El mapeo robótico es una disciplina relacionada con la visión artificial [1] y la cartografía . El objetivo de un robot autónomo es poder construir (o utilizar) un mapa (uso en exteriores) o un plano de planta (uso en interiores) y localizarse a sí mismo y a sus bases de recarga o balizas en él. El mapeo robótico es la rama que se ocupa del estudio y la aplicación de la capacidad de localizarse a sí mismo en un mapa/plano y, en ocasiones, de construir el mapa o el plano de planta por parte del robot autónomo .
La acción ciega, moldeada evolutivamente, puede ser suficiente para mantener con vida a algunos animales. En el caso de algunos insectos , por ejemplo, el entorno no se interpreta como un mapa y sobreviven únicamente con una respuesta desencadenada. Una estrategia de navegación ligeramente más elaborada mejora drásticamente las capacidades del robot. Los mapas cognitivos permiten la capacidad de planificación y el uso de percepciones actuales, eventos memorizados y consecuencias esperadas.
El robot tiene dos fuentes de información: la fuente idiotética y la fuente alotética . Cuando está en movimiento, un robot puede utilizar métodos de estimación , como el seguimiento del número de revoluciones de sus ruedas; esto corresponde a la fuente idiotética y puede proporcionar la posición absoluta del robot, pero está sujeto a un error acumulativo que puede crecer rápidamente.
La fuente alotética corresponde a los sensores del robot, como una cámara, un micrófono, un láser , un lidar o un sonar . [ cita requerida ] El problema aquí es el "aliasing perceptual". Esto significa que dos lugares diferentes pueden percibirse como iguales. Por ejemplo, en un edificio, es casi imposible determinar una ubicación únicamente con la información visual, porque todos los pasillos pueden parecer iguales. [2] Se pueden generar modelos tridimensionales del entorno de un robot utilizando sensores de imágenes de rango [3] o escáneres 3D . [4] [5]
La representación interna del mapa puede ser “métrica” o “topológica”: [6]
Muchas técnicas utilizan representaciones probabilísticas del mapa para manejar la incertidumbre.
Existen tres métodos principales de representación de mapas: mapas de espacio libre, mapas de objetos y mapas compuestos. Estos emplean el concepto de cuadrícula, pero permiten que la resolución de la cuadrícula varíe, de modo que puede volverse más fina donde se necesita más precisión y más burda donde el mapa es uniforme.
El aprendizaje de mapas no puede separarse del proceso de localización y surge una dificultad cuando se incorporan errores de localización al mapa. Este problema se conoce comúnmente como localización y mapeo simultáneos (SLAM).
Un problema adicional importante es determinar si el robot se encuentra en una parte del entorno ya almacenada o nunca la ha visitado. Una forma de resolver este problema es mediante el uso de balizas eléctricas , comunicación de campo cercano (NFC), WiFi , comunicación por luz visible (VLC) y Li-Fi y Bluetooth . [7]
La planificación de rutas es un tema importante, ya que permite que un robot llegue del punto A al punto B. Los algoritmos de planificación de rutas se miden por su complejidad computacional. La viabilidad de la planificación de movimiento en tiempo real depende de la precisión del mapa (o plano de planta ), de la localización del robot y de la cantidad de obstáculos. Topológicamente, el problema de la planificación de rutas está relacionado con el problema de la ruta más corta para encontrar una ruta entre dos nodos en un gráfico .
Los robots de exterior pueden utilizar el GPS de forma similar a los sistemas de navegación de los automóviles .
Se pueden utilizar sistemas alternativos con planos de planta y balizas en lugar de mapas para robots de interior, combinados con hardware inalámbrico de localización. [8] Las balizas eléctricas pueden ayudar a los sistemas de navegación de robots baratos.