L'assignatura pretén introduir l'alumne en el camp de la navegació autònoma i la robòtica mòbil, explorant els principis fonamentals i els algoritmes que permeten a una plataforma moure's de manera independent per un entorn desconegut.
Es busca proporcionar una comprensió profunda de com els sistemes robòtics processen la informació sensorial per localitzar-se, mapejar l'espai i planificar trajectòries lliures de col·lisions. El curs se centra en els conceptes essencials de percepció i moviment. S'abordaran els fonaments matemàtics i probabilístics de la localització, incloent-hi filtres de Kalman i mètodes SLAM, així com els models cinemàtics de les plataformes mòbils.
Per reforçar l'aprenentatge i proporcionar experiència tangible, el curs inclourà sessions pràctiques de laboratori utilitzant l'ecosistema ROS2 (Robot Operating System) i el desenvolupament de nodes en Python/C++, on els alumnes podran aplicar els conceptes en entorns de simulació (Gazebo) i validar-los posteriorment en robots físics. Finalment, s'analitzaran diverses aplicacions pràctiques per entendre les limitacions del maquinari i les xarxes de comunicació en situacions reals.
Professors Titulars
Per cursar l'assignatura es requereixen coneixements previs fonamentals d'àlgebra, càlcul i probabilitat, especialment necessaris per entendre els principis geomètrics i matemàtics que sustenten la navegació i la localització. Així mateix, es recomana fermament que els estudiants disposin d'experiència prèvia en el maneig de sistemes operatius basats en Linux, així com de nocions sòlides de programació, preferiblement en llenguatge Python. Addicionalment, és altament convenient comptar amb una base introductòria a l'ecosistema ROS 2 (Robot Operating System), ja que constituirà el marc de treball principal per al desenvolupament i la implementació de les pràctiques de programari a les plataformes mòbils.
L'assignatura té com a objectiu introduir l'estudiant en el camp de la navegació autònoma i la robòtica mòbil, proporcionant una base sòlida en els principis fonamentals, els mètodes i els algoritmes que permeten a una plataforma moure's de manera independent per un entorn desconegut. Així mateix, pretén desenvolupar la capacitat de comprendre i aplicar conceptes essencials de percepció, localització espacial, mapeig i planificació de trajectòries, dotant l'alumnat de la intuïció tècnica necessària per identificar i resoldre els problemes inherents al control i la mobilitat d'aquests sistemes. Amb això, es busca capacitar l'alumnat per dissenyar i integrar solucions tecnològiques i de programari d'avantguarda que contribueixin al desenvolupament de sistemes robòtics robustos, eficients i segurs per a la indústria actual.
Bloque I. Modelat del Moviment
Tema 1. Cinemàtica de robots mòbils
- Graus de llibertat i restriccions
- Models de rodes (fixa, boja, Mecanum, Omni)
- Model cinemàtic directe i invers (Diferencial, Ackermann)
- Holonomia i no-holonomia
Bloque II. Percepció i Estimació
Tema 2. Fonaments de percepció
- Sensors (propioceptius i exteroceptius)
- Incertesa i precisió
- Model gaussià (univariable i multivariable)
- Probabilitat condicional i teorema de Bayes
Tema 3. Localització
- Filtre Bayesià
- Filtre de Kalman (KF)
- Filtre de Kalman estès (EKF)
- Filtre de partícules (MCL)
Bloque III. Mapeig i SLAM
Tema 4. Mapeig
- Tipologies de mapes (mètrics i topològics)
- Mapes d’ocupació (Log-odds)
Tema 5. SLAM
- Introducció al problema SLAM
- SLAM basat en EKF
- SLAM basat en filtre de partícules (GMapping)
- Graph SLAM
Bloque IV. Planificació i Exploració
Tema 6. Planificació de trajectòries
- Planificació global (A*, RRT, PRM)
- Planificador local (DWA)
Tema 7. Exploració autònoma
- Exploració basada en fronteres
- Criteris de replanificació i selecció d'objectius
La metodologia utilitzada en l'assignatura Sistemes de navegació es fonamenta en un enfocament teoricopràctic orientat a l'adquisició progressiva dels resultats d'aprenentatge definits. L'assignatura combina les classes magistrals teòriques amb una sèrie d'activitats pràctiques que l'alumne ha de resoldre, fomentant un equilibri que permet que l'alumnat assimili els conceptes treballats a l'aula i els apliqui en un entorn real de robòtica mòbil.
La dinàmica de les sessions presencials es divideix en dues parts diferenciades. Durant la primera part, es desenvolupen les classes magistrals juntament amb la resolució d'exercicis, promovent la participació activa de l'estudiant per consolidar els fonaments teòrics. En la segona part de la classe, es duen a terme les activitats pràctiques d'avaluació continuada.
Aquestes pràctiques, que es poden realitzar en parelles, s'executen utilitzant tant entorns de simulació com robots reals. Els continguts teòrics adquirits a les classes presencials es reforcen així amb la realització d'aquestes activitats, per a les quals els estudiants utilitzaran els seus propis ordinadors portàtils, sent un requisit indispensable la instal·lació prèvia de ROS 2.
Com a complement a aquestes activitats troncals, la metodologia integra el treball autònom de l'estudiant per afavorir un aprenentatge actiu i aplicat. Finalment, en aquesta assignatura s'utilitza una plataforma virtual (eStudy) com a mitjà de comunicació principal entre l'alumne i el professor, i per a la gestió del curs.
L'avaluació de l'assignatura s'articula en dos blocs obligatoris: teoria i pràctiques, cadascun amb un pes del 50% sobre la nota global. La qualificació final s'obté a partir dels següents elements:
- Teoria (50% de la nota final): Es divideix en un Examen de control (50%) i un Examen final (50%).
- Pràctiques (50% de la nota final): Es componen de diversos Exercicis pràctics (40%) i un Projecte Final (60%).
Per superar l'assignatura serà necessari obtenir una nota final igual o superior a 5 sobre 10. És condició indispensable i estrictament obligatòria presentar-se a l'examen final i realitzar la presentació oral del Projecte Final a classe (en cas contrari, la nota màxima a l'acta serà un 4.0). No es guarden notes de cursos anteriors. A més, les còpies o l'ús no autoritzat d'IA en avaluacions oficials es penalitzaran estrictament segons la normativa acadèmica.
Es valorarà:
- El rigor i la coherència en el desenvolupament dels raonaments.
- La comprensió conceptual dels fonaments de la robòtica mòbil.
- La capacitat d’aplicar mètodes i algoritmes de navegació autònoma.
- La capacitat d’utilitzar sensors per percebre l’entorn i detectar obstacles.
- La capacitat de modelització i resolució de problemes en entorns reals o simulats.
- La correcta interpretació dels resultats obtinguts.
- La claredat i l’estructura en la presentació dels procediments i solucions.
Welch, G., & Bishop, G. (2006). An Introduction to the Kalman Filter. University of North Carolina at Chapel Hill.
Thrun, S., Burgard, W., & Fox, D. (2005). Probabilistic Robotics. MIT Press.
Siegwart, R., Nourbakhsh, I. R., & Scaramuzza, D. (2011). Introduction to Autonomous Mobile Robots. MIT Press.
LaValle, S. M. (2006). Planning Algorithms. Cambridge University Press.
Corke, P. (2023). Robotics, Vision and Control: Fundamental Algorithms in Python. Springer.
Open Robotics. (s. f.). ROS 2 Humble Documentation.
Open Navigation LLC. (s. f.). Navigation2 (Nav2) – ROS 2 Navigation Stack.