Contribuciones a la navegación autónoma robusta de robots móviles en aplicaciones industriales

Cada vez son más numerosos los escenarios en los que participan robots móviles realizando tareas muy diversas, las más comunes, de transporte, limpieza o rescate. Sin ir más lejos, los medios de comunicación han mostrado recientemente cómo los robots pueden desinfectar escuelas y hospitales para prevenir que las personas se infecten de un determinado virus y evitar que se propague. Las funciones que quizá más llaman la atención son las de ayuda a la ciudadanía, pero el número de aplicaciones destinadas a la automatización de procesos en la industria es mucho más elevado.

Entre las capacidades que puede ofrecer un sistema móvil, probablemente las más demandadas son la flexibilidad, seguridad y robustez. Por un lado, sea cual sea el objetivo para el que se diseñe, una plataforma móvil debe ser capaz de adaptarse a los cambios que pueda sufrir un entorno con el paso del tiempo, o a las diferentes casuísticas que se puedan dar en el día a día.

Además, debe evitar producir cualquier daño al resto de maquinaria y, especialmente, a las personas con las que comparta el espacio. Por otro lado, como cabe esperar, la plataforma móvil debe realizar las tareas que se le asignen de forma efectiva y dentro de un intervalo de tiempo determinado. Pese a que en las últimas décadas los avances conseguidos en este campo han sido importantes, todavía existen retos que estos sistemas no han conseguido superar.

Un aspecto en el que las plataformas móviles actuales se queda atrás en comparación con el punto que alcanzado ya en la industria es la precisión. La cuarta revolución industrial trajo consigo la implantación de maquinaria en la mayor parte de procesos industriales. Una de sus fortalezas es la repetitividad. Los robots móviles autónomos, que son los que ofrecen una mayor flexibilidad, carecen de esta capacidad, principalmente debido al ruido inherente a las lecturas ofrecidas por los sensores y al dinamismo existente en la mayoría de los entornos.

Por este motivo, gran parte del trabajo se centra en cuantificar el error cometido por los principales métodos de mapeado y localización de robots móviles, ofreciendo distintas alternativas para la mejora del posicionamiento.

Asimismo, las principales fuentes de información con las que los robots móviles son capaces de realizar las funciones descritas son los sensores exteroceptivos, los cuales miden el entorno y no tanto el estado del propio robot. Por esta misma razón, algunos métodos son muy dependientes del escenario en el que se han desarrollado, y no obtienen los mismos resultados cuando este varía.

La mayoría de platafomas móviles generan un mapa que representa el entorno que les rodea, y fundamentan en este muchos de sus cálculos para realizar acciones como navegar. Esta generación es un proceso que requiere de intervención humana en la mayoría de los casos y que tiene una gran repercusión en el posterior funcionamiento del robot. En la última parte del presente trabajo, se propone un método que pretende optimizar este paso para así generar un modelo más rico del entorno sin requerir de tiempo adicional para ello.