Robótica Avanzada

Usted está aquí

Créditos
6
Tipos
Obligatoria
Requisitos
Esta asignatura no tiene requisitos, pero tiene capacidades previas
Departamento
ESAII
La asignatura de Robótica Avanzada es una asignatura de alto nivel que permite a los estudiantes adquirir conocimientos especializados sobre la programación, el control y el funcionamiento de los robots manipuladores y móviles. A través de esta asignatura, los estudiantes podrán profundizar en sus habilidades de percepción, planificación y actuación, así como en la capacidad de resolver problemas en entornos reales e impredecibles.

Los alumnos de la asignatura aprenderán a aplicar técnicas avanzadas de Inteligencia Artificial para resolver problemas de robótica en entornos complejos y dinámicos. Esto incluye la planificación de rutas, el razonamiento sobre el espacio, la gestión de la incertidumbre, la acomodación entre objetos, la percepción y otras habilidades avanzadas.

Profesorado

Responsable

  • Anais Garrell Zulueta ( )

Otros

  • Isiah Zaplana Agut ( )

Horas semanales

Teoría
2
Problemas
0
Laboratorio
2
Aprendizaje dirigido
0
Aprendizaje autónomo
6

Competencias

Competencias Transversales

Transversales

  • CT1 - Emprendimiento e innovación. Conocer y entender la organización de una empresa y las ciencias que rigen su actividad; tener capacidad para entender las normas laborales y las relaciones entre la planificación, las estrategias industriales y comerciales, la calidad y el beneficio.
  • CT2 - Sostenibilidad y Compromiso Social. Conocer y comprender la complejidad de los fenómenos económicos y sociales típicos de la sociedad del bienestar; tener capacidad para relacionar el bienestar con la globalización y la sostenibilidad; lograr habilidades para utilizar de forma equilibrada y compatible la técnica, la tecnología, la economía y la sostenibilidad.
  • CT3 - Comunicación eficaz oral y escrita. Comunicarse de forma oral y escrita con otras personas sobre los resultados del aprendizaje, de la elaboración del pensamiento y de la toma de decisiones; participar en debates sobre temas de la propia especialidad.
  • CT5 - Uso solvente de los recursos de información. Gestionar la adquisición, la estructuración, el análisis y la visualización de datos e información en el ámbito de especialidad y valorar de forma crítica los resultados de dicha gestión.
  • CT8 [Avaluable] - Perspectiva de género. Conocer y comprender, desde el propio ámbito de la titulación, las desigualdades por razón de sexo y género en la sociedad; integrar las diferentes necesidades y preferencias por razón de sexo y de género en el diseño de soluciones y resolución de problemas.

Básicas

  • CB3 - Que los estudiantes tengan la capacidad de reunir e interpretar datos relevantes (normalmente dentro de su área de estudio) para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética.
  • CB5 - Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía

Competencias Técnicas

Específicas

  • CE15 - Adquirir, formalizar y representar el conocimiento humano en una forma computable para la resolución de problemas mediante un sistema informático en cualquier ámbito de aplicación, particularmente los relacionados con aspectos de computación,percepción y actuación en ambientes o entornos inteligentes.
  • CE17 - Desarrollar y evaluar sistemas interactivos y de presentación de información compleja y su aplicación a la resolución de problemas de diseño de interacción persona-computadora y persona-robot.
  • CE24 - Concebir, diseñar y construir sistemas robóticos inteligentes con aplicación en entornos de producción y de servicios, capaces de interactuar con personas, colaborativos y sociales.
  • CE25 - Concebir, diseñar e integrar robots móviles con capacidad de navegación autónoma, formación de flotas e interacción con humanos.
  • CE26 - Diseñar y aplicar técnicas de procesado y análisis de imágenes y visión por computador en el ámbito de la inteligencia
  • CE28 - Planificar, concebir, desplegar y dirigir proyectos, servicios y sistemas en el ámbito de la inteligencia artificial, liderando su puesta en marcha y su mejora continua y valorando su impacto económico y social.

Competencias Técnicas Genéricas

Genéricas

  • CG3 - Definir, evaluar y seleccionar plataformas hardware y software para el desarrollo y la ejecución de sistemas, servicios y aplicaciones informáticas en el ámbito de la inteligencia artificial.
  • CG4 - Razonar, analizando la realidad y diseñando algoritmos y formulaciones que la modelen. Identificar problemas y construir soluciones algorítmicas o matemáticas válidas, eventualmente nuevas, integrando el conocimiento multidisciplinar necesario, valorando distintas alternativas con espíritu crítico, justificando las decisiones tomadas, interpretando y sintetizando los resultados en el contexto del dominio de aplicación y estableciendo generalizaciones metodológicas a partir de aplicaciones concretas.
  • CG5 - Trabajar en equipos y proyectos multidisciplinares relacionados con la inteligencia artificial y la robótica, interactuando fluidamente con ingenieros/as y profesionales de otras disciplinas.
  • CG6 - Identificar oportunidades para aplicaciones innovadoras de la inteligencia artificial y la robótica en entornos tecnológicos en continua evolución.
  • CG7 - Interpretar y aplicar la legislación vigente, así como especificaciones, reglamentos y normas en el ámbito de la inteligencia artificial.
  • CG8 - Observar un ejercicio ético de la profesión en todas sus facetas, aplicando criterios éticos en el diseño de sistemas,algoritmos, experimentos, utilización de datos, de acuerdo con los sistemas éticos recomendados por los organismos nacionales e internacionales, con especial énfasis en seguridad, robustez, privacidad, transparencia, trazabilidad, prevención de sesgos (de raza, género, religión, territorio, etc.) y respeto a los derechos humanos.
  • CG9 - Afrontar nuevos retos con una visión amplia de las posibilidades de la carrera profesional en el ámbito de la Inteligencia Artificial. Desarrollar la actividad aplicando criterios de calidad y mejora continua, y actuar con rigor en el desarrollo profesional. Adaptarse a los cambios organizativos o tecnológicos. Trabajar en situaciones de carencia de información y/o con restricciones temporales y/o de recursos.

Objetivos

  1. Aprender a programar robots y diseñar aplicaciones robóticas.
    Competencias relacionadas: CE24, CE25, CE26, CG4, CG6, CG8, CG9, CT1, CT5, CB3, CB5, CE15, CE17,
  2. Ser potencial d'emetre judicis que incloguin una reflexió sobre temes rellevants d'índole social, científica o ètica, relacionats amb la robòtica actual i les seves aplicacions.
    Competencias relacionadas: CE28, CG5, CG6, CG7, CG8, CT2, CT3, CT8,

  3. Aprendre a coordinar accions entre robots.
    Competencias relacionadas: CG3, CG5, CG6, CT3, CT5, CE15, CE17,
  4. Ser capaz de fusionar distintas fuentes de información para obtener, formalizar y representar el entorno físico de forma computable para la resolución de problemas.
    Competencias relacionadas: CE24, CE25, CG3, CG5, CG6, CG8, CT2, CT5, CB3, CB5, CE17,
  5. Aplicación de técnicas de Visión por Ordenador a Sistemas Robóticos
    Competencias relacionadas: CE24, CE25, CE26, CG4, CG5, CG6, CT5, CE15,
  6. Aplicación de técnicas de Inteligencia Artificial a Sistemas Robóticos
    Competencias relacionadas: CE24, CE26, CE28, CG4, CG5, CG9, CT3, CT5, CE15, CE17,
  7. Creación de sistemas de interacción entre robots y humanos
    Competencias relacionadas: CE24, CE25, CE26, CE28, CG3, CG4, CG5, CG6, CG7, CG8, CG9, CT1, CT3, CT5, CT8, CE15, CE17,

Contenidos

  1. Introducción
    Se repasarán los contenidos que se alcanzaron en la asignatura anterior Introducción a la robótica.
  2. Métodos de Planificación Basados ¿¿en Grafos
    Introducción del problema de planificación de rutas a través de mallas donde el robot sólo puede ocupar posiciones discretas. Se pueden modelar estas situaciones como grafos donde los nodos corresponden a las posiciones del parrillo y las aristas en las rutas entre celdas del parrillo adyacentes. Presentamos varios algoritmos que se pueden utilizar para planificar caminos entre un nodo inicial y un nodo final, incluyendo la búsqueda en anchura o el algoritmo grassfire, el algoritmo de Dijkstra y el procedimiento A*
  3. Espacio de Configuraciones
    Presentación del concepto de espacio de configuración, que es una herramienta matemática que utilizamos para pensar en el conjunto de posiciones que nuestro robot puede conseguir. Luego se va a estuar la noción de obstáculos en el espacio de configuración. Esta formulación permite pensar en problemas de planificación de caminos en términos de construcción de trayectorias para un punto a través del espacio de configuración. También se describirán algunos enfoques que pueden utilizarse para discretizar el espacio de configuración continuo en grafos para que podamos aplicar herramientas basadas en grafos para resolver nuestros problemas de planificación de movimiento.
  4. Planning Methods Based on Sampling
    Se presentará el concepto de técnicas de planificación de caminos basadas en muestreo. Esto implica hacer muestreo de puntos de forma aleatoria en el espacio de configuración y, después, crear aristas sin colisión entre puntos de muestreo vecinos para formar un grafo que capture la estructura del espacio de configuración del robot. Se presentarán los métodos de Probabilistic Road Maps y Randomly Exploring Rapid Trees (RRTs) y su aplicación a problemas de planificación de movimiento.
  5. Métodos de Campos de Potencial Artificial
    Un nuevo enfoque para la planificación de movimiento consiste en la construcción de campos de potencial artificial que están diseñados para atraer al robot a la configuración deseada de la meta y alejarlo de los obstáculos en el espacio de configuración. El movimiento del robot puede guiarse considerando el gradiente de esta función de potencial. Se ilustrarán estas técnicas en el contexto de un espacio de configuración bidimensional simple.
  6. Planificación de movimientos
    Obstáculos en el espacio de configuración, grafos y árboles, y búsqueda de grafos A*.
    Planificación de movimientos en parrilla del espacio de configuración discretizado, planificadores basados ¿¿en muestreo aleatorio, campos potenciales virtuales y optimización no lineal.
  7. Control de robots
    Dinámica de error lineal de primer y segundo orden, estabilidad de un sistema de control de retroalimentación, y control de movimiento de robots cuando la salida del controlador comanda las velocidades articulares.
    Control de movimiento de robots cuando la salida del controlador comanda las torsiones articulares, control de fuerza y control híbrido de movimiento-fuerza.
  8. Robots móviles con ruedas
    Modelos cinemáticos de robots móviles con ruedas omnidireccionales y no holonómicos.
    Controlabilidad, planificación de movimientos y control de retroalimentación de robots móviles con ruedas no holonómicos; odometría para robots móviles con ruedas; y manipulación móvil.
  9. Dinámica de cadenas abiertas
    Formulación lagrangiana de la dinámica, fuerzas centrípetas y de Coriolis, matriz de masa del robot, dinámica de un cuerpo rígido, y dinámica inversa de Newton-Euler para un robot de cadena abierta.
    Dinámica directa de una cadena abierta, dinámica del espacio de tareas, dinámica restringida, y efectos prácticos a causa de los engranajes y la fricción.
  10. Generación de trayectorias
    Trayectorias punto a punto online recta y trayectorias polinómicas que pasan por puntos viajeros.
    Movimientos óptimos en el tiempo a lo largo de una trayectoria especificada bajo las dinámicas del robot y límites de actuadores.
  11. Control de manipuladores
    Estrategias de control de movimiento local vs. centralizado.
    Control independiente de "joints".
    Acción anticipada de torsión computarizada.
    Análisis de la estabilidad de Lyapunov de los controles MIMO.
    Linearización de retroalimentación.
    Control del espacio operativo.
    Estrategias de control de fuerza indirecta vs. directa.
    Control de impedancia.
    Control de fuerza directa.
    Controladores en cascada.

Actividades

Actividad Acto evaluativo


Respaso de los Contenidos de la asignatura Introducción a la Robótica.

Se repasarán los contenidos que se alcanzaron en la asignatura anterior Introducción a la robótica.
Objetivos: 2
Contenidos:
Teoría
2h
Problemas
0h
Laboratorio
0h
Aprendizaje dirigido
0h
Aprendizaje autónomo
8h

Métodos de Planificación Basados ¿¿en Grafos

Introducción del problema de planificación de rutas a través de mallas donde el robot sólo puede ocupar posiciones discretas. Se pueden modelar estas situaciones como grafos donde los nodos corresponden a las posiciones del parrillo y las aristas en las rutas entre celdas del parrillo adyacentes. Presentamos varios algoritmos que se pueden utilizar para planificar caminos entre un nodo inicial y un nodo final, incluyendo la búsqueda en anchura o el algoritmo grassfire, el algoritmo de Dijkstra y el procedimiento A*
Objetivos: 2 4
Contenidos:
Teoría
2h
Problemas
0h
Laboratorio
4h
Aprendizaje dirigido
0h
Aprendizaje autónomo
6h

Espacio de Configuraciones

Presentación del concepto de espacio de configuración, que es una herramienta matemática que utilizamos para pensar en el conjunto de posiciones que nuestro robot puede conseguir. Luego se va a estuar la noción de obstáculos en el espacio de configuración. Esta formulación permite pensar en problemas de planificación de caminos en términos de construcción de trayectorias para un punto a través del espacio de configuración. También se describirán algunos enfoques que pueden utilizarse para discretizar el espacio de configuración continuo en grafos para que podamos aplicar herramientas basadas en grafos para resolver nuestros problemas de planificación de movimiento.
Objetivos: 2 4
Contenidos:
Teoría
2h
Problemas
0h
Laboratorio
2h
Aprendizaje dirigido
0h
Aprendizaje autónomo
4h

Métodos de Planificación Basados ¿¿en Muestreo

Se presentará el concepto de técnicas de planificación de caminos basadas en muestreo. Esto implica hacer muestreo de puntos de forma aleatoria en el espacio de configuración y, después, crear aristas sin colisión entre puntos de muestreo vecinos para formar un grafo que capture la estructura del espacio de configuración del robot. Se presentarán los métodos de Probabilistic Road Maps y Randomly Exploring Rapid Trees (RRTs) y su aplicación a problemas de planificación de movimiento.
Objetivos: 2 4
Contenidos:
Teoría
2h
Problemas
0h
Laboratorio
2h
Aprendizaje dirigido
0h
Aprendizaje autónomo
8h

Métodos de Campos de Potencial Artificial

Un nuevo enfoque para la planificación de movimiento consiste en la construcción de campos de potencial artificial que están diseñados para atraer al robot a la configuración deseada de la meta y alejarlo de los obstáculos en el espacio de configuración. El movimiento del robot puede guiarse considerando el gradiente de esta función de potencial. Se ilustrarán estas técnicas en el contexto de un espacio de configuración bidimensional simple.
Objetivos: 1 2 3 4 6
Contenidos:
Teoría
4h
Problemas
0h
Laboratorio
2h
Aprendizaje dirigido
0h
Aprendizaje autónomo
8h

Planificación de movimientos

Obstáculos en el espacio de configuración, grafos y árboles, y búsqueda de grafos A*. Planificación de movimientos en parrilla del espacio de configuración discretizado, planificadores basados ¿¿en muestreo aleatorio, campos potenciales virtuales y optimización no lineal.

Teoría
2h
Problemas
0h
Laboratorio
2h
Aprendizaje dirigido
0h
Aprendizaje autónomo
8h

Control de robots

Dinámica de error lineal de primer y segundo orden, estabilidad de un sistema de control de retroalimentación, y control de movimiento de robots cuando la salida del controlador comanda las velocidades articulares. Control de movimiento de robots cuando la salida del controlador comanda las torsiones articulares, control de fuerza y ¿¿control híbrido de movimiento-fuerza.
Objetivos: 2 6
Teoría
4h
Problemas
0h
Laboratorio
4h
Aprendizaje dirigido
0h
Aprendizaje autónomo
10h

Robots móviles con ruedas

Modelos cinemáticos de robots móviles con ruedas omnidireccionales y no holonómicos. Controlabilidad, planificación de movimientos y control de retroalimentación de robots móviles con ruedas no holonómicos; odometría para robots móviles con ruedas; y manipulación móvil.

Teoría
2h
Problemas
0h
Laboratorio
4h
Aprendizaje dirigido
0h
Aprendizaje autónomo
6h

Dinámica de cadenas abiertas

Formulación lagrangiana de la dinámica, fuerzas centrípetas y de Coriolis, matriz de masa del robot, dinámica de un cuerpo rígido, y dinámica inversa de Newton-Euler para un robot de cadena abierta. Dinámica directa de una cadena abierta, dinámica del espacio de tareas, dinámica restringida, y efectos prácticos a causa de los engranajes y la fricción.

Teoría
2h
Problemas
0h
Laboratorio
4h
Aprendizaje dirigido
0h
Aprendizaje autónomo
6h

Generación de trayectorias

Trayectorias punto a punto online recta y trayectorias polinómicas que pasan por puntos viajeros. Movimientos óptimos en el tiempo a lo largo de una trayectoria especificada bajo las dinámicas del robot y límites de actuadores.

Teoría
2h
Problemas
0h
Laboratorio
2h
Aprendizaje dirigido
0h
Aprendizaje autónomo
8h

Control de manipuladores

Estrategias de control de movimiento local vs. centralizado. Control independiente de "joints". Acción anticipada de torsión computarizada. Análisis de la estabilidad de Lyapunov de los controles MIMO. Linearización de retroalimentación. Control del espacio operativo. Estrategias de control de fuerza indirecta vs. directa. Control de impedancia. Control de fuerza directa. Controladores en cascada.

Teoría
4h
Problemas
0h
Laboratorio
4h
Aprendizaje dirigido
0h
Aprendizaje autónomo
12h

Sistemes de interacción entre Robots y Humanos

Aplicación de los conocimientos obtenidos en la creación de un sistema capaz de interactuar con humanos. Aprendizaje de nuevos métodos de evaluación.
Objetivos: 1 2 4 6 7
Contenidos:
Teoría
2h
Problemas
0h
Laboratorio
0h
Aprendizaje dirigido
0h
Aprendizaje autónomo
6h

Proyecto Final

Els alumnes hauran d'aplicar els coneixements obtinguts en un robot real i hauran de fer una demostració del seu funcionament.
Objetivos: 1 2 3 4 5 6
Semana: 15 (Fuera de horario lectivo)
Teoría
0h
Problemas
0h
Laboratorio
0h
Aprendizaje dirigido
0h
Aprendizaje autónomo
0h

Metodología docente

La metodología docente será en general de carácter deductivo. Se intentará evitar el método expositivo/Lección magistral. El planteamiento será siempre el mismo:

••- Proponer un problema
••- Intentar resolverlo
••- Añadir las piezas de teoría necesarias para poder solucionar el problema de manera adecuada.

No se hará distinción entre clases de teoría y problemas, ya que en las sesiones de aula se intercala la presentación de conceptos y la resolución de problemas de aplicación. Las clases de laboratorio son el complemento donde los estudiantes ponen en práctica los conceptos con la utilización de simuladores y/o sistemas robóticos reales.

Además de las actividades en el aula y en el laboratorio, los estudiantes deben resolver y entregar al profesorado para su evaluación un conjunto de ejercicios, que permiten consolidar los conocimientos adquiridos, ser un mecanismo de autoevaluación y de trabajo en equipo.

Método de evaluación

La asignatura se evaluará de manera continua. No se realizará un examen final.
A lo largo del curso, se solicitarán una serie de ejercicios que servirán al profesor para evaluar al alumno al final de curso. Estos ejercicios podrán ser tanto presenciales como no presenciales y pueden consistir en la presentación de los resultados de prácticas desarrolladas en el laboratorio (NL), así como la resolución teórica/práctica de problemas propuestos por el profesor en clase (NT). Además, se deberá presentar un proyecto final (NPF) al acabar la asignatura, que constará de un informe, una presentación y una demostración con un robot o una simulación.

La nota final de la asignatura se calculará de la siguiente forma: NF=0'1NL+0'1NT+0,5NPF+0.15EP+0.15EP

Bibliografía

Básica:

  • Robotics, vision and control : fundamental algorithms in MATLAB - Corke, Peter I, Springer, 2017. ISBN: 9783319544120
    https://discovery.upc.edu/discovery/fulldisplay?docid=alma991004155909706711&context=L&vid=34CSUC_UPC:VU1&lang=ca
  • Introduction to autonomous mobile robots - Siegwart, Roland; Nourbakhsh, Illah Reza; Scaramuzza, Davide, MIT Press, 2011. ISBN: 9780262015356
  • Springer handbook of robotics - Siciliano, Bruno; Khatib, Oussama, Springer International Publishing, 2016. ISBN: 9783319325521
  • Introduction to AI robotics - Murphy, R.R, The MIT Press, 2019. ISBN: 9780262348157

Capacidades previas

Área de Matemáticas

* Conocer y saber aplicar el concepto de derivada y derivada parcial.
* Conocer los métodos elementales de representación gráfica de funciones (asíntotas, máximos, mínimos, ...).
* Conocer las propiedades elementales de las funciones trigonométricas.
* Conocer los conceptos básicos de manipulación y operación con matrices.

Área de Programación y Estructura de Datos

* Saber especificar, diseñar e implementar algoritmos sencillos con un lenguaje de programación imperativo.
* Saber construir programas correctos, eficientes y estructurados.
* Conocer los conceptos de lenguajes interpretados y lenguajes compilados.
* Conocer los algoritmos de búsqueda en estructuras de datos (tablas, listas, árboles, ...).

Área de Arquitectura y Tecnología de Computadores

* Conocer a nivel funcional las diferentes puertas lógicas.
* Saber analizar e implementar sistemas lógicos combinacionales y secuenciales simples.
* Conocer la estructura básica de un computador.
* Conocer el subsistema de entrada/salida e interrupciones del computador.

Área de Robótica
* Conocimiento de ROS
* Conocimiento de Matlab, librería de Peter Corke