Laboratorio de Sistemas de Orientación, Control y Decisión del IISc

Este artículo necesita citas adicionales para su verificación . Por favor, ayude a mejorar este artículo añadiendo citas de fuentes fiables . El material sin fuentes puede ser cuestionado y eliminado. Buscar fuentes:  «IISc Guidance, Control and Decision Systems Laboratory» – noticias  · periódicos  · libros  · académico  · JSTOR ( agosto de 2018 ) ( Aprenda cómo y cuándo eliminar este mensaje )

El Laboratorio de Sistemas de Orientación, Control y Decisión ( GCDSL ) está situado en el Departamento de Ingeniería Aeroespacial del Instituto Indio de Ciencias en Bangalore, India . El Laboratorio de Robótica Móvil (MRL) es su división experimental. Está dirigido por el Dr. Debasish Ghose , Profesor Titular. ^[1]

El GCDSL se estableció en 1990 (el MRL en 2002) y está considerado como uno de los principales centros de investigación robótica de la India. El GCDSL/MRL mantiene estrechas colaboraciones de investigación con grupos académicos eminentes de países como Estados Unidos, el Reino Unido, Israel, Corea del Sur, etc. También cuenta con múltiples subvenciones para proyectos industriales.

GCDSL se inició con el objetivo principal de realizar investigaciones en los campos de robótica de enjambre , sistemas multi-robot y robótica cooperativa con aplicaciones a tareas como transporte cooperativo, formaciones robóticas, búsqueda/rescate cooperativo y localización de fuentes de olores. En MRL, se han construido varias plataformas robóticas internamente y se han utilizado para experimentos del mundo real con el fin de validar algoritmos relacionados con algunos de los problemas de investigación mencionados anteriormente.

El grupo se dedica a crear sistemas inteligentes capaces de operar de forma autónoma en escenarios complejos y diversos. Están interesados ​​en el diseño y control mecatrónico de vehículos que se adapten de manera eficiente a diferentes situaciones y se desempeñen en entornos dinámicos. Esto incluye el desarrollo de nuevos métodos y herramientas para la percepción, el mapeo y la planificación de rutas.

A lo largo de los años, la investigación se ha extendido a los campos de la localización y mapeo simultáneos ( SLAM ), la robótica aérea y la visión artificial . Recientemente, se ha puesto énfasis en la visión artificial y el aprendizaje automático para mejorar la versatilidad y las capacidades cognitivas de las plataformas robóticas.

El objetivo es que MBZIRC 2020 se base en robots aéreos y terrestres autónomos, que realicen tareas de navegación y manipulación, en entornos no estructurados, exteriores e interiores. Todos los subdesafíos implican la cooperación entre múltiples UAV y habilidades de enjambre. Estos desafíos son (1) agarrar una pelota oscilante que cuelga de un dron que se mueve rápidamente, (2) Tres UAV y un UGV tienen que recoger ladrillos y construir una pared, (3) Un conjunto de cuatro vehículos (3 UAV + 1 UGV) para apagar una serie de incendios simulados en un edificio de gran altura utilizando un bote presurizado. Estas misiones están en la frontera de la tecnología de Robótica Aérea Inteligente y están destinadas a una aplicación en el mundo real. ^[2] El equipo IISc-TCS ha sido seleccionado para un premio provisional de $ 100,000 (premio por hito, es decir, basado en etapas). ^[3]

El proyecto se centra en el uso de vehículos aéreos no tripulados para recopilar información sobre inundaciones en curso, lo que permite a las unidades de respuesta a emergencias priorizar los recursos y desplegarlos de manera eficaz. También abordará los desafíos asociados con el uso de vehículos aéreos no tripulados en situaciones difíciles, así como la forma en que los datos se pueden combinar con modelos acelerados de inundaciones para generar planes de evacuación detallados, desarrollar la resiliencia comunitaria ante inundaciones, salvar vidas y reducir los daños económicos. ^[4]

El algoritmo de optimización de enjambre de luciérnagas (GSO) es una técnica de optimización desarrollada para la captura simultánea de múltiples óptimos de funciones multimodales. ^[5] El algoritmo utiliza agentes llamados luciérnagas que usan una cantidad luminiscente llamada Luciferina para comunicar (indirectamente) la información del perfil de función en su ubicación actual a sus vecinos. La luciérnaga depende de un dominio de decisión local variable, que está limitado por encima por un rango de sensor circular, para identificar a sus vecinos y calcular sus movimientos. Cada luciérnaga selecciona un vecino que tiene un valor de Luciferina mayor que el suyo, utilizando un mecanismo probabilístico, y se mueve hacia él. Estos movimientos que se basan solo en información local permiten que el enjambre de luciérnagas se divida en subgrupos disjuntos, muestre un comportamiento de taxis simultáneo hacia, y se reúna en múltiples óptimos (no necesariamente iguales) de una función multimodal dada. El algoritmo se probó en un sistema de robots diseñado a medida llamado Kinbots.

El cambio de intensidad histograma (HIS) es un algoritmo de evitación de obstáculos basado en la visión desarrollado en el laboratorio. Utiliza histogramas de imágenes capturadas por una cámara en tiempo real y no utiliza ninguna medición de distancia para lograr la evitación de obstáculos. También se ha diseñado un algoritmo mejorado llamado asignación de máscara dinámica HIS (HISDMA). Los algoritmos se probaron en un robot personalizado construido internamente llamado VITAR.

En esta investigación se explora la implementación de un mapeo de cuadrícula de ocupación utilizando un robot móvil en miniatura equipado con un conjunto de cinco sensores de alcance basados ​​en infrarrojos. Se utilizan métodos bayesianos para actualizar el mapa. Otra variante de esta técnica utilizará un solo sensor de alcance IR para obtener el alcance de diferentes características distintivas en el entorno circundante y utilizará las lecturas obtenidas para hacer que el SLAM converja. Estas técnicas se extenderán a un enjambre de robots. Estos robots se comunicarían utilizando el protocolo ZigBee entre ellos y con un coordinador global (PC) que sería responsable de la fusión del mapa. Se están llevando a cabo experimentos de simulación utilizando el software Player/Stage. La plataforma robótica se construye utilizando un conjunto de robots de enjambre diseñados a medida llamados Glowworms.

Un microvehículo aéreo cuadricóptero (MAV) es una nave con cuatro rotores, generalmente colocados en las esquinas de un marco cuadrado. Las cuatro velocidades del motor (y, por lo tanto, los empujes) son las entradas de control que dan como resultado el movimiento del cuadricóptero. La dinámica de este vehículo es rápida y altamente acoplada, y por lo tanto presenta un problema de control desafiante. ^[6]
Se ha fabricado un cuadricóptero y un banco de pruebas de control en el Laboratorio de Robótica Móvil. Se están realizando experimentos sobre el control en el cuadricóptero, comenzando con la estabilización de la guiñada, el cabeceo y el balanceo.

En el laboratorio se ha desarrollado una plataforma robótica compuesta por robots móviles de cuatro ruedas para realizar pruebas con varios robots. Su principio es similar al de los vehículos Braitenberg y utilizan técnicas sencillas de percepción, interacción y actuación para lograr la complejidad de cada vehículo y producir un comportamiento grupal eficaz mediante la cooperación. Estos robots se han utilizado para probar el algoritmo GSO

Estos robots en miniatura están desarrollados sobre la base de Kinbots. ^[5]

VITAR (Vision Based Tracked Autonomous Robot) consiste en un robot móvil con orugas equipado con un sensor de visión con movimiento horizontal y vertical, una computadora a bordo, electrónica de control y un enlace inalámbrico a una computadora remota. Se ha utilizado para probar algoritmos basados ​​en visión, como HIS y HIS-DMA.

• Sitio web oficial
• Sitio web oficial del Instituto Indio de Ciencias.