Algoritmo Híbrido Auto-adaptativo para Localização em Robótica Móvel.

Abstract

A localização em robótica móvel tem como objetivo fornecer a posição e orientação do robô a cada instante e de forma precisa para que aplicações de alto nível possam ser executadas corretamente, além de resolver os problemas de localização local, global e sequestro do robô. Algoritmos mais completos são capazes de resolver estes três problemas sem exigir um alto custo computacional, sendo a maioria métodos que utilizam mais de uma técnica de localização, caracterizados como algoritmos híbridos. A proposta deste trabalho é apresentar uma nova abordagem de localização robótica baseada em filtro de partículas capaz de solucionar os três problemas da localização, que seja robusto e de baixo custo computacional. Diferentemente de outras técnicas híbridas que utilizam dois métodos distintos de localização, este algoritmo utiliza duas técnicas baseadas em filtro de partículas, o Kullback-Leibler Distance - KLD e o Self-Adaptative Monte Carlo Localization - SAMCL. Todos os testes foram executados em ambientes reais com o auxílio do framework ROS e os resultados experimentais demonstraram melhorias em todas as situações em relação às técnicas executadas individualmente.