Análisis comparativo de algoritmos de localización de robots móviles basados en filtros de partículas

Abstract

La localización de robots móviles es clave en multitud de aplicaciones en la Industria 4.0, puesto que los robots móviles necesitan conocer su posición para poder realizar cualquiera de sus tareas. Un algoritmo muy popular para llevar a cabo la localización es el filtro de partículas, que puede ser modificado de diferentes formas para adaptarse a problemas específicos. El objetivo de este proyecto es comparar y analizar algunas de esas modificaciones en una aplicación real en un entorno simulado: el problema de localización global de un robot móvil 2-D en un laberinto. Las modificaciones que se van a comparar son cuatro estrategias distintas de remuestreo: residual, estratificado, sistemático y remuestreo de la rueda. Sin embargo, debido al elevado coste computacional de las simulaciones, es necesario prefijar los parámetros de las simulaciones de estos cuatro algoritmos. Para ello, el valor de cada parámetro se determina mediante un análisis comparativo previo en que se emplea otro algoritmo de remuestreo distinto, el remuestreo multinomial, para evitar sesgar las comparación. tres de los cuatro algoritmos comparados muestran resultados muy similares tanto en índice de éxito en la localización como en la precisión de localización. El cuarto, el remuestreo residual, da resultados considerablemente peores que los demás en esta aplicación específica.

Mobile robot localization is key in multiple applications across Industry 4.0, as mobile robots need to know their location to be able to perform almost any task. One popular algorithm to perform the localization is the particle filter, which can be modified in several ways to approach different problems. The goal of this project is to compare and analyze some of those modifications in a real application in a simulated environment: global localization of a 2-D mobile robot in a maze. The modifications that are compared are four different strategies for particle resampling: residual, stratified, systematic and wheel resampling. However, due to the high computational cost of the simulations, the parameters of the simulations of these four algorithms need to be prefixed. For this purpose, the value for each parameter is determined performing a prior comparative analysis of the parameters using another resampling technique, multinomial resampling, to avoid biasing the comparison. Three of the four algorithms show very similar results both in success rate in localization and in the localization accuracy. The fourth one, the residual resampling, is shown to be considerably worse for this specific application.