Experimentos sobre maniobras de exploración y evitación de obstáculos

Cuando el UAV está situado a lo largo de estados desconocidos en donde no es capaz de reconocer ninguno de los landmarks denidos dentro del mapa topológico visual, el valor del error εde clasicación proporcionado por el módulo sensorial es alto, por lo que deberá garantizarse experimentalmente que el modo de navegación denominado Search mode basado en el cálculo de la entropía funciona de forma correcta. Para ello, se han denido una serie de experimentos para que el UAV ejecute diversas maniobras que impliquen la activación del comportamiento de exploración, junto con el de evitación de obstáculos, ya que ambos se pueden ejecutar de forma combinada durante el modo de navegación Search mode.

15.2.1. Ejecución del experimento

Se ha montado dentro del laboratorio un entorno en donde se han ubicado los diferentes landmarks recogidos por el mapa topológico de la Figura 14.3. En primer lugar, para realizar las pruebas experimentales sobre maniobras de exploración, se ha situado el UAV en un estado inicial que le es desconocido con un valor de ε alto, y cuyo objetivo será el localizar posibles landmarks dentro del entorno, buscando para ello zonas dentro de su campo de visión en donde el valor entrópico sea alto. En una ubicación próxima a dicho estado inicial (estado desconocido) está situado uno de los landmarks denidos dentro del mapa topológico (estado conocido), con el objetivo de comprobar que mediante el comportamiento de exploración el UAV es capaz de orientar su rumbo de navegación hacia dicho landmark.

Como segundo escenario, se han ubicado dentro del entorno una serie de obstáculos entre el UAV con respecto a los landmarks del mapa topológico, con el objetivo de que se active el comportamiento de evitación de obstáculos, y poder comprobar que el UAV es capaz de evitar colisionar con los mismos, mediante la búsqueda dentro de su campo de visión de aquellas zonas con entropía más alta, ya que las zonas visuales con entropía baja se consideran como parte del obstáculo en cuestión.

15.2. EXPERIMENTOS SOBRE MANIOBRAS DE EXPLORACIÓN Y EVITACIÓN DE OBSTÁCULOS131

15.2.2. Resultados del experimento

Partiendo de las pruebas experimentales relativas a la ejecución del comportamiento de ex- ploración, se han obtenido los datos de navegación relativos por cada una de las iteraciones k ejecutadas por parte del bucle de control de la arquitectura cognitiva híbrida.

En la Figura 15.3se muestran los diferentes estados por los que el UAV ha navegado activando el comportamiento de exploración, para determinar el rumbo necesario que debía tomar en cada uno de los casos y poder alcanzar el landmark que aparece en la secuencia de imágenes.

Figura 15.3: Secuencia de imágenes en la maniobra de exploración del UAV Los diferentes casos de prueba ejecutados (Figura 15.3) son los siguientes:

Caso (a): la entropía más alta Hd está concentrada en el marco derecho de su campo de

visión, por lo que el UAV ejecuta un giro hacia la derecha mediante la señal de control yaw.

Caso (b): la entropía más alta Hc está concentrada en el marco central de su campo de

visión, por lo que el UAV ejecuta una maniobra de cabeceo hacia el landmark mediante la señal de control pitch.

132 CAPÍTULO 15. PRUEBAS Y RESULTADOS EXPERIMENTALES Caso (c):la entropía más alta Hi está concentrada en el marco izquierdo de su campo de

visión, por lo que el UAV ejecuta un giro hacia la izquierda mediante la señal de control yaw.

15.2. EXPERIMENTOS SOBRE MANIOBRAS DE EXPLORACIÓN Y EVITACIÓN DE OBSTÁCULOS133 En la Figura 15.4, se muestran las tablas con los valores de navegación utilizados por el UAV

en los casos (a),(b) y (c) por cada una de las iteraciones ejecutadas, englobando los diferentes duplas de valores {η, εsensorial}relativas a los errores εsensorial proporcionados en cada momento

por el clasicador, junto con el landmark etiquetado con valor η que ha sido identicado (en este caso el landmark etiquetado como η = 3 según el mapa topológico utilizado).

En base a dichas variables se puede observar cómo el UAV está situado en un estado desco- nocido ya que su error ε asociado es alto, por ello el valor empleado en la columna de estado es ε = 5 (existen 4 landmarks etiquetados en el mapa topológico, y el valor ε = 5 signica que el UAV está en un estado desconocido).

Por otro lado se muestran los cálculos de la entropía realizados en cada una de las zonas de visión {Hi, Hc, Hd}del UAV llevados a cabo por el módulo cognitivo, y que serán empleados por

el comportamiento para generar las señales de control más adecuadas {pitch, gaz, yaw} que se muestran en el resto de columnas de la tabla por cada iteración.

Como segunda parte dentro del presente experimento, también se ha comprobado la robustez de dichos cálculos entrópicos para dotar al UAV de la inteligencia necesaria para evitar obstáculos que puedan estar ubicados dentro del entorno de navegación.

134 CAPÍTULO 15. PRUEBAS Y RESULTADOS EXPERIMENTALES En la Figura 15.5 se muestran los diferentes situaciones en donde el UAV activa el comporta- miento para evitar los obstáculos que se presentan en su campo de visión; de esta forma y en base a la misma estrategia para la maximización de la entropía implementado en el módulo cognitivo, que el UAV sea capaz de tomar una decisión en relación a la maniobra que debe realizar en cada caso para evitar una colisión con los mismos.

Los diferentes casos de prueba ejecutados en el presente experimento para evitar obstáculos (Figura 15.5) son los que se enumeran a continuación:

Caso (a): la entropía más baja es Hi, por lo que existe un obstáculo en el marco izquierdo

dentro del campo visual del UAV; en este caso y siguiendo las directrices marcadas por el módulo cognitivo, el UAV ejecuta un giro hacia la derecha mediante la señal de control yaw, buscando la entropía más alta concentrada en Hd.

Caso (b): la entropía más baja es Hc, por lo que existe un obstáculo justo delante del UAV

según su campo visual; cuando ocurre dicha situación, el UAV tendrá la opción de girar hacia la izquierda ó hacia la derecha mediante la señal de control yaw, pudiendo utilizar la entropía más alta concentrada en Hi ó Hd.

Caso (c):la entropía más baja es Hd, por lo que existe un obstáculo en el marco derecho

dentro del campo visual del UAV; cuando se produce éste caso, el UAV ejecuta un giro hacia la izquierda mediante la señal de control yaw, buscando la entropía más alta concentrada en Hi.

La Figura 15.6 muestra las tablas con los valores de navegación utilizados por el UAV en los casos (a),(b) y (c) para evitar los obstáculos que se presentan en cada uno de ellos. En base a las directrices marcadas por el módulo cognitivo y a los cálculos de la entropía en cada una de las zonas de visión {Hi, Hc, Hd}, se han obtenido las señales de control {pitch, gaz, yaw} indicadas

en dichas tablas para su ejecución por parte del UAV.

Durante el presente experimento, ambos comportamientos se han ejecutado de forma com- binada según lo establecido por el mecanismo de coordinación de comportamientos especicado en la librería de la arquitectura.

Debido a que el comportamiento de evitación de obstáculos emplea la operación lógica de supresión, en el caso de activarse ambos comportamientos a la vez durante el modo de navegación Search Mode, únicamente se tienen en cuenta las señales de control obtenidas como salida del presente comportamiento de evitación de obstáculos. Dicha operación lógica de supresión también podrá combinarse con el comportamiento de aproximación, cuando el mecanismo híbrido de control conmute al modo de navegación Homing Mode.

En ambos modos de navegación, la idea principal es garantizar en todo momento la seguridad del entorno y la propia integridad del UAV cuando existen obstáculos a lo largo del entorno operativo, cumpliendo de ésta forma con los requisitos de protección y robustez exigidos durante el diseño de la presente arquitectura.

15.2. EXPERIMENTOS SOBRE MANIOBRAS DE EXPLORACIÓN Y EVITACIÓN DE OBSTÁCULOS135

Figura 15.6: Valores de navegación para la maniobra de evitación de obstáculos

15.2.3. Conclusiones del experimento

El UAV hace uso durante su navegación de un mapa topológico visual para identicar en cada momento el estado en donde se encuentra dentro de su entorno, existiendo determinados estados que le son desconocidos ya que no es capaz de identicar ningún landmark conocido en

136 CAPÍTULO 15. PRUEBAS Y RESULTADOS EXPERIMENTALES los mismos. Dicho escenario es solventado en base al denominado modo de navegación Search Mode implementado en la presente arquitectura cognitiva híbrida, y que en base a una estrategia de maximización de la entropía de las imágenes capturadas, es capaz de redirigir el rumbo del UAV hacia estados de alta entropía en donde puedan estar localizados potenciales landmarks a identicar.

De esta forma, y en base a los resultados obtenidos durante el presente experimento, se puede armar que el módulo cognitivo cumple de forma satisfactoria con todos los requisitos demanda- dos para desarrollar toda la actividad que es requerida tanto para la exploración durante estados desconocidos, así como para utilizar esas mismas directrices para implementar comportamientos que sirvan para evitar obstáculos que puedan aparecen en el entorno de ejecución del UAV.

Los resultados obtenidos con respecto al comportamiento para evitar obstáculos son positivos cuando se considera a un obstáculo como una zona visual de baja entropía dentro del campo de visión del UAV, ya que de forma general, se ha comprobado mediante experimentación que la entropía disminuye a medida que el UAV se acerca de forma muy acentuada hacia un obstáculo. La debilidad de dicho comportamiento se reejaría cuando dicha regla no fuese cierta, ya que si se da un caso en donde la entropía aumenta a medida que el UAV está muy cerca de un obstáculo, dicho comportamiento no sería capaz de evitar la colisión. Como solución a dicha debilidad, el sistema podría ser entrenado solo en dichos casos mediante aprendizaje supervisado, empleando la técnica de Teaching proporcionada por la arquitectura.

También se plantea como solución alternativa, la implantación a bordo de nuevos sensores que ayudaran en estos escenarios a la detección de dichos obstáculos en cuestión (como podrían ser sensores de ultrasonidos ó láser), ampliando de esta forma la actual capacidad sensorial del AR.Drone.

15.3. Experimentos sobre maniobras de aproximación e identi-