de Pós-graduação em Engenharia Elétrica e Informática Industrial da Universidade Tecnológica Federal do Paraná como requisito parcial para obtenção do grau de “Mestre em Ciências” – Área de Concentração: Engenharia de Automação e Sistemas
Orientador: André Schneider de Oliveira
CURITIBA 2020
Limeira, Marcelo Aurélio
Plataforma para experimentação de sistemas com múltiplos robôs em ambientes industriais [recurso eletrônico] / Marcelo Aurélio Limeira.-- 2019.
1 arquivo texto (63 f.) : PDF ; 12,5 MB Modo de acesso: World Wide Web
Título extraído da tela de título (visualizado em 14 out. 2019) Texto em português com resumo em inglês
Dissertação (Mestrado) - Universidade Tecnológica Federal do Pa-raná. Programa de Pós-graduação em Engenharia Elétrica e Informática Industrial, Curitiba, 2019
Bibliografia: f. 59-63
1. Engenharia elétrica - Dissertações. 2. Sistemas multiagentes. 3. Robôs móveis - Controle automático. 4. Inteligência coletiva. 5. Internet das coisas. 6. Inteligência artificial. 7. Pesquisa operacional - Processa-mento de dados. 8. Realidade aumentada. 9. Arena (Programa de com-putador). 10. Simulação (Computadores digitais). I. Oliveira, André Schneider de. II. Universidade Tecnológica Federal do Paraná. Programa de Pós-graduação em Engenharia Elétrica e Informática Industrial. III. Tí-tulo.
CDD: Ed. 23 – 621.3 Biblioteca Central da UTFPR, Câmpus Curitiba
Universidade Tecnológica Federal do Paraná Diretoria de Pesquisa e Pós-Graduação
TERMO DE APROVAÇÃO DE DISSERTAÇÃO Nº845
A Dissertação de Mestrado intitulada “Plataforma para Experimentação de Sistemas com Múltiplos Robôs em Ambientes Industriais”defendida em sessão pública pelo(a) candidato(a)Marcelo Aurélio Limeira, no dia 10 de outubrode2019, foi julgada para a obtenção do título de Mestre em Ciências, área de concentraçãoEngenharia de Automação e Sistemas, e aprovada em sua forma final, pelo Programa de Pós-Graduação em Engenharia Elétrica e Informática Industrial.
BANCA EXAMINADORA:
Prof(a). Dr(a). André Schneider de Oliveira- Presidente – (UTFPR) Prof(a).Dr(a). Eduardo Jaques Spinosa- (UFPR)
Prof(a). Dr(a). João Alberto Fabro - (UTFPR)
A via original deste documento encontra-se arquivada na Secretaria do Programa, contendo a assinatura da Coordenação após a entrega da versão corrigida do trabalho.
LIMEIRA, Marcelo. PLATAFORMA PARA EXPERIMENTAÇÃO DE SISTEMAS COM MÚLTIPLOS ROBÔS EM AMBIENTES INDUSTRIAIS. 65 f. Dissertação – Programa de Pós-graduação em Engenharia Elétrica e Informática Industrial, Universidade Tecnológica Federal do Paraná. Curitiba, 2020.
Os sistemas com múltiplos robôs (MRS - Multi-Robot Systems) têm sido aplicados no setor industrial de forma extremamente eficaz, sobretudo em armazéns inteligentes, aumentando a eficiência e reduzindo os custos de operação. Grande parte dos projetos desenvolvidos nessa área são validados apenas em simuladores virtuais, dificultando consideravelmente a implementação destes sistemas em aplicações reais, devido à sua incapacidade de reproduzir de forma fiel todas as variáveis presentes no mundo real. Por outro lado, desenvolver uma estrutura totalmente real que reúna as condições necessárias para o desenvolvimento destes sistemas, poderia ser inviável tanto técnica quanto financeiramente. Este trabalho apresenta um ambiente para experimentação de comportamentos avançados em armazéns inteligentes, permitindo a experimentação de sistemas com múltiplos robôs (MRS), interconectados, cooperativos e interagindo com elementos virtuais. O conceito de ARENA introduz uma nova abordagem para experimentação realista e imersiva em ambientes industriais, com o objetivo de avaliar novas tecnologias alinhadas com a Indústria 4.0. O método proposto consiste na reprodução de um armazém em escala reduzida, inspirado em um cenário real, gerenciado por um grupo de empilhadeiras autônomas, interconectadas, incorporadas por um enxame de micro robôs compatível com a arquitetura ROS (Robot Operating System). A realidade aumentada (AR - Augmented Reality) é empregada para aprimorar os recursos destes robôs, permitindo que eles apresentem características inviabilizadas pelo seu tamanho, como a movimentação de mercadorias e a adoção de determinados sensores. Outra aplicação da AR é na inserção de recursos que auxiliam na realização dos experimentos, como: a marcação do trajeto percorrido, divisão de áreas por cores e a marcação de posições específicas. Sensores de distância (LRF -Laser Range Finders) virtuais são especialmente projetados a partir de informações de uma câmera RGB-D global, posicionada sobre o ambiente, para melhorar a percepção do robô, permitindo detectar obstáculos e mapear o ambiente. Todas essas características conferem às soluções desenvolvidas através dessa plataforma um nível de desenvolvimento muito próximo ao nível necessário para a efetiva aplicação prática.
Palavras-chave: Sistemas Multi-Robôs; Armazém Inteligente; Realidade Aumentada; Sensores Laser de Distância Virtuais
LIMEIRA, Marcelo. PLATFORM FOR EXPERIMENTATION WITH MULTIPLE ROBOT SYSTEMS IN INDUSTRIAL ENVIRONMENTS. 65 f. Dissertação – Programa de Pós-graduação em Engenharia Elétrica e Informática Industrial, Universidade Tecnológica Federal do Paraná. Curitiba, 2020.
Multi-Robot Systems (MRS) have been applied to the industrial sector extremely effectively, especially in intelligent warehouses, increasing efficiency and reducing operating costs. Most of the projects developed in this area are validated only in virtual simulators, making the implementation of these systems in real applications considerably difficult, due to their inability to faithfully reproduce all variables present in the real world. On the other hand, developing a totally real structure that meets the necessary conditions for the development of these systems could be both technically and financially unfeasible. This work presents an environment for experimentation of advanced behaviors in intelligent warehouses, allowing the experimentation of systems with multiple robots (MRS), interconnected, cooperative and interacting with virtual elements. The ARENA concept introduces a new approach to realistic and immersive experimentation in industrial environments, with the aim of evaluating new technologies aligned with Industry 4.0. The proposed method consists of reproducing a small-scale warehouse, inspired by a real scenario, managed by a group of autonomous, interconnected forklifts, incorporated by a ROS (Robot Operating System) architecture-compliant micro-robot swarm. Augmented Reality (AR) is employed to enhance the capabilities of these robots, allowing them to exhibit characteristics unfeasible by their size, such as the movement of goods and the adoption of certain sensors. Another application of RA is the insertion of resources that help in the accomplishment of the experiments, such as: marking of the traveled path, division of areas by color and marking of specific positions. Virtual Laser Range Finders (LRF) are specially designed from information from a global RGB-D camera, positioned over the environment, to improve robot perception, to detect obstacles and map the environment. All these features give the solutions developed through this platform a level of development very close to the level required for effective practical application.
Keywords: Multi-Robot System; Smart Factories; Augmented Reality; Virtual Distance Laser Sensor
–
FIGURA 1 Definição da mensagem do tipo geometry_msgs/Twist. . . 19 –
FIGURA 2 Funcionamento de um sensor de captura por retrodifusão - LIDAR . . . 20 –
FIGURA 3 (a) Sensor Hokuyo URG-04LX. (b) Funcionamento de um sensor laser scan. . . 21 –
FIGURA 4 Microsoft Kinect . . . 21 –
FIGURA 5 Intel RealSense . . . 21 –
FIGURA 6 PointCloud . . . 21 –
FIGURA 7 Robôs Swarm 1. (a) Spiderino. (b) E-Puck. (c) Jasmine. (d) Kilobots. . . . 22 –
FIGURA 8 Robôs Swarm 2. (a) Khepera. (b) Elisa. (c) Colias. . . 23 –
FIGURA 9 Plataformas para experimentação de SMR 1. (a) PHRO. (b) Kilogrid. (c) ARK. (d) ARGoS. . . 25 –
FIGURA 10 Plataformas para experimentação de SMR 2. (a) ARDebug. (b) Dr. Swarm. (c) Robotarium. . . 27 –
FIGURA 11 Principais componentes do WsBot. . . 29 –
FIGURA 12 AR Tag. . . 30 –
FIGURA 13 Base estrutural do robô. . . 31 –
FIGURA 14 WsBot: Hardware e Arquitetura. . . 32 –
FIGURA 15 Recarregador Wireless. . . 34 –
FIGURA 16 ARENA . . . 36 –
FIGURA 17 Planta do Armazém . . . 37 –
FIGURA 18 Diagrama dos Processos Logísticos. . . 38 –
FIGURA 19 Máquina de Estado dos Processos. . . 39 –
FIGURA 20 Visão geral da ARENA. . . 40 –
FIGURA 21 Estrutura da ARENA. . . 41 –
FIGURA 22 Visão superior dos elementos AR da ARENA. . . 43 –
FIGURA 23 Arquitetura do Software - Fluxo de Dados . . . 45 –
FIGURA 24 Variáveis envolvidas no sistema de controle. . . 48 –
FIGURA 25 Diagrama de bloco do sistema de controle angular. . . 49 –
FIGURA 26 Abordagem proposta para o sensor virtual. . . 50 –
FIGURA 27 Exemplo do LRF virtual na ARENA. . . 51 –
FIGURA 28 Efeito da AR na ARENA. (a) Visão superior sem AR. (b) Visão superior com AR. . . 53 –
FIGURA 29 ARENA em perspectiva com AR. . . 54 –
FIGURA 30 Experimento de execução de rota. . . 55 –
–
TABELA 1 Comparação entre Robôs . . . 25 –
TABELA 2 Dimensões do WsBot . . . 30 –
1 INTRODUÇÃO . . . 13
1.1 MOTIVAÇÃO . . . 15
1.2 OBJETIVO GERAL . . . 16
1.2.1 Objetivos Específicos . . . 17
1.3 ESTRUTURA DO DOCUMENTO . . . 17
2 FUNDAMENTAÇÃO TEÓRICA E TRABALHOS RELACIONADOS . . . 18
2.1 ROBOT OPERATING SYSTEM (ROS) . . . 18
2.2 PERCEPÇÃO ESPACIAL . . . 20
2.3 SISTEMAS MULTI-ROBÔS . . . 21
2.4 EXPERIMENTAÇÃO COM SISTEMAS MULTI-ROBÔS . . . 24
3 O MICRO-ROBÔ WSBOT . . . 29 3.1 SISTEMA DE LOCOMOÇÃO . . . 29 3.2 SISTEMA DE RASTREAMENTO . . . 31 3.3 ARQUITETURA DE HARDWARE . . . 31 3.4 COMUNICAÇÃO WIRELESS . . . 33 3.5 RECARREGAMENTO . . . 33 3.6 CUSTO . . . 34 4 A ARENA . . . 36 4.1 O ARMAZÉM DE INSPIRAÇÃO . . . 36 4.2 ESTRUTURA DA ARENA . . . 38 4.3 REALIDADE AUMENTADA - AR . . . 42 4.4 ARQUITETURA DE SOFTWARE . . . 44
4.4.1 Retificação das Coordenadas . . . 46
4.4.2 Controle de movimentos . . . 47
4.5 SENSOR VIRTUAL . . . 49
5 EXPERIMENTOS . . . 53
5.1 REALIDADE AUMENTADA DA ARENA . . . 53
5.2 CONTROLE DE MOVIMENTOS DO WSBOT . . . 54
5.3 SENSOR VIRTUAL DE VARREDURA A LASER . . . 57
6 CONSIDERAÇÕES FINAIS . . . 58
6.1 CONCLUSÃO . . . 58
6.2 TRABALHOS FUTUROS . . . 59
1 INTRODUÇÃO
A busca constante por soluções para os diversos problemas da sociedade moderna, caracterizam um cenário onde os sistemas autônomos possuem fundamental relevância. O campo da robótica tem alcançado níveis de desenvolvimento surpreendentes nos últimos anos, de modo que, os robôs, que inicialmente eram restritos aos processos de automação industrial, hoje estão presentes nas residências, ruas e empresas. Nos últimos anos os robôs têm sido utilizados para os mais variados propósitos, tais como: cirurgias, mapeamento territorial, tarefas em ambientes inóspitos, entre outros. Neste cenário de constante evolução, se apresentam os robôs móveis autônomos com a proposta de realizar diversas tarefas sem a necessidade de um controle externo. Segundo Russell e Norvig (1995) um sistema autônomo é um sistema capaz de desenvolver tarefas complexas, com um grau de sucesso elevado, sendo propício para a aplicação em ambientes industriais.
A manufatura avançada introduziu comportamentos inteligentes para melhorar a produtividade, permitindo produtos mais flexíveis nas fábricas inteligentes. Essa modernização é chamada de 4ª revolução, sendo uma iniciativa tecnológica instituída na Alemanha por volta do ano de 2013, cujo objetivo principal era a digitalização de processos, transformando as fábricas tradicionais em fábricas inteligentes. De acordo com Kagermann et al. (2013), a Indústria 4.0 pode ser vista como uma combinação de Tecnologias de Informação e Comunicação (TIC) e Sistemas Ciber-Físicos (CPS - Cyber-Phisical Systems) no ambiente de fabricação, para otimizar o processo de produção por meio da interação de agentes dinâmicos interconectados. Nesse contexto, as fábricas inteligentes devem ser compostas por um grupo de agentes (ou seja, robôs e máquinas) com conectividade máquina-a-máquina (M2M - Machine to Machine) que possam trocar informações, objetivando a tomada de decisões sem comprometer a produção e garantindo a fabricação contínua (FERNANDEZ-CARAMES et al., 2019).
Os ambientes industriais estão evoluindo devido às novas tecnologias emergentes, aumentando seu nível de automação e o uso de dispositivos robóticos. Sendo assim, os robôs móveis podem se adaptar às mudanças de fabricação, atendendo às diversas necessidades do setor, acompanhando o progresso da robótica e incorporando novas técnicas (KROLL; SOLDAN, 2010; SALHAOUI et al., 2019). Entretanto, devido à complexidade e a diversidade de tarefas, a aplicação desses robôs em ambiente industrial é feita através de um grupo de robôs, o que constitui um sistema multi-robôs (MRS - Multi-Robot Systems). Um exemplo
de aplicação destes sistemas na indústria que têm apresentando surpreendentes resultados são os armazéns inteligentes. Neles, o MRS são implantados para transportar mercadorias com eficiência, otimizando tempo e recursos humanos, como acontece nos armazéns da Amazon (LI; LIU, 2016), Ocado (MASON, 2019) e DHL (LEE, 2018). Por isso, os armazéns automatizados com robôs móveis tem sido um importante tópico de pesquisa. O sistema Kiva (WURMAN et al., 2007) foi um dos primeiros sistemas a usar o MRS para tarefas de logística em armazéns.
Entretanto para um sistema ser considerado MRS é preciso que existam dois ou mais robôs que ajam de maneira coordenada (ou síncrona) ou cooperativa (com interação mútua), no mesmo ambiente, com os mesmos objetivos. Um MRS é representado por um grupo de robôs autônomos, dotados de inteligência artificial, com capacidade de auto-organização, que coopera entre si localmente para executar um objetivo comum do grupo (SHARKEY; SHARKEY, 2006). Tal capacidade de interação local com outros robôs do grupo fornece a este sistema robótico uma característica comportamental individual com potencial para muitas aplicações práticas. Eles possuem atributos atraentes para processos industriais, sobretudo para armazéns inteligentes, como tolerância a falhas, escalabilidade e flexibilidade (YOGESWARAN; PONNAMBALAM, 2010; ARKIN, 1998).
Os MRS trazem a coletividade de agentes autônomos para cenários industriais, permitindo que várias tarefas sejam executadas em paralelo. As principais inspirações adotadas em relação aos comportamentos coletivos se encontram na natureza, onde regras individuais simples podem produzir um conjunto de comportamentos complexos de enxame. Tais comportamentos são denominados inteligência de enxame e, esta abordagem apresenta como fundamento principal, porém não limitado, a análise de comportamentos emergentes observados, principalmente, em insetos sociais. O comportamento de enxame envolve a cooperação constante entre os indivíduos que refletem diretamente no comportamento de todo o grupo.
A maioria dos trabalhos realizados nesta área concentra-se no estudo da ciência relacionada ao comportamento coletivo de enxames (NAVARRO; MATIA, 2013; BENI, 2005; SHARKEY, 2006). Dessa forma, os robôs utilizados possuem características que os aproximam das características encontradas na natureza (DESHPANDE, 2017), como descentralização (ZELENKA et al., 2018; LEE; KIM, 2017) e comunicação limitada entre agentes (SHIRAZI, 2017). Essas inspirações geralmente conflitam com os ambientes industriais, onde o foco não é o comportamento coletivo, mas a eficiência da produção.
1.1 MOTIVAÇÃO
Todos esses conceitos apresentam um potencial extraordinário nas operações de armazéns inteligentes. Porém, apesar de todo o entusiasmo com esses sistemas, atualmente eles possuem limitações em termos de aplicações reais. De acordo com (SALVARO, 2014), o grau de complexidade apresentado em relação ao design e comportamento, torna muito difícil o seu desenvolvimento, o que acaba limitando sua aplicação prática, como relatado por (DORIGO et al., 2014). Esses modelos matemáticos e estatísticos que descrevem o comportamento do MRS estão em construção, deste modo, faltam ferramentas que possam descrever as interações dinâmicas dos comportamentos desses sistemas de forma precisa, dificultando a sua análise e desenvolvimento.
A maior parte dos trabalhos desenvolvidos nessa área são elaborados e validados apenas em simuladores virtuais como: Webots (MICHEL, 1998), V-REP (ROHMER et al., 2013), Gazebo (KOENIG; HOWARD, 2004) e MORSE (ECHEVERRIA et al., 2012). Esses simuladores apresentam a vantagem de permitir a reprodução de diferentes ambientes e cenários de forma muito simples, com a utilização de elementos virtuais. Contudo, eles possuem desvantagens que os tornam inadequados para o desenvolvimento de aplicações práticas, como a impossibilidade de verificar o funcionamento de todo o hardware que compõe o sistema (roteadores, sensores, motores, controladores e demais componentes do robô, entre outros). Outra desvantagem presente nesses softwares, é que eles não reproduzem de forma fiel todas as condições encontradas em ambientes reais como: iluminação, atrito, imprecisão de sensores, etc. Todos esses fatores demonstram que os simuladores permitem o desenvolvimento de apenas uma parte do sistema e, ainda assim, de forma imprecisa.
Mesmo a utilização de uma industria real não reuniria as condições ideais para o desenvolvimento desses sistemas. Do ponto de vista financeiro, seria inviável que uma determinada indústria interrompesse suas atividades para o desenvolvimento de tais sistemas, além disso, poderia não ser possível reproduzir diversas condições que são necessárias para a realização dos experimentos (colisão de robôs, alterações na planta, etc). Outra desvantagem relevante, é que ela não estaria equipada com todos os recursos e ferramentas necessárias para a condução dos experimentos, como poderíamos ter em um laboratório, por exemplo.
Outra questão enfrentada também em testes reais é a dificuldade de analisar todos os dados que influenciam as decisões tomadas pelo sistema, como, por exemplo, os dados emitidos pelos sensores, informações de rastreamento, etc. Sendo que ainda mais relevante é a necessidade de diagnosticar eventuais falhas que surgem nas fases de testes. Como os
MRS agregam uma enorme quantidade de recursos, entre software e hardware, quando surge uma falha, encontrar sua origem pode ser uma tarefa complexa. Por exemplo: se em uma determinada situação um robô apresenta um comportamento inesperado, a falha poderia estar em seu hardware, software ou no sistema de comunicação entre outros.
Uma solução é utilizar a realidade aumentada (AR - Augmented Reality) para a representação de ambientes industriais com MRS, pois ela permite que os desenvolvedores projetem uma variedade de cenários e condições, introduzindo objetos virtuais em experimentos do mundo real (GIANNI et al., 2013; NEE et al., 2012). A projeção de elementos virtuais poderia, inclusive, auxiliar na análise de dados, como a representação gráfica dos dados emitidos pelos sensores, por exemplo. A AR é uma das tecnologias mais promissoras no contexto da Indústria 4.0 (GATTULLO et al., 2019) e contribui para as indústrias que desejam otimizar seus sistemas, evitando modelos de simulação complexos, configuração de hardware dispendiosa e ambiente altamente controlado, nas várias etapas do desenvolvimento do sistema (GIANNI et al., 2013).
1.2 OBJETIVO GERAL
Com base nos fatores expostos até aqui e, analisando abordagens propostas na literatura para questões relacionadas, esta dissertação propõe uma abordagem para a experimentação de sistemas com múltiplos robôs em ambientes industriais. O conceito da ARENA é apresentado e se refere a uma plataforma híbrida onde elementos reais e virtuais serão utilizados para representar, em escala reduzida, o cenário e todas as operações de um armazém inteligente gerenciado por múltiplos robôs móveis. Para tanto, é imprescindível que os robôs utilizados sejam reais, de forma que os experimentos apresentem todas as características presentes em robôs utilizados na indústria (sistema de locomoção, autonomia, sistema de rastreamento, sensor de obstáculos, etc). A utilização de elementos virtuais através da AR será utilizada para a construção de características do cenário, para a representação gráfica de dados dos sensores, além de poder fornecer informações como gráficos e relatórios que auxiliem na compreensão do comportamento do sistema. Os elementos gráficos serão utilizados ainda para reproduzir condições (sensores, movimentação de mercadoria, etc.) que poderiam ser inviabilizadas por questão orçamentária ou devido ao tamanho reduzido de toda a estrutura (robôs, arena, etc.). O fato de toda a estrutura ser representada em escala reduzia possibilita que a arena seja implementada em um laboratório, permitindo acesso a todos os recursos e ferramentas presentes neste ambiente.
1.2.1 OBJETIVOS ESPECÍFICOS
• Análise das estruturas de experimentação com sistemas multi-robôs aplicados na literatura, para determinação de tecnologias mais promissoras e limitações;
• Projeto e fabricação de um micro robô para a experimentação em sistemas multi-robôs, com tamanho reduzido, interconexão por rede sem fio e possibilidade de carregamento automatizado;
• Implantação da estrutura para experimentação em armazéns inteligentes, denominado de ARENA, com elementos reais em pequena escala, elementos virtuais através da realidade aumentada, realimentação visual da localização;
• Desenvolvimento de uma estratégia de controle de posição para a locomoção do micro robô no armazém, respeitando os corredores de movimentação e os pontos de execução de ações, através da localização visual por marcadores;
• Avaliação da estrutura proposta em tarefas de logística inteligente, através de um conjunto de micro robôs autônomos interagindo com elementos reais e virtuais, para o armazenamento e retirada de mercadorias.
1.3 ESTRUTURA DO DOCUMENTO
Esta dissertação está organizada em cinco capítulos. O Capítulo 2 aborda a fundamentação teórica e os trabalhos relacionados, onde são discutidos os principais conceitos aplicados e são analisadas as abordagens para experimentação com os sistemas multi-robôs. O Capítulo 3 discute o projeto e a fabricação do micro robô para a experimentação na logística de armazém em pequena escala. O Capítulo 4 está relacionado com a estrutura do armazém, detalhando os elementos reais, os elementos virtuais, e o sistema de localização e percepção. O Capítulo 5 apresenta e analisa a experimentação com o objetivo de validar o sistema. Por fim, no capitulo 6 é apresentada a conclusão e as indicações de trabalhos futuros.
2 FUNDAMENTAÇÃO TEÓRICA E TRABALHOS RELACIONADOS
Este capítulo apresenta os conceitos necessários para o entendimento dos tópicos abordados nesse trabalho e discute também os trabalhos relacionados na área de sistemas multi-robôs e a utilização da realidade aumentada.
2.1 ROBOT OPERATING SYSTEM (ROS)
O Robot Operating System (ROS) é um framework flexível para o desenvolvimento de softwares para robótica que consiste em uma coleção de ferramentas, bibliotecas e protocolos que objetivam a simplificação da tarefa de criar comportamentos complexos e robustos em robôs através de uma grande variedade de plataformas robóticas (ROS, 2019b). O caráter colaborativo do ROS possibilita o desenvolvimento e aperfeiçoamento de várias ferramentas utilizadas na robótica que dificilmente seriam alcançadas se fossem desenvolvidas de forma isolada. A comunidade ROS reúne essa gama de ferramentas que são constantemente atualizadas de forma colaborativa, por diversas pessoas ao redor do mundo. Uma grande vantagem do ROS é a padronização de protocolos. Desta forma, uma determinada ferramenta produzida sob a arquitetura ROS pode ser conectada a qualquer dispositivo que possua uma interface de comunicação compatível com esse framework. A natureza distribuída do ROS apresenta conceitos específicos que permitem que muitos processos independentes interajam entre si e, juntos, apresentem o comportamento de um sistema robótico. Sua estrutura de comunicação é projetada em torno dos conceitos de nós, mensagens e tópicos.
As entidades computacionais individuais que compõem um sistema ROS são chamadas de nós. Os nós são simplesmente um processo que executa um determinado algoritmo e geralmente são escritos em Python ou C++. Cada nó é capaz de se comunicar com outros nós através dos tópicos, mesmo com os nós que estejam sendo executados por dispositivos distintos, como, por exemplo, o nó que é executado por cada robô e é responsável pela execução das ações de controle enviadas pelo sistema. Os nós ROS são organizados em pacotes e cada pacote pode conter um ou mais nós.
As informações são transmitidas e compartilhadas no ROS através de mensagens, que podem assumir uma variedade de formatos, desde formatos simples como um float ou uma string, até formatos complexos como as mensagens que contém dados de imagens. Com o
objetivo de facilitar a comunicação entre dispositivos, o ROS possui um formato padrão para a operação de determinados dispositivos como: câmeras, sensores, robôs, etc.
Figura 1 - Definição da mensagem do tipo geometry_msgs/Twist.
Fonte: Adaptado de ROS (2019b)
A figura 1 mostra um exemplo do arquivo de definição do ROS para as mensagens do tipo geometry_msgs/Twist. Essas mensagens são frequentemente utilizadas para definir velocidades de robôs, e são compostas por dois vetores tridimensionais: um apresenta os valores lineares e o outro os valores angulares.
Os nós compartilham as mensagens através dos tópicos, ou seja, podem tanto se inscrever em tópicos para receber mensagens quanto publicar uma mensagem em um tópico para que outros nós possam acessá-las via assinatura. Deste modo, os tópicos são as pontes que conectam os nós, enquanto as mensagens são os dados reais que fluem pelos tópicos.
O ROS apresenta um sistema de referências espaciais chamado frames onde, cada frame, apresenta sua respectiva coordenada em relação ao sistema. Estas referências são necessárias quando se trabalha com dispositivos que exigem uma relação precisa entre elementos, como no caso dos sensores de obstáculo e dos elementos gráficos. Cada elemento criado deve apresentar um frame de referência conectado ao sistema e essa conexão é realizada através da biblioteca transform onde a relação espacial entre dois frames deve ser estabelecida. Outra vantagem da utilização do ROS é a existência de diversos softwares para visualização e simulação. O "RVIZ" é um visualizador de dados que possui uma enorme quantidade de plugins para diversas finalidades. Esta ferramenta permite a visualização da grande maioria dos tópicos que podem ser representados em um espaço 2D ou 3D. Outra ferramenta ROS muito útil é o RQT, essa ferramenta apresenta uma série de relatórios e gráficos
que possibilitam a visualização de várias informações relativas ao funcionamento do sistema como: o envio e recebimento de mensagens pelos nós; as relações espaciais entre os frames e até ferramentas para a publicação de mensagens específicas.
2.2 PERCEPÇÃO ESPACIAL
Um requisito fundamental em sistemas autônomos é a capacidade de percepção do ambiente. A tecnologia mais amplamente utilizada para esta função é a LIDAR (Light Detection and Ranging). Essa tecnologia foi criada nos anos 70 e seu princípio de funcionamento consiste em emitir um feixe de luz de frequência variável que ao atingir um objeto, a luz refletida (retrodifusão) é captada pelo fotodetector (figura 2) e o tempo gasto entre a emissão e a recepção indica a distância do objeto.
Figura 2 - Funcionamento de um sensor de captura por retrodifusão - LIDAR
Fonte: Adaptado de POULIN (2014).
Os sensores de varredura a laser (Laser Ranger Finders - LRF) utilizam o método LIDAR e rotacionam um espelho sobre este laser direcionando-o para que o mesmo percorra um raio de 180◦ ou mais, permitindo assim a varredura de uma determinada área. Um modelo popular na robótica é o Hokuyo URG-04LX mostrado na figura 3. Esse sensor apresenta um espelho inclinado a 45◦ que reflete tanto a luz emitida quanto a sua retrodifusão (retorno) apresentando uma precisão acima de 97%. Durante o processo de rotação do espelho, várias aquisições de distâncias são realizadas, que são encapsuladas e transmitidas como uma mensagem única.
O ROS possui pacotes específicos para a operação destes sensores. O formato de mensagem ROS que manipula os dados destes sensores é o laserscan onde são acumuladas
Figura 3 - (a) Sensor Hokuyo URG-04LX. (b) Funcionamento de um sensor laser scan.
Fonte: Adaptado de Gilmartin (2005).
ordenadamente as distâncias de uma revolução completa do espelho giratório. Além do vetor com as distâncias, estão presentes nessa mensagem os dados do ângulo total varrido (início e fim da varredura) bem como o ângulo de passo (distância angular entre duas medidas consecutivas). Todas essas informações permitem representar cada ponto lido em um plano 2D.
Outro tipo de sensor que permite a aquisição espacial de distâncias são as câmeras 3D como a Microsoft Kinect (figura 4) ou a Intel RealSense (figura 5). Essas câmeras utilizam uma representação em uma nuvem de pontos (PointCloud) como formato padrão de encapsulamento das informações coletadas como mostrado na figura 6. Uma nuvem de pontos são mensagens que contêm todos os pontos representados em [x,y,z], coletados em uma matriz onde os parâmetros x e y correspondem à resolução da câmera. Outras informações como resolução do sensor também são incluídas nas mensagens do tipo PointCloud.
Figura 4 - Microsoft Kinect
Fonte: Autoria própria.
Figura 5 - Intel RealSense
Fonte: Autoria própria.
Figura 6 - PointCloud
Fonte: Autoria própria.
2.3 SISTEMAS MULTI-ROBÔS
A experimentação com grupos de robôs é limitada pela área necessária para os ensaios, o que leva naturalmente a aplicação de pequenos robôs. Nesse contexto, os sistemas
Figura 7 - Robôs Swarm 1. (a) Spiderino. (b) E-Puck. (c) Jasmine. (d) Kilobots.
(a) (b) (c) (d)
Fonte: Adaptado de Jdeed et al. (2017), Mondada et al. (2009), Kernbach et al. (2009), Rubenstein et al. (2012).
multi-robôs (MRS) normalmente são compostos por micro robôs (na escala de centímetros) visando a experimentação com grandes grupos em pequeno espaço. Nesta seção serão apresentados alguns dos modelos mais utilizados na experimentação de MRS e suas respectivas características.
Spiderino (JDEED et al., 2017) (figura 7a) é um robô desenvolvido para propósitos educacionais. Ele utiliza um microcontrolador Arduíno Pro Mini (BANZI, 2008) como placa principal e é um dos poucos modelos que possui módulo Wi-Fi. Seu sistema de locomoção utiliza seis pernas e sua forma se assemelha a de uma aranha. Todo o seu projeto é de código aberto e está disponível para reprodução ou modificação, sendo um dos modelos com menor custo, cerca de 70 euros, segundo o próprio desenvolvedor.
E-puck V2 (MONDADA et al., 2009) (figura 7b) é, possivelmente, o robô para swarm mais completo encontrado no mercado. Seu diâmetro é de 75 mm e sua locomoção ocorre por duas rodas conectadas diretamente ao eixo de seu respectivo motor, além de possuir oito sensores infravermelhos dispostos ao seu redor que são utilizados para a detecção de obstáculos. Vários outros LEDs relatam dados como status da bateria, estado da comunicação, etc. Ele também possui um acelerômetro 3D, três microfones para captura de áudio, uma câmera CMOS com uma resolução de 640x480 pixels e um alto-falante. Há também a possibilidade de se conectar a ele, uma série de extensões para fins específicos, como um sensor seguidor de linha. No entanto, essa vasta quantidade de recursos resulta em um alto custo, cerca de 1300 dólares.
Jasmine (KERNBACH et al., 2009) (figura 7c) consiste em uma plataforma micro robótica de código aberto tanto para hardware quanto para software, com tamanho inferior a 3 cm. É, talvez, o menor robô encontrado no mercado; possui conexão via infravermelho e sua locomoção é dada por dois motores de corrente contínua com engrenagens internas e duas rodas
Figura 8 - Robôs Swarm 2. (a) Khepera. (b) Elisa. (c) Colias.
(a) (b) (c)
Fonte: Adaptado de Soares et al. (2016), GCTronic (2019), Hu et al. (2018).
acionadas por tração diferencial em um eixo com um acoplamento de roda motriz. Este robô não está disponível para compra, no entanto, seu site apresenta uma lista de todos os componentes utilizados, cujo custo aproximado é de 100 euros.
Kilobot (RUBENSTEIN et al., 2012) (figura 7d) desenvolvido pela Universidade Harvard é um dos robôs swarm mais populares e tem 33 mm de diâmetro e 34 mm de altura. Ele utiliza dois motores de vibração selados em forma de moeda para locomoção, quando um desses motores é ativado, as forças centrípetas geradas pelo motor vibratório são convertidas em uma força direta no Kilobot localizado no local de montagem do motor. Isso permite que o Kilobot se mova e gire a, aproximadamente, 1 cm/s e 45◦/s, respectivamente. Essa abordagem impede que o robô seja controlado com precisão, e o esforço para calibrar a trajetória é bastante alto além de ser necessário uma superfície totalmente plana. Ele possui sensores de distância e sua comunicação é via infravermelho. Existe uma versão comercial disponível em (ROBOTICS, 2019b), em que cada unidade custa em torno de 132 dólares.
Khepera IV (SOARES et al., 2016) (figura 8a) é sucessor do Khepera III e, foi projetado pela empresa K-Team3. Lançado em janeiro de 2015, o Khepera IV é um robô móvel com rodas diferenciais, com 14 cm de diâmetro. É equipado com 12 sensores infravermelhos, cinco sensores de ultrassom, dois microfones e uma câmera. Os sensores incorporados incluem encoders nas duas rodas e uma unidade de medida inercial (IMU). A comunicação sem fio pode ser realizada usando Bluetooth ou 802.11b/g, e o processamento ocorre em um micro controlador embutido Gumstix executando o GNU/Linux. Este robô possui uma série de sensores (ex: sensores infravermelhos, ultrassônicos, etc.) uma câmera de 752 x 480 pixels e microfone. Sua versão comercial é vendida por 3180,00 dólares.
de baixo custo com ótimos recursos. Sua terceira versão possui um novo micro controlador, o Atmel 2560, e um novo conjunto de sensores. Ele possui um LED RGB central que pode ser usado para informar seu status e também oito LEDs verdes emissores de IR, oito sensores de proximidade, acelerômetro tridimensional, rádio RF para comunicação Wi-Fi, conector micro USB para programação, depuração, carregamento e receptor de IR, entre outros. Sua locomoção ocorre através de duas rodas magnéticas que permitem ao robô atingir a velocidade de 60 cm/s. Sua recarga ocorre através de um método interessante: o robô possui duas hastes expostas para carregamento; quando o robô se posiciona na estação de recarga, essas hastes se conectam aos conectores da estação, iniciando assim a recarga. O Elisa-3 é vendido por 440 dólares (ROBOTICS, 2019a).
Colias (HU et al., 2018) (figura 8c) é um dos mais sofisticados do mercado. Ele possui dois micros controladores que atuam em paralelo, enquanto o primeiro processa funções básicas do robô, como gerenciamento de energia, detecção de obstáculos e controle de movimento, o último processa funções mais complexas, como comunicação entre robôs e outras funções programadas pelo usuário. Sua locomoção é realizada pelo acionamento diferencial que permite ao robô atingir 35 cm/s. Na sua configuração básica, possui apenas sensores de distância infravermelhos e um sensor de luz. O sistema de comunicação do Colias é realizado por transmissores e receptores infravermelhos. Seu sistema de energia possui uma bateria de 600 mAh, que pode ser estendida para 1200 mAh, dando ao robô uma autonomia de 3 horas. O método de recarga padrão utilizado é via USB e o custo para montar este robô, de acordo com os criadores, é de 25 libras.
A tabela 1 apresenta uma comparação entre as plataformas analisadas e o robô desenvolvido neste trabalho: o WsBot que será apresentado em detalhes no capítulo 3. Na segunda coluna, é mostrado o custo de produção do robô em dólares americanos. Esses valores podem apresentar incongruências por motivos como variação cambial, defasagem de preços em função do tempo, entre outros. No entanto, é possível realizar uma análise comparativa entre os modelos.
2.4 EXPERIMENTAÇÃO COM SISTEMAS MULTI-ROBÔS
Os sistemas multi-robôs (MRS) apresentam amplas aplicações e imenso potencial. No entanto, desenvolver estes sistemas é uma tarefa extremamente complexa devido à dificuldade de diagnosticar problemas em função da enorme quantidade de informações a serem analisadas. Isso ocorre porque existem muitas fontes potenciais de erro; todos os problemas que ocorrem com um único robô existem em MRS, como: falha mecânica, mau funcionamento de sensores
Tabela 1 - Comparação entre Robôs
Nome Custo ($) Locomoção Vel (cm/s) Autonomia (h) Tamanho (cm) Comunicação
Spiderino 80.00 pernas 6 4 - 20 N/A Wi-Fi
E-puck V2 840.00 rodas 13 3 7.5x7.5x5.5 IR
Jasmine 100.00 rodas N/A 1 - 2 3x3x3 IR
Kilobot 120.00 vibração 1 3 - 24 3.3x3.3x3.4 IR
Khepera IV 3180.00 rodasl 100 7 14x14x5.8 IR / BT
Elisa-3 440.00 rodas 60 3 5x5x3 IR / RF
Colias 31.00 rodas 35 3 4x4x? IR
WsBot 16.83 rodas 3.5 4 3.3x3.3x7 Wi-Fi
Legenda: IR = Infra Vemelho, BT = BlueTooth e RF = Rádio Frequência
Figura 9 - Plataformas para experimentação de SMR 1. (a) PHRO. (b) Kilogrid. (c) ARK. (d) ARGoS.
(a) (b) (c) (d)
Fonte: Adaptado de Qi e Liu (2018), Antoun et al. (2016), Reina et al. (2017.), Reina et al. (2015).
ou falhas no software. A seguir serão apresentadas algumas abordagens de técnicas, ferramentas e plataformas propostas para auxiliar o desenvolvimento destes sistemas.
Em (MCLURKIN, 2009), é apresentada uma pesquisa sobre os principais desafios enfrentados no desenvolvimento de sistemas multi-robôs. Nesse trabalho são destacados alguns componentes chave para a condução de experimentos em MRS, como: a definição de métricas de desempenho, configuração física, conectividade da rede e autonomia. A autonomia do sistema é a capacidade do sistema de executar suas tarefas sem qualquer intervenção externa. O autor destaca ainda que conforme a complexidade do sistema, são necessários alguns softwares específicos que auxiliem no diagnóstico de falhas e na análise de comportamentos observados. Em (QI; LIU, 2018) (figura 9a), foi proposta uma ferramenta chamada PHRO que utiliza smartphones Android e o Simulink (um plugin do MATLAB) e permite que estudantes e engenheiros possam realizar pesquisas em MRS. Este sistema emite uma série de relatórios de execução, que auxiliam na compreensão dos comportamentos apresentados pelos agentes.
chamada Kilogrids (figura 9b) por onde os Kilobot (robôs) se movimentam. O Kilogrid possui a capacidade de configuração do ambiente por meio de células coloridas por LEDS dispostos em uma configuração de 64 células divididas em 8 linhas e 8 colunas. Foram ainda, desenvolvidos sensores virtuais visando superar as limitações impostas pelos Kilobots como por exemplo a capacidade de determinar sua localização. Uma desvantagem fundamental deste sistema é o custo necessário para sua implementação. O modelo proposto apresenta um tamanho que torna inviável a reprodução da maioria dos ambientes industriais, já um modelo maior seria inviável financeiramente.
Já em (REINA et al., 2017.), é apresentado um sistema denominado ARK (Augmented Reality for Kilobots) (figura 9c). Este sistema utiliza 4 câmeras na parte superior da estrutura para realizar o rastreamento e controle, além de utilizar a realidade aumentada para projetar cenários e assim permitir que os robôs possam interagir com eles. A aplicação desta ferramenta é apresentada a partir de duas demonstrações, nas quais foram projetados locais de origem e destino de cargas, onde os robôs deveriam realizar o seu transporte virtual.
Em (REINA et al., 2015), é proposto um projeto similar ao anterior chamado de ARGoS (figura 9d). Este projeto conta com um sistema de rastreamento, um simulador e robôs swarms e-pucks. O sistema de rastreamento utiliza marcadores visuais sobre os robôs (ARtag (ZHANG et al., 2002)), reconhecidos por câmeras dispostas na parte superior da estrutura. Também foram adicionados recursos de realidade aumentada para a projeção de determinadas características no ambiente e nos robôs, cujo foco principal é o desenvolvimento de sensores virtuais e, para demonstrar as vantagens dessa ferramenta, foi realizado um experimento onde foi desenvolvido um sensor de poluição. Adicionou-se, inclusive, marcações visuais através da realidade aumentada para representar as áreas com poluição, que teve um resultado final bastante satisfatório, pois o uso de sensores virtuais e da realidade aumentada possibilita, de fato, superar diversos obstáculos impostos pela dificuldade de desenvolver estes sistemas.
Em (MILLARD et al., 2018.) os autores apresentaram o projeto de um depurador de MRS também utilizando realidade aumentada. Neste projeto o foco principal está na análise de dados para identificação de possíveis falhas. O ARDebug (figura 10a), como foi chamado, funciona em tempo real, rastreando cada robô através de uma alimentação de vídeo com a combinação das informações de suas posições com os demais dados do robô obtidos pela rede sem fio. Desta forma é possível identificar diversas falhas como: falha de hardware, nos sistemas de controle, divisão de tarefas, entre muitas outras. Com o objetivo de reduzir o tempo necessário para a identificação de falhas, o AR Debug utiliza realidade aumentada para projetar informações através de textos e imagens. Além do sistema de análise, este projeto
Figura 10 - Plataformas para experimentação de SMR 2. (a) ARDebug. (b) Dr. Swarm. (c) Robotarium.
(a) (b) (c)
Fonte: Adaptado de Millard et al. (2018.), Wheeler et al. (2019), Pickem et al. (2017).
possui uma plataforma robótica própria além de um sistema de rastreamento específico. Este sistema utiliza a biblioteca ArUco (JURADO et al., 2014.), específica para reconhecimento de marcadores. Seguindo o mesmo conceito e publicado muito recentemente, (WHEELER et al., 2019) apresenta um sistema chamado DR.Swarm (figura 10b). Esse sistema também utiliza a realidade aumentada para projetar informações sobre as tarefas executadas e os estados de cada componente, e ainda apresenta a possibilidade de inserir gráficos e rótulos para cada robô em operação.
Provavelmente o simulador mais popular e conhecido, seja o Robotarium (PICKEM et al., 2017) (figura 10c) mantido pela Georgia Institute of Technology. Este simulador, que também é um laboratório, está operando em sua segunda versão que possui mais de 100 robôs sobre uma mesa de 240 x 365 cm. Os robôs, chamados de GRITSBots, apresentam um sistema de rastreamento por marcação visual (AR-Tags) e comunicação infravermelho. É possível ainda, projetar objetos virtuais por meio da realidade aumentada. No entanto, o destaque principal deste simulador é a possibilidade de colaboradores ao redor do mundo enviarem seus algoritmos através de uma interface web e acompanharem a execução dos mesmos.
O fato de os trabalhos expostos até o momento apresentarem foco nitidamente científico, reflete o cenário encontrado na comunidade acadêmica. Os poucos trabalhos que utilizam a realidade aumentada para produzir avanços em robôs para indústria estão restritos a robôs manipuladores. Como em (ZAEH; VOGL, 2006) e (ABBAS et al., 2012) em que foram apresentadas duas propostas para a utilização da realidade aumentada, para programação e operação de robôs manipuladores. Há ainda os trabalhos que propõem robôs móveis com
finalidades específicas como em (EIJI; SEI, 1993), que apresenta uma plataforma robótica para realizar colheitas ou, o já mencionado (CORRELL et al., 2009), com a proposta de robôs para manutenção de motores.
Com base na escassez de trabalhos que apresentem contribuições para a modernização da indústria por meio da robótica móvel, é extremamente valiosa a construção de uma plataforma que possa servir de base para a experimentação e validação de diferentes abordagens relacionadas a essa tecnologia. A possibilidade de superar os diversos fatores que inegavelmente dificultam a realização destes projetos, poderá proporcionar um aumento na quantidade e qualidade destes trabalhos.
3 O MICRO-ROBÔ WSBOT
O robô móvel desenvolvido para implementar um armazém inteligente é apresentado em detalhes nesse capítulo. O WsBot (figura 11) é pequeno, compacto, de baixo custo, de montagem rápida, baixa complexidade e fácil de programar. Essas características, combinadas neste protótipo de robô, fomentam o desenvolvimento prático de estudos em inteligência e controle coletivos envolvendo as técnicas utilizadas em sistemas multi-robôs.
Figura 11 - Principais componentes do WsBot.
Fonte: Autoria própria.
Deste modo, os estudos realizados em ambientes de simulação podem ser testados e validados em ambientes reais. Durante o processo de desenvolvimento do projeto do robô, questões como preço, escalabilidade e baixa complexidade para montagem foram aspectos priorizados.
3.1 SISTEMA DE LOCOMOÇÃO
O sistema de locomoção do robô é baseado no sistema de tração diferencial. O protótipo possui três apoios, duas rodas nas quais são acoplados os micro motores DC independentes. O eixo comum dessas duas rodas está localizado logo abaixo do centro da base. Neste sistema de tração, cada motor é conectado a uma roda lateral respectiva por meio de um conjunto de engrenagens chamado caixa de redução. O gerenciamento das velocidades lineares
e angulares é realizado controlando a corrente fornecida a cada motor e, consequentemente, a sua velocidade. Dessa maneira, a velocidade angular será proporcional à diferença entre as potências fornecidas para cada motor.
A parte principal da estrutura é a base mostrada na Figura 13. Nesta base são fixadas as rodas com suas respectivas engrenagens e, complementando o trio de apoio do robô, o LED que funciona como roda de castor. Também podemos observar quatro furos nos quais os eixos serão fixados. Seus eixos conectam as duas partes da estrutura, formando assim o chassi do robô, onde todas as outras partes e componentes serão fixados.
Figura 12 - AR Tag.
Fonte: Autoria própria.
No eixo do LED é alocada a bateria, o componente com maior peso do robô. Portanto, para melhorar a dinâmica de movimento do robô, sua direção de movimento é contrária à posição do LED. As dimensões físicas do robô estão descritas na Tabela 2.
Tabela 2 - Dimensões do WsBot
Descrição do WsBot dimensão unidade
largura 33.0 mm comprimento 33.0 mm altura 70.0 mm diâmetro da roda 8.0 mm espessura da roda 2.5 mm peso 75 g
3.2 SISTEMA DE RASTREAMENTO
O WsBot possui três graus de liberdade [x, y, θ ]T e a pista em que ele executa as ações é plana. O sistema para localizá-lo consiste em uma câmera RGB localizada sobre o ambiente de trabalho e um marcador visual (ARTag). A ARTag está localizada em uma estrutura leve (Item 5 - Figura 12), impressa em 3D, anexado à parte superior do robô. A câmera, ao localizar o QR-Code, obtém informações sobre a identificação do robô (ID dos vários robôs do sistema) e também sua posição. Este sistema de localização possui vital importância neste projeto pois dele depende desde o sistema de controle dos robôs até a projeção virtual dos elementos dinâmicos.
Figura 13 - Base estrutural do robô.
Fonte: Autoria própria.
3.3 ARQUITETURA DE HARDWARE
A estrutura desenvolvida para o hardware do robô foi projetada para ser montada rapidamente e, deste modo, simplificar a produção em massa dos WsBots. Suas conexões foram projetadas para compactar o tamanho do robô de acordo com sua estrutura física. A figura 14 apresenta o modelo de hardware utilizado para projetar uma unidade do robô móvel. Os componentes utilizados serão apresentados na sequência.
1. Bateria de lítio com saída de 3,7 V e carga de 1100 mAh. É uma bateria recarregável com vida útil adequada a este modelo de robô, fornecendo autonomia de até 4 horas de uso ininterrupto. Seu tamanho e peso são 35x50x2 mm e 25 g, respectivamente.
2. Driver para carregar a bateria - TP4056 (RADIOLUX, 2016). Ele é capaz de carregar a bateria do robô sem a necessidade de removê-la. É alimentado por um conector mini-USB com uma tensão de 5V, fornecendo uma tensão de 4,2V para a bateria. Possui uma capacidade máxima de 1,2A para recarregar completamente a bateria em cerca de duas horas.
Figura 14 - WsBot: Hardware e Arquitetura.
1
2
4
3
5
6
7
8
Fonte: Autoria própria.
3. Este componente é uma chave mecânica, com a função de ligar e desligar o robô. Por razões de segurança, é aconselhável carregar o robô com o mesmo desligado.
4. O Microcontrolador ESP8266 NodeMCU (BALA, 2018) é o núcleo do robô. Este controlador possui memória flash de 4 Mb; 13 pinos entre digitais e analógicos; GPIO com PWM, I2C, SPI e outras funções; conector micro-USB para programação e energia; Resolução PWM de 10 bits; um conversor analógico-digital (ADC) além de um módulo de comunicação por Wi-Fi. Além de se comunicar com o ROS-Master, o microcontrolador também é responsável por atuar nos motores que se comunicam com a ponte-H (item 5 da lista) e publicar dados do sensor (neste caso, informações da bateria) no ROS. O microcontrolador também possui várias portas livres. Essas portas podem ser utilizadas para conectar diversos sensores (por exemplo: emissores e receptores de infravermelho, sensores ultrassônicos ou até indicadores de estado por LED).
5. Esse componente é um mini ponte-H que opera em uma faixa de tensão de 2 a 10V. Sua arquitetura é composta principalmente pelo CI ST L298N que controla dois motores de
forma independente com uma corrente de até 1,5 A para cada motor. É um acionamento ideal para o controle dos motores devido ao seu tamanho compacto e peso reduzido.
6. São resistores com valores de 330 e 680 Ω, respectivamente. Eles são utilizados em um divisor de tensão que mede a tensão na bateria.
7. Estes componentes são mini motores DC de 3.5 V.
8. Finalmente, este é um módulo PCB de carregamento sem fio de 10 W. É constituído por uma bobina de cobre e uma placa de circuito impresso.
3.4 COMUNICAÇÃO WIRELESS
O NodeMCU é codificado em C ++ pelo IDE do Arduino, programando via serial através do conector micro USB embutido. O código é baseado em ROS, em uma arquitetura de publisher/subscriber. O robô é controlado por meio de mensagens ROS do tipo geometry_msgs/Twist, que é o tipo padrão de mensagens para controle de robôs móveis utilizados pela grande maioria dos robôs industriais. Para enviar esses comandos, é necessário apenas que o controlador esteja conectado à rede e identifique o robô pelo seu IP. Outra função desse algoritmo é o envio constante do estado de carga da bateria.
Toda a comunicação é realizada através do chip ESP8266 embutido na placa principal. Este microchip possui um Wi-Fi de baixo custo com capacidade total de comunicação TCP/IP. Permite conexão Wi-Fi 802.11 b/g/n com velocidades de transmissão que podem atingir 72 Mbps e 91 m em condições favoráveis.
TCP/IP é o protocolo padrão presente na maioria das redes industriais, sendo também o protocolo padrão do ROS. Sua adoção nesta plataforma confere uma enorme vantagem para a validação de modelos aplicáveis na indústria. Essa também é uma vantagem sobre os principais robôs para MRS como Kilobot e e-puck, que possuem apenas conexão por infravermelho.
3.5 RECARREGAMENTO
Uma questão relevante em projetos com robôs móveis autônomos é a necessidade de recarregar as baterias. Se esta tarefa fosse realizada manualmente, poderia dificultar a realização da maioria dos experimentos acadêmicos e até sua aplicação prática na indústria. Portanto, um método de recarga sem fio baseado no proposto em (CHEN et al., 2011) foi aplicado no WsBot. Este método utiliza a tecnologia IPT (Inductive Power Transfer - Transferência de potência
indutiva) que permite que o robô seja recarregado sem a necessidade de qualquer conexão física, sendo necessário apenas posicionar o robô no local indicado próximo à estação de recarga.
Figura 15 - Recarregador Wireless.
Fonte: Autoria própria.
O sistema de recarga consiste em dois circuitos: circuito primário e secundário. O circuito primário é a estação de recarga e gera um fluxo de corrente de alta frequência que produz um campo magnético alternado. Este campo é acoplado à bobina de captação no circuito secundário e induz a distribuição de tensão pela lei de Faraday. O circuito secundário converte essa corrente alternada em contínua e alimenta o driver do carregador de bateria. Outra vantagem desse sistema é a possibilidade de recarregar vários robôs ao mesmo tempo. O módulo carregador utilizado neste projeto fornece uma corrente de 1 A, o que permite que o robô seja totalmente recarregado em aproximadamente duas horas.
3.6 CUSTO
Um dos principais limitadores da produção de robôs em larga escala é o custo. Deste modo, cada componente utilizado neste projeto foi cuidadosamente selecionado, levando em consideração suas características técnicas e seu custo. O uso da plataforma NodeMCU foi essencial nesse sentido pois, além de reunir a maioria dos componentes, é produzida em larga escala reduzindo assim o seu custo de forma considerável.
Tabela 3 - Custo do WsBot
Descrição do Componente Custo ($)
Bateria (1) 3.25 Recarregador da bateria (2) 0.13 Chave mecânica (3) 0.12 Controlador NodeMCU (4) 3.06 Mini Ponte H (5) 0.67 Resistores (6) 0.01 Motores (7) 4.80
Recarregador sem fio (8) 1.09
Chassi do robô 3.70
Total 16.83
US$17. Este valor não inclui o custo de montagem que pode ser executado manualmente, nesse caso, o tempo total para sua montagem é inferior a cinco minutos. A tabela 3 mostra o custo detalhado de cada componente.
4 A ARENA
A ARENA (figura 16) é um novo conceito para a experimentação ativa em armazéns inteligentes, com o objetivo de promover as características reais do chão de fábrica, proposto neste trabalho. Na próxima seção será apresentada a estrutura do armazém utilizado como modelo, em seguida será exposto a forma como os recursos da ARENA serão utilizados para representar todas as suas características e operações.
Figura 16 - ARENA
Fonte: Autoria própria.
4.1 O ARMAZÉM DE INSPIRAÇÃO
A inspiração para este trabalho é um armazém real, localizado no Brasil, que requer um processo de automação completo. Dessa maneira, todos os setores como manutenção, recarga de robôs, entrada e saída de produtos, armazéns, triagem, entre outros, foram fielmente reproduzidos no modelo. As empilhadeiras podem executar ações diferentes dentro do armazém representado, como: carregar e descarregar caminhões, ir para a estação de carregamento ou
área de manutenção e armazenar e remover mercadorias das prateleiras. A figura 17 ilustra a planta do armazém que organiza seu processo em sete setores: Entrada de Carga, Saída de Carga, Verificação, Preparação, Armazenamento, Estação de Carregamento e Manutenção.
Figura 17 - Planta do Armazém
Fonte: Autoria própria.
Entrada de carga é o setor em que os caminhões estacionam para que as empilhadeiras possam descarregar as mercadorias. Em seguida, esses produtos ou pacotes são enviados para a área de Verificação. Nesse setor, a integridade do pacote recebido é verificada e, em seguida, é feita uma classificação para determinar em qual local da prateleira do armazém esse pacote será armazenado. O armazém possui quatro corredores, cada um para um tipo de mercadoria. O primeiro é para itens automotivos, o segundo para itens farmacêuticos, o terceiro para itens alimentares e o último para itens diversos. Cada corredor tem dois armários, com três prateleiras cada.
Saída de carga é o setor em que os caminhões são carregados com pacotes a serem entregues. As mercadorias devem primeiro ser removidas do armazém e depois disponibilizadas no setor de Preparação, onde são embaladas. Após esse processo, uma empilhadeira carrega esses pacotes da área de Preparação para o setor de Saída de Carga. Tanto na entrada quanto na saída de mercadorias, se houver muitos pacotes a serem manuseados, mais de uma empilhadeira poderá ser escolhida para atender à solicitação. O resumo do processo logístico do armazém é mostrado na Figura 18.
Figura 18 - Diagrama dos Processos Logísticos.
Fonte: Autoria própria.
Dois setores possuem funções específicas de suporte para as empilhadeiras: Manutenção e Estação de recarga. Se a empilhadeira precisar ser recarregada, ela deve ser encaminhada ao setor da estação de carregamento, caso contrário, se a empilhadeira exigir alguma manutenção preventiva ou se quebrar, ela precisará ir para o setor de Manutenção.
O processo de logística do armazém é decomposto em vários estados específicos agrupados em super estágios de setor. Esses estágios podem ser organizados em uma máquina de estado global que representa todo o processo de logística do armazém, como mostra a figura 19. As transições da máquina de estado indicam a direção que as empilhadeiras podem seguir, o que evita possíveis colisões entre elas. Deste modo, cada estado é identificado por um círculo branco na figura 17 ou, um estado na figura 19. Cada posição pode ser ocupada por apenas uma empilhadeira.
A logística do armazém é um processo dinâmico que apresenta várias tarefas paralelas devido à ocorrência simultânea de entrada e saída de mercadorias. Solicitações urgentes devem ser executadas imediatamente devido a condições restritivas de tempo de consumo ou armazenamento, por exemplo - carga refrigerada. O gerenciamento é dinâmico porque as tarefas alteram constantemente o número de operadores que a executam, a ponto de a tarefa ser interrompida pela falta momentânea de operadores. Várias situações aleatórias também podem alterar a execução da logística, pois uma empilhadeira pode quebrar ou ficar sem carga na bateria para concluir uma tarefa.
4.2 ESTRUTURA DA ARENA
A abordagem da ARENA é uma composição de novas tecnologias (como mostrado na figura 20), especialmente projetada para avaliar novos métodos com os requisitos da Indústria
Figura 19 - Máquina de Estado dos Processos. M1 M2 M3 M4 Manutenção H1 H2 H3 H4 Estação de Carga C6 C5 C4 Saída da Verificação S6 S5 S4 Entrada da Preparação C1 C2 C3 Entrada da Verificação I1 I2 I3 I4 I5 Entrada de Produtos O1 O2 O3 O4 O5 Saída de Mercadorias S3 S2 S1 Saída da Verificação W11 W12 W13 Rack 1 W23 W22 W21 Rack 2 W31 W32 W33 Rack 3 W43 W42 W41 Rack 4 W51 W52 W53 Rack 5 W63 W62 W61 Rack 6 W71 W72 W73 Rack 7 W83 W82 W81 Rack 8 Armazém
Fonte: Autoria própria.
4.0, como robótica avançada, IOT (internet das coisas), computação em nuvem, inteligência artificial, Realidade Aumentada (AR), e comunicação M2M (máquina-a-máquina).
O projeto ARENA está organizado em quatro eixos fundamentais - real, virtual, camadas e sensores. O eixo Real é a infraestrutura do armazém, onde os componentes físicos (caminhões, paletes, prateleiras) são embutidos em pequena escala. Um grupo de pequenos robôs foi projetado para realizar o transporte das mercadorias, com a mesma mobilidade de empilhadeiras reais.
A AR apresenta novas possibilidades com a adição de elementos virtuais, no eixo Virtual. Assim, pequenos robôs podem lidar com grandes caixas, executando as ações de entrada e saída de carga. Novos agentes virtuais podem ser adicionados ao sistema para uma avaliação em vários cenários, com diferentes tipos de empilhadeiras virtuais, ou para a análise
Figura 20 - Visão geral da ARENA.
Fonte: Autoria própria.
da interação homem-robô com operadores virtuais.
O eixo Sensor está relacionado aos recursos de percepção global e local. Os pequenos robôs são dotados com sensores LRF virtual, o que os capacita a identificar obstáculos. Esta função aumenta de forma expressiva a quantidade de experimentos possíveis.
A experimentação imersiva é alcançada com a introdução de elementos de AR para delimitar as zonas do armazém no cenário real, no eixo Camadas, permitindo a análise prática do gerenciamento inteligente de carga. A logística do armazém é estruturada em um conjunto de estágios sequenciais discretos, resultando em uma maquina de estado do armazém, conforme mostrado na figura 19, e esses estágios são estampados na prática no cenário real.
A ARENA contém uma estrutura física que representa as dimensões reais do armazém em uma escala reduzida, fornecendo as mesmas características e regiões operacionais que o armazém real. Como o armazém de inspiração não é autônomo e depende da intervenção ou controle humano, o objetivo é usar a ARENA em conjunto com MRS e AR, para desenvolver um sistema de armazém autônomo. Nesse sentido, o sistema de armazém inteligente desenvolvido será validado na ARENA e, em seguida, será implantado no armazém real. A infraestrutura reúne os dispositivos necessários para representar as funcionalidades do armazém, como pode ser visto na figura 21. Os elementos que o compõem podem ser classificados em componentes
estáticos ou dinâmicos, que serão descritos abaixo.
Figura 21 - Estrutura da ARENA.
Fonte: Autoria própria.
A infraestrutura é montada sobre uma mesa grande personalizada que suporta componentes estáticos e dinâmicos, com a dimensão de 1,4 m de comprimento e 2,1 m de largura. Esse suporte é composto de madeira e está coberto por uma lona de vinil, que é plotada com a planta da indústria usada como modelo, ou seja, o armazém. Ao lado da mesa, há uma estrutura metálica com uma altura de 1,6 m, utilizada para suportar câmeras e os refletores.
Duas câmeras RGB e uma câmera RGB-D são empregadas na ARENA para representar toda a funcionalidade necessária para o pleno desenvolvimento do sistema. Uma câmera RGB é dedicada ao rastreamento de robôs através do processamento de imagens, localizando a posição e a orientação das AR-Tags fixadas em cima dos pequenos robôs móveis, os WsBots. Outra câmera RGB é utilizada para AR, onde camadas virtuais são adicionadas à imagem original para obter uma experiência mais realista e imersiva. A câmera RGB-D apresenta os sensores virtuais no WsBots, para obter os mesmos recursos do LRF usados em empilhadeiras reais.
Outro componente estático importante presente na ARENA é a estação de carregamento. Ela é composta por quatro transmissores de carga sem fio, que possuem um circuito eletrônico e uma bobina para transmitir a energia a uma bobina receptora acoplada ao
robô. Assim, é possível carregar os robôs de forma autônoma, sem a necessidade de conectá-los manualmente à energia ou de desligar o sistema do robô.
Elementos reais do armazém são adicionados para obter a percepção real do ambiente, onde são introduzidas prateleiras feitas de madeira e projetadas por um CNC (Computer Numeric Control - máquina de usinagem) e paletes impressos em impressora 3D. A zona de carga de entrada e saída também é especificada por caminhões de carga de plástico. Todos esses elementos físicos são construídos em escala proporcional aos elementos reais do armazém. Estes elementos inseridos, apresentam funções que vão além da questão visual/estética. As prateleiras possuem dimensões suficientes para gerar pontos cegos em relação às câmeras de rastreamento e de pointCloud. De fato estas situações são previstas em ambiente real - é previsível que uma única câmera não permita rastrear todos os robôs em um armazém. Deste modo, estas estruturas permitem o desenvolvimento de soluções que envolva a associação de câmeras, e assim, tratar este problema, por exemplo. Outros elementos podem ser inseridos de acordo com o experimento realizado, um objeto poderia ser inserido no trajeto de um robô em movimento permitindo assim, a verificação da capacidade do algoritmo de controle em contornar o obstáculo e o tempo necessário para realizar tal ação.
As ações das empilhadeiras são executadas pelo WsBot, que interage com os outros recursos presentes, representando uma empilhadeira de armazém real. No entanto, devido às limitações relacionadas ao seu tamanho, a movimentação das cargas é realizada em caixas virtuais.
4.3 REALIDADE AUMENTADA - AR
A intenção desta plataforma é reproduzir da forma mais fiel possível, todas as condições encontradas no ambiente apresentado, no caso, em um armazém. No entanto, devido ao tamanho em escala reduzida da plataforma e consequentemente do robô; desenvolver um dispositivo eletromecânico para o robô de forma que este pudesse erguer um objeto, realizar sua movimentação e ainda depositá-lo nas prateleiras, não seria uma tarefa trivial. Por outro lado, fazendo-se uma análise sobre todos os aspectos técnicos relativos ao sistema, poderíamos chegar à conclusão de que a grande maioria das soluções produzidas a partir desta plataforma (sistema de controle do robô, escalonamento e gerenciamento das tarefas, comunicação, rastreamento, entre outros), não dependem do transporte efetivo dessas cargas. Deste modo, foram introduzidos na ARENA elementos virtuais que possam substituir determinadas características, ações ou condições que por algum motivo, não puderam ser reproduzidas com elementos reais, seja por impossibilidade técnica ou por decisões internas do projeto. Um exemplo de questão
interna em que a AR pode ser utilizada, são as marcações de posição representadas pelo círculo branco, com códigos, espalhadas pela ARENA. Como a planta do armazém foi plotada na lona que cobre a sua superfície, não representaria qualquer aumento de custo ou de tempo a sua inserção real na estrutura. No entanto, optou-se pela utilização de elementos virtuais para a reprodução desta características para facilitar possíveis alterações nesses elementos. A figura 22 expõe o uso de AR em experimentação do armazém inteligente na ARENA.
Figura 22 - Visão superior dos elementos AR da ARENA.
Fonte: Autoria própria.
Objetos estáticos são carregados na inicialização do sistema e têm suas posições já definidas. O marcador de posição do mapa é usado para determinar posições úteis no armazém (por exemplo, posicionamento para carregar robôs ou colocar/remover mercadorias de paletes), enquanto marcadores de setor são usados para destacar diferentes setores dentro do armazém (“A” e “B”, respectivamente). Essas marcadores têm uma função essencial para a visualização de diferentes ambientes e posições ocupadas, e podem auxiliar no desenvolvimento de sistemas inteligentes de armazém.
Todos os componentes dinâmicos têm mudanças de posicionamento à medida que realizam certas atividades ou interagem com objetos reais. O item “C” indica um WsBot, que embora não seja um elemento virtual, integra o AR pelo fato de sua interação, transportando objetos virtuais de um setor para outro, conforme mostrado em “D”. O WsBots também interage com a empilhadeira virtual “E” de forma que ambos não podem ocupar a mesma posição ao mesmo tempo. Finalmente, em “F” na figura 22, a empilhadeira transporta mercadorias virtuais por diferentes setores do armazém. A AR pode cooperar para verificar diferentes situações no ambiente de trabalho, simulando falhas, obstáculos e interação entre componentes reais e
virtuais, expandindo assim, a capacidade da ARENA.
Considerando os componentes virtuais apresentados acima, o AR pode ser empregado para verificar diferentes situações na ARENA e, deste modo, desenvolver novas abordagens para problemas que atualmente são desafios em um armazém inteligente. Por exemplo, técnicas de planejamento de rota para evitar obstáculos podem ser desenvolvidas e validadas usando robôs virtuais interagindo com obstáculos reais ou até inserindo falhas aleatórias em robôs reais, como baterias esgotadas. Esse sistema híbrido proposto é capaz de interagir com os elementos reais e os virtuais, com o benefício de apresentar as condições encontradas em aplicações reais. Raramente, os sistemas desenvolvidos a partir de simuladores, são aplicados diretamente ao mundo real, devido à imprecisão destes modelos, chamada gap de realidade. O sistema ARENA, ao implantar a realidade aumentada juntamente com a estrutura ROS, procura preencher a lacuna entre simulação e realidade, propondo um ambiente de teste mais dinâmico, respeitando as políticas e leis do mundo real e aplicando modelos reduzidos para validação do sistema de armazém inteligente. Portanto, a abordagem híbrida apresenta as vantagens da economia de tempo, segurança e baixo custo de simulação ao usar componentes virtuais, além de ter a fidelidade dos modelos reais devido aos objetos estáticos e dinâmicos da ARENA.
4.4 ARQUITETURA DE SOFTWARE
Como já mencionado, o desenvolvimento de um MRS exige a interação de uma grande quantidade de processos. A imagem 23 apresenta um diagrama completo de todos os processos executados e suas relações.
Neste trabalho diversos pacotes desenvolvidos e disponibilizados pela comunidade ROS foram utilizados. A seguir, estes pacotes serão devidamente listados.
• USB_Cam: Nó responsável pela publicação das informações capturadas pelas câmeras RGB em tópicos do ROS. A partir deste nó são criados dois tópicos, um para cada câmera (ROS, 2019a).
• RVIZ (Ros Visualization): É um visualizador tridimensional que, dentre diversas funções, possibilita a projeção de objetos virtuais em uma imagem real. É uma ferramenta altamente configurável que dispõe de diferentes tipos de visualizações (ROS, 2019c).
• Ar_Track_Alvar: Pacote utilizado no sistema de rastreamento dos robôs. Este pacote estabelece uma relação entre marcadores geométricos impressos em uma superfície (tags) e um código ID que é composto por um número inteiro, sequencial, iniciado em 0. Devido
Figura 23 - Arquitetura do Software - Fluxo de Dados
Fonte: Autoria própria.
ao processo de calibragem onde são informadas as medidas exatas dos marcadores, possui a capacidade de, mesmo utilizando uma imagem 2D, identificar as coordenadas em 3D destes marcadores identificados. A partir da análise da imagem fornecida pela câmera, é realizada a associação entre a tag e seu ID e as respectivas coordenadas espaciais são publicadas. Essas coordenadas são representadas por 2 vetores, um linear (x, y, z) e outro angular dado por um quatérnio. Os Quatérnios são uma representação angular composta por um vetor de 4 dimensões. (ROS, 2019d).
• RealSense2_Camera: Pacote desenvolvido pela Intel que permite acesso às funções da câmera RGB-D utilizada neste trabalho como a PointCloud. A forma como os dados dessa câmera são utilizados para criar o sensor virtual será detalhado na seção dedicada ao sensor virtual.
Além dos pacotes disponibilizados pela comunidade ROS foram desenvolvidos para este trabalho uma série de pacotes com diferentes funções que serão apresentados a seguir:
