Mod. Coala Nr. Document Semnătura Data Elaborat Idricean Dionisie Platformă mobilă pentru asistență medicală Litera Coala Coli Conducător Iavorschi… [612782]

UTM 526.4 009 ME
Mod. Coala Nr. Document Semnătura Data
Elaborat Idricean Dionisie
Platformă mobilă
pentru asistență
medicală Litera Coala Coli
Conducător Iavorschi Anat olie 1
Consultant UTM FCIM
ISBM – 141 Cotr. norm. Railean Serghei
Aprobat Șontea Victor
CUPRINS
INTRODUCERE ………………………….. ………………………….. ………………………….. …………………. 3
1. CARACTERISTICI A TEHNOLOGIILOR ȘI DISPOZITIVELOR UTILIZATE .. 3
1.1 Locomoția ………………………….. ………………………….. ………………………….. ………………………….. 8
1.1.1 Locomoția cu roți ………………………….. ………………………….. ………………………….. …………………….. 9
1.1.2 Probleme de locomoție pe roți ………………………….. ………………………….. ………………………….. …. 11
1.2 Percepția ………………………….. ………………………….. ………………………….. ………………………….. . 12
1.2.1 Senzori pentru roboții mobili ………………………….. ………………………….. ………………………….. …… 12
1.2.2 Clasificarea senzorilor ………………………….. ………………………….. ………………………….. …………….. 12
1.2.3 Caracteristicile senzorilor ………………………….. ………………………….. ………………………….. ……….. 13
1.3 Localizarea ………………………….. ………………………….. ………………………….. ……………………….. 18
1.3.1 Localizarea bazată pe navigare sau soluții preprogramate ………………………….. …………………….. 19
1.3.2 Construcția hărților probabilistice ………………………….. ………………………….. …………………………. 21
1.3.3 Localizarea bazată pe traseu ………………………….. ………………………….. ………………………….. ……. 23
1.3.4 Crearea automatizată a hărților ………………………….. ………………………….. ………………………….. … 23
1.3.5 Alte tehnici de mapare ………………………….. ………………………….. ………………………….. ……………. 24
1.4 Navigarea ………………………….. ………………………….. ………………………….. …………………………. 25
1.4.1 Algoritmul PID ………………………….. ………………………….. ………………………….. ……………………… 26
1.5 Recunoașterea facială ………………………….. ………………………….. ………………………….. ………. 287
1.5.1 Etapele procesului de recunoaștere facială ………………………….. . Error! Bookmark not defined.
1.6 Întreținere și mentenanță ………………………….. ………………………….. ………………………….. …… 289

UTM 526.4 015 ME Coala
2 Mod. Coala Nr. Document Semnătura Data

UTM 526.4 015 ME Coala
3 Mod. Coala Nr. Document Semnătura Data
INTRODUCERE
1. Medicina este un domeniu care se află într – o stare de pr ogres continuu. La ora actuală nici nu ne putem
imagina medicina fără dispozitivele medicale electronice, care, contribuie enorm de mult la depistarea
bolilor, prevenirea și tratarea lor . În prezent avem o mulțime de dispozitive electronice, medicale,
proiectate pentru a avea o destinație și un efect specific în tratarea și/sau reabilitarea pacientului.
2. Avem dispozitive medicale de unica folosință și dispozitive de folosință multipla, care la rîndul lor
necesită să fie sterilizate la fiecare utilizare repe tată, pentru a nu contamina pacienții cu careva maladii
contaminoase și incurabile, în loc de a -și realiza obiectivul principal de tratare a pacienților.
3. Dacă pacientului îi este garantată protecția datorită operațiilor de dezinfectare a dispozitivelor atu nci
specialistul ce intră în contact direct cu acesta, are doar o singură soluție de a se proteja – masca
respiratorie, creată pentru a reduce expunerea personalului medical la maladii periculoase transmisibile
pe calea aerului. Problema apare atunci când această mască nu este purtată corect, sau nu este prezentă,
în acest caz are loc transmiterea, pe cale respiratorie a maladiilor către personalul medical.
4. O soluție pentru a micșora contactul pacientului cu medicul în perioada activă a maladiei, reprezint ă
prin diagnosticarea la distanță a pacientului, acest lucru fiind realizat în prezent prin telemedicină, însă
aceasta nu permite decât comunicarea medicului și pacientului, fără a aflarea nemijlocită în același
spațiu și diagnosticarea prin adresarea de î ntrebări referitoare la starea de sănătate, în plus, este o soluție
bună în cazul în care este vorba de un singur pacient, însă în cazul existenței unei epidemii, consultarea
individuală a unui număr mare de pacienți ar dura prea mult.
5. Pornind de la aceas tă concluzie, a apărut ideea de creare a unei platforme mobile, cu rol de asistent
medical ce ar prelua de la pacienți date importante despre starea de sănătate cum ar fi temperatura,
presiunea arterială sau concentrația gazelor în aerul expirat și analize care ar putea oferi informații
despre evoluția maladiei.
6. Asistentul virtual urmează să poată identifica fiecare pacient și salonul în care acesta a fost internat,
pentru preluarea și livrarea analizelor necesare în laborator sau la un punct de colectare a acestora. De
asemenea, în caz de urgență ( la depășirea unei valori normale a unui parametru vital cum ar fi
temperatura corpului ori presiunea arterială ) ar lansa o alarmă ce ar informa personalul medical despre
existența unei situații critice. În alt c az, la necesitatea utilizatorului, acesta trebuie să pornească un apel
video către medicul responsabil pentru comunicarea anumitor schimbări.

UTM 526.4 015 ME Coala
4 Mod. Coala Nr. Document Semnătura Data
7. CARACTERISTICI A TEHNOLOGIILOR ȘI DISPOZITIVELOR UTILIZATE
Sistemele de calcul pot rezolva d iverse probleme în dom enii limitate. Ideea de bază a soluționării
problemelor este foarte simplă, deși execuția sa este complicată. În primul rând, robotul colectează date despre
o situație prin intermediul senzorilor sau a datelor de la operator . Calculatorul compară aceste in formații cu
datele stocate și decide ce semnifică informațiile. Robotul trece prin diferite acțiuni posibile și prezice care
acțiuni vor avea cel mai mare succes pe baza informațiilor colectate. Desigur, robotul poate rezolva numai
problemele pe care le -a programat să le rezolve – nu are nici o capacitate analitică generalizată. Calculatoarele
de șah sunt un exemplu de acest tip de mașină.
Unii roboți moderni au, de asemenea, capacitatea de a se învăța să acționeze mai eficient odată cu
achiziționarea mai m ultor semnale din mediul înconjurător. În direcția dată activează intens domeniul de
IA(inteligența artificială). Rețelele neurale sunt o ramură din știința inteligenței artificiale, și constituie
totodată, principial, un obiect de cercetare și pentru neur oinformatică. Rețelele neurale artificiale caracterizează
ansambluri de elemente de procesare simple, puternic interconectate și operând în paralel, care urmăresc să
interacționeze cu mediul înconjurător într -un mod asemănător creierelor biologice și care prezintă capacitatea
de a învăța. Ele sunt compuse din neuroni artificiali, sunt parte a inteligenței artificiale și își au, concepțional,
originea ca și neuronii artificiali, în biologie.
Originea acestor rețele trebuie căutată în studierea rețelelor bio electrice din creier formate de neuroni și
sinapsele acestora. Principala trăsătură a acestor rețele este capacitatea de a învăța pe bază de exemple ,
folosindu -se de experiența anterioară pentru a -și îmbunătăți performanțele.
Un robot autonom execută acțiu ni sau taskuri ce necesită un grad sporit de autonomie în domenii în care
acest termen este foarte important: expediții astronomice ( roboți autonomi studiază suprafața planetelor ),
roboți pentru îngrijirea gospodăriei ( robot aspirator ), curățarea apelo r reziduale sau livrarea de bunuri și
servicii dintr -o poziție în alta.
Un robot complet automatizat:
 Obține informații despre mediul înconjurător;
 Activează un timp îndelungat fără intervenția unui operator;
 Deplasează întregul său mediu de operare, sau o parte a acestuia fără participarea nemijlocită a unui
operator;
 Evită situații care pot pune în pericol persoane, proprietatea întreprinderii sau părților din construcția
proprie, atâta timp cât sunt parte a specificațiilor tehnice a acestuia;

UTM 526.4 015 ME Coala
5 Mod. Coala Nr. Document Semnătura Data
Roboții cu ghidare autonomă livrează obiecte între diferite secții de asamblare urmărind un semnal electric
specific, utilizând senzori personalizați. Robotul ”Helpmat e” (figura 1 .1) livrează mâncare și produse
medicamentoase în cadrul secției din spital, calibrându -și poziția după luminile de pe podea, care sunt indicate
manual în codul sursă din spatele mașinii.

Figura 7.1 HELPMATE este un robot mobil folosit în spitale pentru activități de transport. Are senzori la
bord pentru navigarea autonomă pe coridoare. Senzorul pentru localizare este o cameră îndreptată spre
plafon. Poate detecta lămpile de pe plafon ca referințe sau repere (http: //www.pyxis.com). © Pyxis Corp.
O altă c ategorie de roboți automatizați o pot servi “Robo ții Aspiratoare” (figura 1.2). Un asemenea robot
este folosit pentru aspirarea unor zone de diferite dimensiuni . În prezent roboții de acest tip au evoluat enorm,
a crescut durata de viață a baterii, s -a ame liorat enorm și aria de acoperire a zonei necesare de aspirat, fiind
îmbunătățit algoritmii de ocolire a obstacolelor.
Primul robot de acest tip a fost „Electrolux Trilobite” lansat în anul 1996, realizat de către producătorul
suedez „Elec trolux”, care a f ost un succes. În anul 2017, 23% din aspiratoare le constitue roboții. La moment
cei mai mari producatori, cărora li se atribuie cea mai mare cotă din piața roboților de acest tip,sunt : Roomba,
Neato Robotics and Dyson Cercetările algoritmilor complecși d e cunoaștere, localizare și navigare pot fi
efectuate utilizând platforme simple care sunt transformate în mediu de laborator. Aceste platforme ocupă cea
mai mare cotă pe piața roboților autonomi. Diverse platforme mobile sunt accesibile pentru programare, variind
în materie de programare și deplasare pe teren.

UTM 526.4 015 ME Coala
6 Mod. Coala Nr. Document Semnătura Data

Figura 7.2 Robotul de curățare industrială BR 700 (stânga) și robotul RoboCleaner RC 300 0 dezvoltat și
vândut de Alfred Kärcher GmbH & Co., Germania. (http://www.karcher.de). © Alfred Kärcher GmbH &
Co.Deși roboții autonomie au un set larg de aplicații și se bucură de o varietate mare e piață, un criteriu
comun care aduce succes oricărui dis pozitiv este design -ul acestuia, care implică integrarea multor tipuri de
cunoștințe. Pentru a realiza locomoția acestuia este necesară cunoașterea mai multor mecanisme și domenii
precum: cinematica, dinamica și teoriile de control.
Deși roboții autonomie au un set larg de aplicații și se bucură de o varietate mare e piață, un criteriu comun
care aduce succes oricărui dispozitiv este design -ul acestuia, care implică integr area multor tipuri de
cunoștințe. Pentru a realiza locomoția acestuia este necesară cunoașterea mai multor mecanisme și domenii
precum: cinematica, dinamica și teoriile de control.
Pentru a crea sisteme robuste de percepție, robotul trebuie să fie dotat cu un set de senzori de cea mai înaltă
calitatea care oferă cît mai precise date,care ulterior vor fi utilizate de careva metode de analiză matematice.
Atunci cînd informația este disponibilă din sursa a mai multor senzori, este preferabil deseori de a face „Sensors
Fusion”, ceea ce înseamnă a combinarea datelor senzoriale sau a datelor obținute din surse disparate, astfel
încât informațiile rezultate să aibă o mai mică incertitudine decât ar fi posibilă atunci când aceste surse au fost
utilizate individual.
Termenul de reducere a incertitudinii în acest caz poate însemna mai precis, mai complet sau mai fiabil sau
se referă la rezultatul unei viziuni eme rgente, cum ar fi viziunea stereoscopică (calculul informațiilor de
adâncime prin combinarea imaginilor bidimensionale de la două camere la puțin diferite puncte de vedere).
Sursele de date pentru un proces de fuziune nu sunt specificate ca provenind de la senzori identici. Se poate
distinge fuziunea directă, fuziunea indirectă și fuziunea rezultatelor primelor două. Fuziunea directă este
fuziunea datelor senzorilor dintr -un set de senzori eterogeni sau omogeni, senzori moi și valori istorice ale
datelor se nzorilor, în timp ce fuziunea indirectă utilizează surse de informații precum cunoașterea a priori a
mediului și a contribuției umane.
Majoriteta roboților sunt dotați cu echipamente sp ecializate (stereo camere, RGB -D camere ) de cunoaștere
precum viziunea c omputerizată pentru utilizarea în mod corespunzător a datelor de la o multitudine de senzori.

UTM 526.4 015 ME Coala
7 Mod. Coala Nr. Document Semnătura Data
Localizarea și navigarea necesită cunoștințe în domeniul algoritmilor computerizați, teoriei informaționale,
inteligență artificială și teoria probabilității .
Figura 1.3 descrie schema de control pentru roboți autonomi și sistemele mobile. Aceasta cuprinde aspecte
importante ale cunoștințelor asociate cu roboții autonomi. (4)

Figura 7.3 Schema de referință pentru controlarea unui robot
În mod evident, un robot autonom, viabil comercial, trebui să poată mult mai multe decât pur și simplu să
se miște în spațiu. Trebuie să aibă, pe lângă aceasta, o mulțime de alte capabilități. Un exemplu este Kompai.
Dotată cu capacități de recunoaștere a chipului, capabilă să răspundă la comenzi vocale și să interacționez e
cu omul vorbind ea însăși cu o voce feminină plăcută, Kompai e utilă nu numai prin faptul că poartă evidența
întâlnirilor programate și updatează lista de cumpărături, ci și prin simpla ei prezență: pentru cineva care
locuiește singur și are și oarece pr obleme de sănătate, care îi îngreunează deplasarea, e grozav să aibă o astfel
de ajutoare casnică, neobosită, cooperantă, fără toane, plină de solicitudine – în limita capacităților ei robotice,
evident. (5)

UTM 526.4 015 ME Coala
8 Mod. Coala Nr. Document Semnătura Data
1.1 Locomoția
Orice robot, scopul și obiectivul căruia depinde de deplasarea în spațiu trebuie să aibă capacitatea să facă
mișcări orientative, de translare.
Locomoția – implică transformarea unei surse de energie – electricitate, presiune aer, abur, energie nucleară. –
într-o acțiune mecanică care mișcă un vehicul sau alt transport. Luați în considerare motorul inferior: gazul
introdus în rezervor este transformat în energie mecanică prin intermediul combustiei interne. Gazul este
comprimat ca vapori și explodează pe un cilindru. Explozia împinge cilindrul în jos; acest cilindru este la rândul
său conectat la un arbore de antrenare, care rotește roțile. Procesul se repetă de mii de ori pe minut.
.
Tabelul 7.1 Mecanismele de locomoție întâlnite în natură

Majoritatea roboților mobili au picioare sau se bazează pe locomoția cu roți, însă există și alte concepte de
locomoție. Pentru fiecare concept, nu contează dacă este cu picioare sau roți, există trei aspecte esențiale:
stabilitatea ( aspecte principale: numărul și geometria punctelor de contact , centrul de gravitație, tipul robotului:
dinamic sau static, înclinația terenului ), caracteristicile contactului cu solul (depind de tipul punctului de
contact, unghiul de contact și frecarea dintre robot și suprafață ) și tipul mediului (structura mediului (plat, dur,
moale) tipul mediului (apă, aer, pământ)) .
Tipul de mișcare Rezistența mișcării Cinematica de bază a mișcării
Fluxul în canal Forțele hidrodinamice Valuri
Târâre Forța de frecare Vibrații longitudinale
Alunecare Forța de frecare Vibrații transversale
Alergare Pierderile de energie cinetică Mișcările oscilatorii a unui pendul
Săritură Pierderi de energie cinetică Mișcările oscilatorii a unui pendul
Mers pe jos Forța gravitațională Lungimea unui poligon

UTM 526.4 015 ME Coala
9 Mod. Coala Nr. Document Semnătura Data
1.1.1 Locomoția cu roți
Cel mai popular mecanism de locomoție în veh iculele construite de om este locomoția cu roți; așa că nu
este o noutate faptul că este adesea folosit ă și în robotica mobilă.
Motivele pentru această alegere sunt, implementarea mecanică simplă a
roților, nu este nevoie de control al echilibrului , chia r dacă vehiculul are cel
puțin trei vehicule sa u, în unele cazuri, două roți și un asemenea timp de
locomoție este relativ eficient din punct de vedere energetic, chiar și la viteză
mare, cum este arătat în figura 1.5.
Problemele roboților cu roți diferă de problemele roboților cu picioare ,
accentul în robotica cu roți se pune pe tracțiune și stabilitate pe teren
accidentat, manevrabilitate și control .
Când suprafața devine moale locomoția cu roți prezintă o ineficiență
sporită datorită creșterii forței d e frecare dintre roată și suprafață, astfel este
necesară o tracțiune mai mare a motorului.
1.1.1.1 Tipuri de roți
Pentru examinarea locomoției cu roți este necesar de a studia proprietățile și tipurile de roți. În general există
patru clase de roți, așa cum este arătat în figura 1.6 a) – d).
Figura 1.6 a) prezintă o roată standard cu 2 grade de libertate: rotația în jurul osiei și în jurul contactului;
Figura 1.6 b) arată roata cu două grade de libertate, rotirea în jurul osiei roții și articulația de direcție ; Figura
1.6 c) este așa numita roată Swedish 45 / 90 sau omni -direcțională, care are trei grade de libertate: rotație în
jurul punctului de contact, în jurul axului roții și rolelor; Figura 1.6 d) prezintă roata sferică, ceasta este omni –
direcțională dar est e, tehnic, dificil de implementat. (6)

Figura 7.5 Patru tipuri de bază de roți existente
Figura 7.4 Puterea
consumată de unele
mecanisme de locomoție

UTM 526.4 015 ME Coala
10 Mod. Coala Nr. Document Semnătura Data
Principalele avantaje ale roții standard sunt implementarea ușoară, sarcina ridicată capa citatea și toleranța
ridicată la neregularitățile solului. Dar aceste roți nu sunt în mod inerent omnidirecționale, pentru a face un
vehicul care le utilizează , să fie manevrabil, roata (roțile) direcționabil ă (depinde de configurația roții a
vehiculului) trebuie orientată mai întâi de -a lungul unei axe verticale și deplasată în jurul axei orizontal e. Deci,
în cazul vehiculelor grele și atunci când acestea nu se mișcă în timpul direcționării , această metoda de virare
cauzează creșterea forței de frecare în timpul direcției, pe măsură ce roata este răsucită activ în jurul axei sale
verticale, aceasta crește consumul de energie și reduce precizia de poziționare a vehicul ului.
Roata Swedish funcționează ca o roată obișnuită, dar are niște role cilindrice pasiv e în jurul circumferinței.
Aceste role oferă o rezistență scăzută , în funcție de unghiul în care sunt aranjate rolele, astfel încât roata este
capabilă să se ruleze fără probleme în orice direcție. Axa primară a roților servește drept singura articulație
activă, dar este posibil de proiect at cu aceste roți , roboți omnidirecționali .
Roata sferică este o roată omnidirecțională reală. Există mai multe implementări de roți sferice . Unul dintre
acestea este mecanismul roată cu bilă, dezvoltat de West și Asada în 1997 și e prezentat în figura de mai jos.
(7) (8)

Figura 7.6 Mecanismul de acțiune al roții sferice
În rotorul cu bilă, puterea de la un motor este tr ansmisă prin angrenaje la un inel de role activ și apoi la
minge prin frecare între role și minge. Datorită rolelor, fixat e de inelul de rulare și de șasiu, mingea se poate
roti pasiv în orice direcție. Un robot are nevoie de cel puțin trei roți sferice pentru a deveni mobil . La proiectarea
unui robot pe roți, dezvoltatorul are posibilitatea de a alege mai multe aranjamente și tipuri de roți. Combinația
tipului de roată și aranjamentului este strâns legată și influențează stabilitate a, manevrabilitate și
controlabilitatea robotului. Un exemplu de astfel de combinație este configurația roții Ackermann a unei
mașini, cu două roți de direcție în față , două roți care nu pot fi manevrate în partea din spate; cel puțin două
roți, conectate printr -o axă, sunt motor izate. (6)

UTM 526.4 015 ME Coala
11 Mod. Coala Nr. Document Semnătura Data
1.1.2 Probleme de locomoție pe roți
1.1.2.1 Stabilitatea
Pentru stabilitatea statică sunt suficiente două roți. Un robot cu mecanism diferențial cu două roți poate
obține stabilitate dacă centru de masă se află sub axul roții sau dacă există un al treilea punct de contact cu
suprafața. Dar acestea reprezintă cazuri speciale, în condiții normale, un robot pe roți necesită minim trei roți
ce se află -n contact cu suprafața, pentru a atinge stabilitatea statică, adițional, centrul de m asă trebuie să se afle
în interiorul poligonului de suport, format din trei roți ce au contact cu suprafața. (4)
1.1.2.2 Manevrabilitatea
Este o problemă importantă ce trebuie soluționată pentru ca un robot pe roți să -și îndeplinească sarcinile
propuse. Atunci când un robot este capabil să se miște în orice direcție în planul 2D (x, y) atunci acesta poate
fi numit omnidirecțional. Acest tip de mișcare necesită, de obicei, roți ce se pot mișca în mai multe direcții,
spre exemplu, Swedis h sau sferice. Configurația Ackermann utilizată de mașini, nu este omni -direcțională.
Vehiculele ce folosesc acest tip de configurație au unghiul de virare mai mare decât acestea, în plus, acestea
nu se pot mișca lateral (în direcția axului), o astfel de m ișcare necesită câteva manevre de parcare, ce prezintă
schimbări repetate a direcției roților, atât înainte, cât și înapoi. Acest mod de evirare este folosit în robotică,
deoarece este ieftin de utilizat o telecomandă pentru dirijarea de la distanță a unei platforme mobile. (4)
1.1.2.3 Controlabilitatea
Avantajul construcțiilor omni -direcționale este manevrabilitatea înaltă, acest avantaj făcându -l dificil de
controlat. Spre exemplu, un robot care utilizează patru roți Swedish, cum ar f i Carnige Mellon Uranus (figura
1.8), unde toate roțile trebuie să meargă cu aceeași viteză, pentru a se mișca perfect pe o linie dreaptă. O mică
eroare în viteza aplicată roților va cauza apariția unei erori în drumul parcurs de robot.

Figura 7.7 Robot ul Carnegie Mellon Uranus
La acest capitol, controlul Ackermann este mult mai bun, deoarece permite controlarea mai ușoară a
vehiculelor. Urmarea direcției drepte semnifică blocarea roților de direcție și mișc area roților din spate. Acestea
sunt conectate printr -un ax, astfel viteza este întotdeauna aceeași, influențând un singur motor.
Având în vedere cele spuse mai sus, se poate nota faptul că există o relație inversă între controlabilitate și
manevrabilitat e. Dacă vehiculul este ușor de controlat, atunci acesta este mai puțin manevrabil; dacă acesta are
manevrabilitate înaltă, atunci este complicată controlarea acestuia. (4)

UTM 526.4 015 ME Coala
12 Mod. Coala Nr. Document Semnătura Data
1.2 Percepția
Una dintre cele mai importante sarcini ale un ui sistem autonom de orice fel este dobândirea de cunoștințe
despre mediul în care activează. Acest lucru se face prin efectuarea de măsurători utilizând diferiți senzori și
apoi extrăgând informații semnificative din aceste măsurători.
1.2.1 Senzori pentru robo ții mobili
Există o varietate de senzori utilizați la proiectarea roboților autonomi (figura 1.9) . Unii sunt folosiți pentru
a măsura valori simple precum temperatura componentelor
interne ale robotului sau viteza de rotați a motorului.
Altele, mult mai sofisticate pot fi folosite pentru a
recepționa informații despre mediul în care se află robotul
sau pentru a măsura direct poziția acestuia în spațiu.
Deoarece un robot autonom se poate mișca în toate
direcțiile, acesta va întâlni des, caracteristici de m ediu
neprevăzute, și atunci, posibilități ca simțirea sunt critice.
1.2.2 Clasificarea senzorilor
Există două tipuri importante de senzori: proprioceptivi/exteroceptivi și pasivi/activi.
 Proprioceptivi sunt senzorii care măsoară valori interne ale sistemului , cum ar fi viteza motorului,
încărcătura ;
 Exteroceptivi primesc informația din mediul în care dispozitivul funcționează, spre exemplu,
distanța măsurată până la un obiect, intensitatea luminii, amplitudinea sunetului. Prin urmare, datele
provenite de la senz orii exteroceptivi sunt interpretate de roboți pentru a extrage informații
importante despre parametrii mediului exterior;
 Senzori pasivi măsoară energia mediului ambiant care intră în acesta. Exemplu ar fi probe de
temperatură, microfoane, camere CCD sau CMOS;
 Activi emit energie în mediu și apoi măsoară reacția acestuia. Deoarece cu ajutorul acestora se poate
obține un nivel de control mul mai bun, aceștia oferă o performanță înaltă. Totuși, acest tip de senzori
are câteva riscuri: energie emisă poate af ecta caracteristici pe care aceasta încearcă să le măsoare. În
plus, un senzor activ poate suferi din cauza interferenței dintre semnalele ce le emite și cele ce nu
sunt controlate de acesta. De exemplu, semnalele emise de roboții din preajmă sau alți senz ori de pe
același robot , pot influența măsurările. Exemple de senzori activi: encoderi, senzori ultrasonici și
senzori de scanare cu laser a obstacolelor. (9)
Figura 7.8 Cuadracopter cu sensori
ultrasonici

UTM 526.4 015 ME Coala
13 Mod. Coala Nr. Document Semnătura Data
1.2.3 Caracteristicile senzorilor
1.2.3.1 Funcția de transfer
O relație ideală, sa u teoretică dintre ieșire și intrare există pentru fiecare senzor. Dacă acesta este proiectat
și fabricat cu materiale ideale, de utilizatori ideali cu instrumente ideale, atunci caracteristica de ieșire a
senzorului ar reprezenta întotdeauna valoarea stim ulului.
Funcția ideală poate fi declarată în forma de tabele, grafice sau ecuații matematice. O relația ideală (teoretic)
dintre stimulul aplicat și caracteristica de ieșire se numește funcție de transfer. Aceasta reprezintă dependența
dintre semnalul elec tric produs de senzor S și stimulul s:
𝑆=𝑓(𝑥) (1.1)
Această funcție poate fi o simplă conexiune lineară or o dependență nelineară (logaritmică, exponențială).
În multe cazuri , relația este unidimensională, aceasta este reprezentată de ecuația:
𝑆=𝑎+𝑏𝑠 (1.2)
unde a este valoarea semnalului de ieșire la aplicarea unui semnal cu valoarea zero și b este panta, numită
uneori sensibilitatea. S este una dintre caracteristicile semnalului electric de ieșire utilizat de dispozitivele de
achiziție a datelor ca ieșirea senzorului. Poate fi amplitudine, frecvență, fază, în dependență de proprietățile
senzorului .
Funcția logaritmică:
𝑆=𝑎+𝑏∗ln𝑠 (1.3)
Funcția exponențială:
𝑆=𝑎𝑒𝑘𝑠 (1.4)
Funcția de transfer poate avea mai multe dimensiuni atunci când datele de la ieșirea senzorului sunt
influențate de mai mulți stimuli. Spre exemplu funcția de transfer a senzorului infraroșu. Funcția1 conține două
temperaturi Tb – temperatura absolută a obiectului măsurat, Ts – temperatura senzorului și V – tensiunea la
ieșire:
𝑉=𝐺(𝑇𝑏4−𝑇𝑠4) (1.5)
Când un senzor este utilizat pentru detectarea unui stimul, este necesar de uti lizat o funcție inversă. Atunci
când o funcție de transfer este lineară, funcția inversă poate fi calculată foarte ușor, Atunci când aceasta este
nelineară, sarcina devine mai complexă, și în multe cazuri, soluția nu se rezumă la o simplă prelucrare de da te.
În aceste cazuri aproximările tehnice sunt unica soluție. (10)

1 Funcție cunoscută ca legea Stefan – Boltzmann

UTM 526.4 015 ME Coala
14 Mod. Coala Nr. Document Semnătura Data
1.2.3.2 Calibrarea
Performanțele efective ale unui senzor (captor) și ale lanțului de măsurare din care face parte, se determină
în urma operației de etalonare (calibrare) . De regulă, se utilizează amplificatoare de semnal care, de asemenea,
au fost calibrate.
Indicii de precizie ai unui captor se stabilesc pe baza curbei de etalonare. . Aceasta este o reprezentare
grafică a dependenței dintre valorile de măsurat xi (mărim i de intrare) și indicațiile corespunzătoare ale
sistemului de măsurare yi (mărimi de ieșire), pentru i = 1, 2, … , n , unde xn este sarcina nominală (figura 1.10).

Figura 7.9 Curbă de etalonare
Pentru dete rminarea preciziei unui captor se compară indicațiile furnizate de acesta, yi , cu cele ale unui
aparat etalon (cu precizie superioară). Aparatele de măsură și mașinile de încercat se verifică periodic pentru a
se stabili dacă își păstrează performanțele m etrologice și pentru eventuale corecții și reglaje. Există
reglementări detaliate privind condițiile în care trebuie să se determine sau să se verifice performanțele
metrologice ale senzorilor.
În general, perechile de valori ( x1, y1), (x2, y2), …, (xm, yn), determinate experimental, definesc o
caracteristică aproape liniară (figura 1.10). Se pune problema înlocuirii acesteia cu o dreaptă de ecuație:
𝑦=𝑎𝑥+𝑏 (1.6)
Coeficienții a și b se determină pe baza criteriului aba terii pătratice minime, impunând condiția ca suma:
𝑆=∑ (𝑦𝑖−𝑎𝑥𝑖−𝑏)2 𝑛
𝑖=1 (1.7)
să fie minim ă, adică:
𝜎𝑆
𝜎𝑎=2∑ (𝑦𝑖−𝑎𝑥𝑖−𝑏)(−𝑥𝑖)=0𝑛
𝑖=1 (1.8)
Astfel, prin înlocuirea caracteristicii reale cu un segment de dreaptă se minimizează erorile de liniaritate și
se poate face gradarea echidistantă a scalei aparatului indicator al sen zorului.
Pe baza caracteristicilor de terminate experimental se stabilește clasa de precizie a senzorului. (11)

UTM 526.4 015 ME Coala
15 Mod. Coala Nr. Document Semnătura Data
Erori de calibrare. Este eroarea acceptată de producător atunci când senzorul este calibrat în fabrică.
Această ero are este de natură sistematică, semnificând faptul că este adăugată la toate funcțiile reale de transfer.
Aceasta schimbă precizia transducției pentru fiecare valoarea de intrare printr -o constantă. Eroarea nu este
uniformă pe tot intervalul și poate să se schimbe în dependență de tipul erorii în timpul calibrării. Spre exemplu,
se consider o calibrare utilizând 2 puncte a unei funcții liniare de transfer (linia subțiere din figura 1.11).

Figura 7.10 Eroare a de calibrare
Pentru a determina panta și zerourile funcției, doi parametri de intrare, s1 și s2 sunt aplicați senzorului.
Senzorul răspunde, respectiv, cu semnalele A1 și A2. Primul răspuns a fost măsurat cu exactitate, în timp ce al
doilea cu eroarea – ∆. Astfel apar erori în cal cularea zerourilor și a pantei:
𝜎=𝑎1−𝑎=𝛿
𝑠2−𝑠1 (1.9)
și panta va fi calculată cu eroarea:
𝜎=−𝛿
𝑠2−𝑠1 (1.10)
Eroarea de Histe rezis . Este deviația parametrului de ieșire de semnalul de la intrarea, la o anumită valoare
atunci când acesta se apropie din direcții opuse. Spre exemplu, un senzor de deplasare, la o anumită valoare,
la mișcarea de la stânga la dreapta, produce o tensiu ne care diferă cu 20 mV, față de mișcarea de la dreapta la
stânga.
Dacă sensibilitate senzorului este de 10 mV/mm atunci, eroare de histerezis în termeni de mișcare este de
2mm. Cauzele tipice ale apariției acestei erori sunt forța de frecare sau schimbăr i în structura materialului din
care este confecționat senzorul. (10)

UTM 526.4 015 ME Coala
16 Mod. Coala Nr. Document Semnătura Data
1.2.3.3 Nelini aritatea senzorilor
Eroarea nelinearității este specifică pentru senzorii a căror funcție de transfer poate fi aproximată printr -o
linie dreaptă. O neline aritate reprezintă o abatere maximă (L) a unei funcții de transfer real de la linia dreaptă
de aproximare. Termenul de "liniaritate" de fapt înseamnă "neliniaritate". Când se efectuează mai mu lte runde
de calibrare, cea mai rea liniaritatea, observată în t impul oricărui ciclu de calibrare, trebuie specificată. De
obicei, este specificată fie în % din interval, fie în termeni de valoare măsurată, de exemplu, în kPa sau ˚C.
"Liniaritate", atunci când nu este însoțită de o declarație care să explice la ce fel de linia dreaptă se referă, este
lipsită de sens. Există mai multe modalități de specificare a neliniarității , în funcție de modul în care linia este
suprapusă pe funcția de transfer. Una dintre metode este folosirea punctelor terminale (figura 1.12a), adi că se
determina valorile de ieșire la cele mai mici și mai mari valori ale stimulului și s e trase ază o linie dreaptă prin
aceste două puncte (linia 1). Aici, în apropierea punctelor terminale, eroarea de neliniaritate este cea mai mică
și este mai mare un deva între ele.
În unele aplicații, o precizie mai mare poate fi necesară într-o anumită secțiune a domeniului de intrare. De
exemplu, un termometr u medical ar trebui să aibă cea mai bun precizie într -o regiune de definire a febrei, ca re
este între 37 ° C și 38 ° C.

Figura 7.11 Aproximarea liniară a unei funcții de transfer neliniare (a); și liniaritate independentă (b)
Liniaritatea independentă se referă la așa -numita "linie dreaptă cea mai bună" (figura 1. 12b), care se află la
jumătatea distanței dintre două linii drepte paralele apropiate și care înconjoară toate valorile de ieșire pe o
funcție reală de transfer.
În funcție de metoda specificațiilor, liniile de aproximare pot avea zerouri și pante diferite . Prin urmare,
măsurările de neliniaritate pot diferi substanțial unele de altele. Un utilizator ar trebui să fie conștient că
producătorii publică adesea numărul cel mai mic posibil pentru a caracteriza nelinearitatea, fără a defini ce
metodă a fost folos ită. (12)

UTM 526.4 015 ME Coala
17 Mod. Coala Nr. Document Semnătura Data
1.2.3.4 Fiabilitatea
Una dintre provocările și prioritățile majore ale tehnologiei senzorilor este fiabilitatea. Aceasta reprezintă
abilitatea senzorului de a efectua funcții în anumite condiții, într -un interval de timp. Fiabilitatea, totuși, nu
este neapărat un punct unic măsurabil; este rezultatul unui număr de considerente, printre care:
 Complexitatea sistemelor și a rețelelor de senzori de astăzi;
 Senzor "consens", necesar în fuziunea senzorilor;
 Integrarea diverșilor se nzori și electronice în dispozitive tot mai mici;
 Adăugarea inteligenței senzorilor avansați;
 Mediile dure și extreme în care sunt amplasați senzorii.
Din cele de mai sus este ușor de observat că fiabilitatea este un parametru dinamic . Pentru a înțelege
importanța acestuia parametru , senzorii colectează date care duc la măsurare. Ce se întâmplă dacă senzorul
sau, în cazul fuziunii senzorilor, mai mulți senzori, captează informații care sunt transformate în date digitale
pentru o evaluare ulterioară, iar dat ele sunt defecte? În mod ocazional, cel puțin unele date de la senzori vor fi
imprecise sau inconsecvente. În plus, pe baza puterii semnalului și a preciziei transmisiei, se poate adăuga o
altă dimensiune a defecțiunii: posibilitatea de a nu primi deloc da tele, din cauza unei defecțiuni a transmisiei.
Datele senzorului sunt, de asemenea, susceptibile la erori și interferențe, cum ar fi zgomotul. Din toate aceste
motive, inginerii trebuie, de asemenea, să poată măsura imprecizia și fiabilitatea reală a datel or colectate. (13)
În 90% cazuri, fiabilitatea se calculează conform formulei:
1
𝜆=2∗(𝑁∗𝜏)∗𝐴𝑓
𝜒𝛼,2+𝜙2 (1.11)
unde:
1
𝜆 – fiabilitatea 𝑁- numărul de elemente (1 senzor)
𝜏 – numărul de cicluri de lucru 𝐴𝑓- factorul de accelerare (120%)
𝜒𝛼,2+𝜙2- funcția de distribuție ”Chi -squared”2. (cu 𝛼 = 90% și unghiul 𝜙 – zero grade de libertate) = 4.605
din tabelul de probabilități ”Chi -squared”3.
Astfel, se obține:
1
𝜆=2∗(1∗600 ×106)∗1,20
4605(𝑐𝑖𝑐𝑙𝑢𝑟𝑖 )=312 ×106𝑐𝑖𝑐𝑙𝑢𝑟𝑖 (1.12)
În concluzie, luând în considerație rezultatele de mai sus, se poate afirma că fiabilitatea senzorului de pășește
valoarea de 312 milioane cicluri de utilizare. (14)

2 Vezi https://en.wikip edia.org/wiki/Chi -squared_distribution
3 Pentru mai multe detalii accesați https://www.medcalc.org/manual/chi -square -table.php

UTM 526.4 015 ME Coala
18 Mod. Coala Nr. Document Semnătura Data
1.3 Localizarea
Este una dintre cele mai importante competențe a unei platforme mobile. Succesul în navigație este garantat
de patru elemente de bază, printre care: percep ția (robotul trebuie să poată înțelege informația ce vine de la
senzori pentru a o putea interpreta); localizarea (dispozitivul trebuie să fie capabilă să își determine poziția în
spațiu); cogniția (capacitatea de a lua o decizie pentru a -și atinge obiecti vele); și controlul mișcării (pentru ca
acesta să -și poată seta puterea motorului în așa manieră încât să obțină traiectoria necesară).
Dintre cei patru factori enumerați mai sus, cel mai studiat, în ultimul deceniu, este localizarea (figura 1.13)
, și, ca urmare, s -au înregistrat progrese semnificative în acest sens.

Figura 7.12 Schema generică a localizării unui robot autonom
Dacă s -ar putea atașa un senzor GPS (sistem global de poziționare) unui robot mo bil, o mare parte din
problema localizării ar fi evitată. GPS -ul ar informa robotul despre poziția sa exactă, în interior și în aer liber,
astfel încât răspunsul la întrebarea "Unde mă aflu?" ar fi întotdeauna disponibil imediat. Deocamdată, un astfel
de senzor nu este în prezent practic.
Rețeaua GPS existentă oferă o precizie d e până la câțiva metri, ceea ce este inacceptabil pentru localizarea
roboților mobili la scară umană, precum și a roboților mobili miniaturali, cum ar fi roboții de birou și nano
roboții de navigație din viitor. În plus, tehnologiile GPS nu pot funcționa î n interior sau în zone obstrucționate
și, prin urmare, sunt limitate în spațiul de lucru.
Dar, dincolo de limitele GPS, localizarea implică mai mult decât cunoașterea poziția absolută a omului în
cadrul de referință al Pământului. Având în considerație un robot care interacționează cu oamenii. Acest robot
trebuie să poată identifica poziția sa absolută, dar și poziția relativă față de oameni, este la fel de importantă.
Unul dintre sarcinile acestuia poate fi identificarea persoanelor și a poziției sala față de acestea. (4)

UTM 526.4 015 ME Coala
19 Mod. Coala Nr. Document Semnătura Data
1.3.1 Localizarea bazată pe navigare sau soluții preprogramat e
Figura 1.14 ilustrează un mediu interior care trebuie să fie traversat de o platformă mobile. Se presupune că
aceasta trebuie să livreze un bun dintr -o cameră în alta: camera A și B. Dacă va fi necesară crearea unui sistem
de navigare este clar că dispozitivul va avea nevoie de senzori și de un sistem de control al mișcării. Senzorii
sunt necesari pentru a evita interacțiunea cu obstacole, precum oameni, ș i, de asemenea, un sistem de control
al mișcării este necesar pentru mișcarea robotului.

Figura 7.13 Mediu de activitate al unui robot
Este evident că robotul are nevoie de un sistem de localizare. Localiza rea este necesară pentru navigarea cu
succes între două camere. Utilizând o hartă, robotul poate să-și recupereze poziția și să verifice dacă a ajuns cu
succes la locul prestabilit. Cu toate acestea, localizarea cu utilizarea unei hărți nu este singura str ategie pentru
detectarea poziției în spațiu. Unii specialiști afirmă că, datorită faptului că senzorii și actuator ii sunt zgomotoși
și pot duce la pierderi de informație, ar trebui evitată crearea unei hărți geometrice pentru localizare. În schimb,
aceștia sugerează proiectarea unor seturi de comportamente, care, acționând împreună, aduc la mișcarea dorită
a robotului. În mod normal, această abordare evită idei despre localizare și poziționare și în general, planificare
de traseu.
Această tehnică este baz ată pe faptul că există o soluție procedurală la -ndemână, pentru orice problemă de
navigare. Spre exemplu, în figura 1.14 o abordare comportamentală ar fi crearea pe peretele stâng al unui
mecanism de orientare și a unui detector pentru camera B care ar un ic, spre exemplu culoarea covorului. Altfel,
robotul poate ajunge în punctul B prin combinarea semnalelor de pe perete cu detectorul din camera B, acestea
fiind condițiile de terminare a programului.
Arhitectura soluției pentru această problemă specifică este ilustrată în figura 1.15. Avantajul acesteia este,
implementarea rapidă pentru un singur mediu, cu un număr minim de poziții de atins. Însă, aceasta are și câteva
dezavantaje. Primul, metoda nu se limitează la alte medii sau medii mai mari. Astfel, co dul sursă este specific

UTM 526.4 015 ME Coala
20 Mod. Coala Nr. Document Semnătura Data
pentru o anumită locație. Și este necesar de scris și verificat alte linii de cod, atunci când este vorba de
schimbarea mediului de activitate.
În al doilea rând, procedurile care stau la baza, cum ar fi peretele orientativ din stân ga, trebuie să fie
proiectate cu atenție pentru a produce comportamentul dorit. Această sarcină poate necesita mult timp și este
foarte dependentă de competențele hardware ale platformei și caracteristicile de mediu.

Figura 7.14 Arhitectura navigării comportamentale
În al treilea rând, un sistem bazat pe acțiuni poate avea mai multe comportamente active la un moment dat.
Chiar și atunci când comportamentele individuale sunt reglate pentru a optimiza performa nța, această fuziune
și comutarea rapidă între mai multe comportamente poate nega această ajustare fină. Adesea, adăugarea de
fiecare comportament incremental nou obligă proiectantul robotului, să redea toate comportamentele existente
pentru a se asigura c ă noile interacțiuni cu comportamentul proaspăt introdus sunt stabile.
Spre deosebire de navigarea comportamentală, abordarea bazată pe hartă include două module: atât
localizarea cât și cogniția (figura 1.16). Aceasta presupune că robotul încearcă să -și găsească poziția în spațiu
prin colectarea de date de la senzori, apoi să -și actualizeze înregistrări despre propria poziție față de harta
mediului.

Figura 7.15 Arhitectura bazată pe navigarea conform unui traseu stabilit
Printre avantajele acestei metode se numără:
 Face conceptul despre localizare disponibil pentru utilizatori;
 Existența unei mape presupune posibilitatea de comunicare dintre robot și operator ( acesta poate
schimba trasee de navigare);
 Mapa creată de robot poate fi utilizată, de asemenea, și de operatori.
Un astfel de sistem, însă, necesită mult mai mult efort pentru creare, sperând ca rezultatul acestui efort să
fie o arhitectură universală, pentru diferite medii. (4)

UTM 526.4 015 ME Coala
21 Mod. Coala Nr. Document Semnătura Data
1.3.2 Construcția hărților probabilistice
Aplicațiile care necesită navigarea unui robot sau a unei echipe de roboți printr -un mediu necesită o
reprezentare internă (sau o hartă) a acestuia. Mulțumită ei, roboții își pot estima poziția și orientarea util izând
informația capturată cu senzori diferiți cu care sunt echipați roboții. În ciuda faptului că există mai multe tipuri
de senzori pentru a îndeplini această sarcină, sistemele vizuale omnidirecționale pot fi evidențiate datorită
bogăției informațiilor pe care le oferă și costul relativ scăzut pe care îl au.
O problemă tipică în robotica colaborativă implică urmarea unei căi, de ex. pentru a efectua a activitate de
supraveghere într -un mediu de birou sau o sarcină de asamblare sau de livrare într -un dome niu industrial. De
asemenea, problema formațiunilor, în cazul cărora o echipă de roboți trebuie să navigheze menținerea unei
poziții relative într -o structură de roboți poate fi văzută ca o problemă a căii pe care unul sau mai mulți roboți
trebuie să o urm eze după ce liderul o înregistrează cu un ofset fie în spațiu, fie în timp.
Cercetările clasice în domeniul roboticii cu sisteme de vizualizare s -au axat pe extragerea reperelor naturale
sau artificiale din imagine pentru a construi harta și a efectua loca lizarea dispozitivului. Cu toate acestea, nu
este necesar să extragem astfel de repere pentru a recunoaște unde se află. În loc de aceasta, putem procesa
imaginea ca un întreg. Aceste abordări (cunoscute sub numele de abordări bazate pe aspect) sunt utile în special
pentru scenele complicate în medii nestructurate unde sunt adecvate modelele de recunoaștere dificil de creat.
În cazul acestei abordări, imaginile sunt salvate fără a extrage orice caracteristică locală, iar comparația se face
direct, lucrând c u întreaga informație a scenelor preluate.
Astfel problema găsirii poziției robotului în mediul înconjurător se rezumă la obținerea cea mai bună
potrivire pentru imaginea curentă și imaginile de referință. Deoarece nu există informații relevante de extras ,
o problemă importantă a unor astfel de abordări este costul ridicat de calcul al acestora. Acesta este motivul
pentru care de multe ori este necesar să se aplice anumite tehnici de compresie. Cercetători diferiți au arătat
modul cum de reprezentare mediu l prin anumite tehnici de compresie. Spre exemplu ACP4 este o metodă larg
utilizată care demonstrează că este strâns legată de procedeele de procesare a imaginilor, întrucât, folosind un
set de vederi, se poate determina localizarea în baza de date printr -o abordare probabilistică.
Metodele ACP convenționale Metode ACP convențională, nu iau în considerație cantitatea de informații
oferite de camerele omnidirecționale, deoarece nu se po ate ocupa de rotații în planul în care se mișcă robotul.
Uenohara & Kanad e, 1998 au studiat această problemă cu un set de imagini rotative și Jogan și Leonardis,
2000 au aplicat aceste concepte pe o hartă a unui mediu. În ciuda complexității și costului operațional, au
avantajul de a fi o metodă invariabilă datorită faptului că ia în considerare imaginile cu alte orientări în afară
de la cea memorată. Abordarea constă în crearea unui spațiu Eigens5 care să țină cont de rotațiile posibile ale

4 Analiza componentelor principale
5 Vezi https://en.wikipedia.org/wiki/Eigenvalue_algorithm

UTM 526.4 015 ME Coala
22 Mod. Coala Nr. Document Semnătura Data
fiecărei imagini utilizate , încercând să se mențină o relație bună între cantitatea de m emorie, timpul și precizia
hărții .
Alți autori folosesc transformarea discretă Fourier (DFT) ca o metodă generică pentru a extrage cele mai
relevante informații dintr -o imagine. În acest domeniu, (Menegatti et al., 2004) definesc Semnătură Fourier
pentru i magini panoramice, care se bazează pe Transformarea Fourier Directă – 1D a unui șir de imagini și
recepționarea unui grad sporit de robusticitate prin folosirea diferitelor puncte de vedere (Rossi et al., 2008) și
utilizarea transformări sferică Fourier a imaginilor omnidirecționale.
Pe de altă parte, (Dalal și Triggs, 2005) au folosit o metodă bazată pe histograma gradienților orientați
(figura 17) la detectarea pietonilor, dovedind că ar putea fi util pentru viziunea pe calculator și prelucrarea
imaginilo r folosind aspectul obiectelor.

Figura 7.16 Imagine prelucrată utilizând metoda histogramei gradienților orientați
În unele aplicații, utilizarea unei echipe de roboți poate ajuta la realizarea sarcinii înt r-un timp mai scurt,
oferind o fiabilitate sporită . În astfel de situații, fiecare robot funcționează informația incomplete, invariabilă
pe care o deține, cu un grad sporit de incertitudine. Astfel, numai o metodă potrivită a reprezentării și
comunicarea e ficientă dintre membrii echipei poate oferi, ca rezultat, roboți cu cunoștințe depline despre
mediul în care se află. De exemplu, (Thrun, 2001) prezintă un algoritm probabilistic EKF în care o echipă de
roboții construiesc o hartă online, în timp ce se loc alizează simultan . În (Ho & Newman, 2005) o hartă este
construită folosind aspectul vizual. Din secvențele de imagini dobândite de către o echipă de roboți, sunt
detectate sub secvențe ale imaginilor similare din punct de vedere vizual și, în sfârșit, hărțile locale sunt unite
într-o singură hartă.
Există medii de dezvoltare care permit monitorizarea multiplelor rute urmate de roboți, unde abordarea
bazată pe aspecte vizuale este folosită pentru a reprezenta mediul înconjurător și o abordare probabilistică,
pentru a calcula localizarea robotului. (15)

UTM 526.4 015 ME Coala
23 Mod. Coala Nr. Document Semnătura Data
1.3.3 Localizarea bazată pe traseu
Este una dintre cele mai eficiente strategii de localizare. În acest caz, traseul robotului este definit și acesta
poate să -și determine poziția, nu în r aport cu un anumit cadru global de coordonate, ci în raport cu poziția pe
ruta de traversat prestabilită. Există o diversitate de tehnici pentru a marca aceste trasee și intersecțiile
ulterioare. În toate cazurile, se creează un sistem de drumuri feroviare , exceptând faptul că acest sistem este,
cumva, mai flexibil și, cu siguranță, mult mai prietenos cu oamenii decât un sistem de drumuri reale.
Spre exemplu, o vopsea transparentă ultravioletă poate marca traseul, în așa mod încât, numai platforma,
utilizân d senzori specializați, îl poate detecta. Alternativă este un cablu ascuns sub suprafața de contact cu
roțile, iar robotul îl poate detecta utilizând bobine inductive amplasate pe șasiu.
În toate aceste cazuri, problema localizării robotului este efectiv t rivializată prin forțarea robotului ca acesta
să urmeze întotdeauna o cale prescrisă. Pentru a -și îndeplini misiunea cât mai eficient, există vehicule noi,
industriale care deviază puțin de la traseu pentru a evita obstacolele. Cu toate acestea, efectul un ei asemenea
fiabilități este evident: robotul este mult mai inflexibil din considerentele localizării, și, prin urmare, orice
schimbare a comportamentului robotului necesită timp și idei inginerești semnificative. (4)
1.3.4 Crearea a utomatizată a hărților
Toate strategiile de localizare descrise mai sus necesită efortul uman pentru a instala robotul într -un spațiu.
Ar putea fi necesare modificări artificiale de mediu. Chiar dacă nu este cazul, trebuie să fie creată o hartă a
mediului pentru robot. Dar un robot care localizează cu succes , are senzorii potriviți pentru detectarea mediului,
așa că robotul ar trebui să -și construiască harta proprie. Această ambiție se îndreaptă spre ideea de platformă
mobil ă autonom ă.
Pornind de la un pun ct inițial arbitrar, un robot mobil ar trebui să fie capabil să exploreze, autonom, mediul
înconjurător cu ajutorul senzorilor de la bord, dobândind cunoștințe despre acesta, interpretând circumstanțe,
construind o hartă adecvată și localizându -se în rapor t cu această hartă.
Realizarea acestui obiectiv este foarte aproape, dar un subiect important rămâne crearea și modificarea
autonomă a hărții mediului. Desigur, senzorii unui robot mobil au o gamă limitată, așa că trebuie să exploreze
fizic mediul înconjur ător pentru a construi o astfel de hartă. Astea fiind spuse, robotul nu trebuie doar să creeze
o hartă, ci să facă acest lucru în timp ce se deplasează și -și găsește poziția în spațiu pentru a explora mediul. În
comunitatea robotică, aceasta se numește ade sea problema localizării și cartografierii simultane (LCS) ,
probabil cea mai dificilă problemă specifică sistemelor robotice mobile.
Motivul pentru care LCS e dificil de realizat derivă de la interacțiunea dintre actualizarea poziției în locația
curentă și acțiunile curente de cartografiere. Dacă un robot mobil își actualizează poziția bazându -se pe
observații sau caracteristici necunoscute, poziția rezultantă estimată corelează cu locația actuală.

UTM 526.4 015 ME Coala
24 Mod. Coala Nr. Document Semnătura Data
În mod similar, harta se corelează cu poziția estimată dacă este utilizată o observație preluată de la o poziția
imprecisă pentru a actualiza sau a adăuga caracteristici mapei. Problema generală a construirii hărților este
asemănătoare cu problemei de pui și ouă. Pentru localizare, robotul are nevoie să știe unde se află, în timp ce
pentru construirea hărților robotul trebuie să știe unde este pe hartă.
Singura cale spre o soluție completă și optimală pentru aceste probleme comune este de a lua în considerație
toate corelațiile dintre estimarea poziției și estima rea locaț iei pe hartă – cărți stocastice. (16)
1.3.5 Alte tehnici de mapare
Comunitatea de cercetare în robotica mobilă a cheltuit eforturi semnificative de cercetare asupra problemei
cartografierii automate și a demonstrat sisteme de lucru în multe medii fără a rezolva până la capăt problema
hărților stocastice descrisă mai devreme.
1.3.5.1 Medii ciclice
Posibil cea mai dificilă provocare pentru cartografierea automatizată poate fi considerată maparea în spații
ciclice. Definiția problemei e ste simplă: este dat un mediu care are una sau mai multe bucle ciclice (de exemplu:
4 holuri care se intersectează pentru a forma un triunghi) și trebuie de creat o hartă consistentă pentru tot
mediul.
Această problemă este dificilă din cauza fundamentelo r sistemei automate de cartografiere: mapele create
de aceasta nu sunt perfecte . Și, având în vedere aceste orice imperfecțiune locală, acumularea acestora în timp
poate duce la mărirea erorilor global dintre mapă, la nivel macro, și lumea reală. Astfel de erori sunt irelevante
pentru localizarea și navigarea roboților mobili. În concluzie, o hartă imperfectă va servi robotul perfect de
bine încă atâta timp cât eroarea locală este limitată. Cu toate acestea, o buclă infinit de mare poate duce în
același loc , iar robotul trebuie să observe aceasta din harta sa. Prin urmare, erorile globale au o importanță mare
în cazul mediilor ciclice.
1.3.5.2 Medii dinamice
A doua provocare se referă nu numai la soluții autonome de cartografiere existente ci și la formularea
abordă rii hărților stocastice. Toate aceste strategii tind să afirme că mediul trebuie să fie neschimbat, sau
schimbările să aibă loc într -o manieră nesemnificativă. Astfel de cerințe sunt valabile pentru anumite medii,
spre exemplu, departamentul unei universit ăți la ora 3 dimineața. Totuși, în majorit atea cazurilor, această
cerință este incorectă. În cazul unor spațiilor larg deschise ce sunt locuri populare pentru oameni, există o
schimbare rapidă și atunci majoritatea senzorilor se strică reprezentând mai deg rabă o suprafață fixă de cât
oameni tranzitorii. O altă clasă de medii dinamice sunt spațiile dintr -o secție de producere sau depozite, unde
amplasarea obiectelor definește topologia traseului de parcurs zi de zi, așa cum marfa este transportată de la
intrare la ieșire și viceversa. (4)

UTM 526.4 015 ME Coala
25 Mod. Coala Nr. Document Semnătura Data
1.4 Navigarea
În cazul unui robot mobil, aspectul specific al cunoașterii este direct legat de mobilitate și este competența
navigației. Având cunoștințe limitate despre mediul acestuia și o poziție / serie de poziții, navigarea cuprinde
abilitatea robotului de a acționa bazându -se pe cunoștințe și valori ale senzorilor pentru a ajunge la obiectiv pe
cât mai eficient și cât mai obiectiv.
În domeniul inteligenței artificiale planificarea și reacția su nt văzuta ca abordări contrarii, opuse. De fapt,
atunci când sunt aplicate sistemelor fizice, cum ar fi roboții mobili, planificarea și reacția sunt complementar e,
fiecare fiind critică pentru succesul celeilalte . Provocarea în navigare , pentru un robot , implică executarea
unei secvențe de acțiun i (sau plan) pentru a -și atinge obiectivul țintă. În timpul execuției, robotul trebuie să
reacționeze la evenimente neprevăzute (de exemplu, obstacole) astfel încât să atingă ținta cu succes . Fără a
reacționa, efo rtul de planificare nu se va răscumpăra , deoarece robotul nu va atinge niciodată obiectivul fizic.
Fără planificare, efortul de reacție nu va putea ghida comportamentul general al robotului pentru a atinge un
obiectiv îndepărtat – din nou, robotul nu va at inge niciodată obiectivul său .
Pentru a -și atinge scopul, robotul trebuie să învețe informații noi obținute în timpul execuției planului. Odată
cu trecerea timpului, schimbările de mediu și senzorii robotului adună informații noi. Acesta este exact locul
în care reacția devine relevantă. În cel mai bun caz, reacția va modula comportamentul robotului la nivel local
pentru a corecta traiectoria planificată astfel încât robotul să atingă obiectivul. Uneori, informații noi
neprevăzute vor necesita modificări al e planurilor strategice ale robotului și, în mod ideal, planificatorul
încorporează, de asemenea, informații noi odată ce acestea sunt recepționate . Planificatorul va integra fiecare
informație nouă în timp real, producând instantaneu un nou plan care, de fapt, reacționează corespunzător la
noile informații.
Un concept util în întreaga discuție despre arhitectura robotului implică anumite decizii de proiectare ce
sacrifică capacitatea sistemului de a atinge un obiectiv dorit ori de câte ori există o soluție . Acest concept este
denumit complet ivitate . În mod formal, sistemul robot este complet dacă și numai dacă, evitând toate
problemele posibile (adică stările inițiale , hărțil e și obiectivele), atunci când există o traiectorie către punctul
destinație, siste mul va atingea aceasta poziție.
Din alt punct de vedere, a tunci când un sistem este incomplet, există cel puțin o problemă , de exemplu ,
pentru care, deși există o soluție, sistemul nu reușește să o genereze. Cum era de așteptat, atingerea
completivității e ste un obiectiv complicat. Adesea completivitatea este sacrificată în favoarea complexității
computaționale la nivelul reprezentării sau raționamentului. Analitic, este foarte important de înțeles cum
aceasta este înțeleasă de fiecare sistem în parte. (4)

UTM 526.4 015 ME Coala
26 Mod. Coala Nr. Document Semnătura Data
1.4.1 Algoritmul PID
Mecanismul de control PID este cea mai comună soluție de feedback. A fost un element esențial și a devenit
un instrument standardizat de control a proceselor, în anii 1940. În controlul proceselor automatizate,
contemporane, 95% din buclele de control sunt implementate conform algoritmului PID. Algoritmul PID este
întâlnit în toate domeniile în care este necesar controlul anumitor activități. Există sisteme destinate pentru
unul sau mai multe bucle, care au fost f abricate sute de ani în urmă. Controlul utilizând algoritmul PID este un
element important al fiecărui sistem de control distribuit. Acesta este integrat în multe sisteme de control cu
scop specific. Controlul PID este combinat cu funcții logice, secvenția le sau blocuri simple, pentru a construi
sisteme automatizate sofisticate utilizate pentru producția energiei, transport sau industria producției bunurilor.
Multe strategii de control sofisticate, precum modele predictive de control, sunt organizate ierar hic. Este o
componentă importantă din cutia de instrumente a fiecărui inginer.
Algoritmul de control a trecut printr -o serie de schimbări în tehnologia de aplicare, de la mecanică și
pneumatică la microprocesoare prin tuburi electronice, tranzistori și cir cuite integrate. Microprocesorul a avut
o influență dramatică asupra acestei metode de control. Practic, majoritatea mecanismelor de control au la bază
un microprocesor. Această îmbunătățire a oferit un șir de caracteristici noi, precum reglarea automată,
planificarea și adaptarea continuă la schimbări.
1.4.1.1 Sumar
Funcția ce descrie orice mecanism de control bazat pe algoritmul PID este:
𝑢(𝑡)=𝐾(𝑒(𝑡)+1
𝑇𝑖∫𝑒(𝜏)𝑑𝜏+𝑇𝑑𝑑𝑒(𝑡)
𝑑𝑡𝑡
0) (1.13)
unde e este eroarea de control ( 𝑒=𝛾𝑠𝑝−𝛾), iar 𝛾 reprezintă variabila măsurată în procesul de control.
Semnalul de control este suma a trei termeni: termenul P (se referă la eroarea proporțională), termenul I
(partea integrală a erorii) și D (derivata erorii). Parametrii algoritmului sunt: câștigul proporțional K, timpul de
integrare Ti și timpul de derivare Tk. Aceștia pot fi interpreta ți ca acțiuni de control bazate pe trecut, prezent și
viitor. Partea derivată, de asemene a, poate fi interpretată și ca predicție prin extrapolare liniară.
1.4.1.2 Efectul acțiunilor proporționale, integrative și derivative
Controlul proporțional este un tip de sistem de control al feedback -ului liniar în care se aplică o corecție
pentru variabila co ntrolată proporțională egală cu diferența dintre valoarea dorită (valoarea setată, SP) și
valoarea măsurată (valoarea procesului, PV). Două exemple mecanice clasice sunt supapa de dozare a vasului
de toaletă și regulatorul balonului cu aer cald. Partea pro porțională a sistemului de control este ilustrat ă în
figura 1.18, unde au fost alese 𝑇𝑖= ∞ și 𝑇𝑑=0. Aceasta arată că există întotdeauna o eroare la starea de
echilibru în controlul proporțional. Eroarea va scădea odată cu creșterea câștigului, da r va crește și tendința la
oscilație a sistemului.

UTM 526.4 015 ME Coala
27 Mod. Coala Nr. Document Semnătura Data

Figura 7.17 Simularea unui sistem în buclă închisă cu control proporțional.
Funcția de transfer este P(s) = 1/(s+1)3
În figura 1.19 este ilustrat rezultat ul adăugării integralei. Din sumar se poate concluziona faptul că puterea
acțiunii părții integrale crește odată cu scăderea timpului de integrare Ti. În figură este arătat că eroarea de
echilibru dispare odată cu aplicarea părții integrative. Tendința de oscilare a sistemului, de asemenea, scade,
odată cu scăderea timpului de integrare.

Figura 7.18 Simularea unui sistem în buclă închisă cu control integral.
Funcția de transfer este P(s) = 1/(s+1)3
Figura 1.20 prezintă efectul părții derivative. Parametrii K și Ti au fost aleși în așa mod încât sistemul să
oscileze. Amortizarea crește odată cu creșterea timpului de derivare, dar scade când acesta devine prea mare.
Acțiunea părții derivative este mai eficie ntă atunci când Td este mai mare decât 1/6*T . (17)

Figura 7.19 Simularea unui sistem în bulcă închisă cu toate componentele.
Funcția de transfer este P(s) = 1/(s+1)3, K=3, T i = 2

UTM 526.4 015 ME Coala
28 Mod. Coala Nr. Document Semnătura Data
1.5 Recunoașterea facială
Acum, însă, majoritatea software -ului de recunoaștere a feței utilizează un model 3D, care pretinde să ofere o
mai mare precizie, deoarece captează o imagine 3D în timp real a suprafeței feței unei persoane. Folosind
trăsături distinctive ale feței, se acordă mai multă atenție structurii țesuturilor și oaselor (de exemplu, curbele
soclului, nasului și bărbii) pentru identificarea subiectului. Și pentru că toate acestea sunt zone unice, acestea
nu se schimbă în timp, astfel încât diferențele de factori cum ar fi iluminatul și unghiul feței nu afectează
procesul de identificare.

Pentru pasionați, există, de asemenea, mai multe pachete diferite de recunoaștere a robotului față disponibile.
O tehnică populară este cascada Haar, care este cea mai simplă și cea mai răspândită metodă pentru
pasionații. Se spune că funcționează într -un fel ca un filtru de spam, în cazul în care unul necesită imagini
"spam" pentru a -l instrui, astfel încât în curând să învețe cum arată o față.

Apoi, există și OpenCV (Open Source Computer Vision), care este o bibliotecă de funcții de programare
pentru vizi onarea în timp real a computerului. Este gratuit atât pentru uz academic, cât și pentru uz comercial
și a fost inițial scris în C, dar are o interfață completă C ++. Biblioteca are mai mult de 2000 de algoritmi
optimizați care sunt utilizați în întreaga lu me, cu peste 2 milioane de descărcări și 40.000 de persoane din
grupul de utilizatori.

Unii dezvoltatori bine cunoscuți ai tehnologiei de recunoaștere a feței robotului sunt Robin Hewitt și
producătorii LEAF A.I. Robot. Hewitt se află în mijlocul dezvoltării unei metode de învățare a feței pentru
roboții sociali, unde robotul se învață să re cunoască chipurile utilizatorilor. În lucrarea sa, un utilizator
inițiază procesul de învățare prezentând robotului o imagine de exemplu a feței sale și apoi marcând unde
sunt ochii și nasul. Robotul învață o reprezentare inițială a feței de la aceste intr ări, ceea ce este suficient de
bun pentru ca robotul să recunoască destul de frecvent acest utilizator și să evite, cel mai adesea, detectările
false.

Pentru a funcționa mai bine, robotul trebuie să țină utilizatorul interesat astfel încât să continue să
interacționeze cu robotul. Pe măsură ce această interacțiune continuă, robotul caută privirea utilizatorului în
fluxul său video. Odată ce detectează acea față, o urmărește cu un dispozitiv de urmărire a feței. În timpul
acestui proces, robotul captează și stochează segmente video scurte ale acestui utilizator. Mai târziu, poate, în
timp ce robotul dormește la stația de încărcare, analizează aceste segmente video și învață să recunoască mai
bine acest utilizator. Din clipurile video, se pot aduna exemple de diferite expresii faciale și poziții de cap
care sunt tipice pentru acest utilizator, astfel "învățând" robotul să recunoască.

LEAF A.I. Viziunea robotului, pe de altă parte, este deja capabilă de tehnologia de recunoaștere a imaginii,
inclusiv detectarea mișcări i, detectarea modificărilor de intensitate și detectarea blobului de culoare (în mare
parte datorită RoboRealm și OpenCV). Se pare foarte probabil ca roboții să poată diferenția și identifica în
curând oamenii fără eroare. Mă întreb dacă și roboții vor înv ăța într -o zi să identifice și să se diferențieze.
Apoi, recunoașterea față de robot va avea un cerc complet.

UTM 526.4 015 ME Coala
29 Mod. Coala Nr. Document Semnătura Data
Întreținere și mentenanță
Utilizarea roboților a adus multe beneficii producătorilor, dar pentru ca aceștia să poată continua să vadă
acele beneficii, trebuie pus în aplicare un program de întreținere a echipamentelor robot. Cea mai obișnuită
formă a unui program de întreținere a robotului este întreținerea preventivă. Întreținerea preventivă este
întreținerea planificată a instalațiilor și a echipamentelor, concepută pentru a elimina defecțiunile neașteptate
și pentru a spori durata de viață a roboților. Aceste programe sunt esențiale pentru performanța robotului pentru
a rămâne fiabilă .

Avantajele întreținerii robotice :
 Cele mai multe defecțiuni ale roboților ca urmare a uzurii, însă întreținerea preventivă împiedică
acest l ucru s ă se întâmple .
 Cu prevenirea defecțiunilor, productivitatea și calitat ea producătorilor sunt sporite.
 Costurile sunt reduse prin conservarea activelor; ceea ce înseamnă că echipamentul robotizat durează
mai mult eliminând cheltuiel ile de bani pentru al înlocui .

Implementarea întreținerii preventive :
 Pentru a avea un program de întreținere preventivă eficientă, este important să se realizeze un
program strict cu monitorizare agresivă.
 Program ul trebuie să se concentreze pe curățarea, lubrifierea și rezolvarea problemelor identificate
în timpul inspecțiilor.
 De asemenea, este esențială implementarea instruirii de întreținere în rândul angajaților, deoarece
garanțiile sunt limitate. Având propr iul dvs. personal de service permite un timp de reparație rapidă.

Alte tipuri de mentenan ță precum mentenanța corectivă demulte ori presupune deja schimbarea unui modul
întreg fiindcă depanarea unor astfel de dispozitive este f oarte complex, și este mai cost -eficient și timp –
eficient de a procura modulul unui subsistem și de a schimba.

UTM 526.4 015 ME Coala
30 Mod. Coala Nr. Document Semnătura Data
Bibliografie
1. Tratamentul -naturist -al-gripei -si-al-altor-boli-de-sezon. Ziarullumina. [Interactiv] [Citat: 20 Februarie
2018.] http://ziarullumina.ro/tratamentul -naturist -al-gripe i-si-al-altor-boli-de-sezon -51677.html.
2. Tom, Harris. How Robots Work. Howstuffworks. [Interactiv] [Citat: 05 Februarie 2018.]
https://science.howstuffworks.com/robot6.htm.
3. Wikipedia. Autonomous_robot. Wikipedia. [Interactiv] Wikipedia. [Citat: 4 Febr uarie 2018.]
https://en.wikipedia.org/wiki/Autonomous_robot.
4. Illah R.Nourbakhsh, Roland Siegwart. Introduction to Autonomous Mobile Robots. Cambridge :
Massachusetts Institute of Technology, 2004. p. 317. ISBN 0 -262-19502 -X.
5. Stănescu, Mihaela. Viața noastră cu roboții. Descoperă.ro. [Interactiv] [Citat: 3 Februarie 2018.]
http://www.descopera.ro/stiinta/8455407 -viata -noastra -cu-robotii.
6. Böttcher, Sven. Principles of robot locomotion. CS.SIU. [Interactiv] [Citat: 8 Februarie 2018.]
http://www2.cs.si u.edu/~hexmoor/classes/CS404 -S09/RobotLocomotion.pdf.
7. Omni -Directional Mobility Using Active Split Offset Castors. Haoyong Yu, Matthew Spenko and Steven
Dubowsky. s.l. : Journal of mechanical design, 2004, Vol. 126, pg. 822 -829.
8. Design and control of a variable footprint mechanism for holonomicomnidirectional vehicles and its
application to wheelchairs. M, Wada și H, H Asada. s.l. : Robotics and Automation, Vol. 15, pg. 978 -989.
9. Everett, H. R. Sensors for mobile robots: theory and application. California : A K Peters, Ltd. Natick,
Massachusetts, 1995. p. 525. ISBN: 978 -1568810485.
10. Fraden, Jacob. Handbook of modern sensors. Physics, Designs and Applications. 3rd Edition. San Diego :
Advanced Monitors Corporation, 2009. p. 580. ISBN 0 -387-00750 -4.
11. Sandu, M. Curs de Sisteme de măsurare, achiziție și prelucrare a datelor. București : Universitatea
Politehnică din București, 2014.
12. Fraden, Jacb. Handbook of Modern Sensors. Physics, Designs, and Applications. Fourth Edition. New
York : Spring Sc ience + Business Media, LLC, 2010. p. 680. ISBN 978 -1-4419 -6465 -6.
13. Mathas, Carolyn. Sensor Reliability: Challenges and Improvements. Digi-Key Corporation. [Interactiv]
2012. [Citat: 16 Februarie 2018.] https://www.digikey.com/en/articles/techzone/2012/ sep/sensor -reliability –
challenges -and-improvements.
14. Irvine, Thomas. Technical Paper: Sensor Realibility. Futek Corporation Web Site. [Interactiv] [Citat: 19
Februarie 2018.] http://www.futek.com/files/Pdf/TechnicalDocuments/Sensor%20Reliability.pdf.
15. Toshiyuki, Yasuda și Kazuhiro, Ohkura. Multi -Robot Systems, Trends and Development. Rijeka : InTech,
2011. p. 596. ISBN 978 -953-307-425-2.
16. Building a Global Map of the Environment of a Mobile Robot: The Importance of Correlations. Castellanos,
J.A., Tardos, J.D., Schmidt, G.,. Albuquerque : s.n., April 1997. in Proceedings of the 1997 IEEE Conference
of Robotics and Automation.
17. Karl Johan Åström, Bj Wittenmark. Computer -controlled Systems: Theory and Design. Third Edition. s.l. :
Tsinghua Universi ty Press Pretince Hall, 1997. p. 569. ISBN 1 -302-05008 -2.
18. Iulia, Fătu. Cum funcționează recunoașterea facială? Scientia.ro. [Interactiv] 14 Martie 2010. [Citat: 21
Februarie 2018.] http://www.scientia.ro/tehnologie/cum -functioneaza -lucrurile/741 -cum-functioneaza –
recunoasterea -faciala.html.
19. Robots. Robots Maintenance. [Interactiv] [Citat: 22 Februarie 2018.]
https://www.robots.com/articles/viewing/robot -equipment -maintenance.