iii
INTRODUZIONE
L’utilizzo della robotica mobile nei diversi settori delle attività umane ha avuto un
notevole sviluppo negli ultimi anni. Generalmente alcuni ambienti operativi possono
risultare ostili alla presenza umana: in questi casi particolari non sono possibili
interventi di operatori sul robot. Nasce da qui, quindi, l’esigenza di implementare un
robot realmente autonomo. Per poter essere definito tale, un robot mobile deve essere
in grado di navigare nell’ambiente circostante e capace di ricostruirne un modello;
inoltre, deve riuscire ad eseguire le proprie funzioni interagendo con l’ambiente.
Durante la navigazione, il robot mobile autonomo deve potersi localizzare e costruire
una mappa dell’ambiente di lavoro.
Con il termine “localizzazione” si intende il processo di stima della posizione e
dell’orientazione del robot. Localizzare un robot, avendo a disposizione la mappa
ambientale in cui il robot deve operare è un problema ormai noto. Tuttavia, nella
maggior parte dei casi, le conoscenze disponibili a priori sull’ambiente sono poche o
nulle, soprattutto se il robot deve agire in ambienti ostili e sconosciuti. Pertanto, è
necessario che il robot acquisisca informazioni sull’ambiente, attraverso un
opportuno apparato sensoriale, per poter costruire una mappa ambientale durante la
navigazione dell’ambiente stesso.
Con il termine “costruzione di mappe” si intende il processo di stima della posizione
e della forma degli ostacoli nello spazio in cui si muove il robot. L’utilizzo di
appropriati sensori è di chiara importanza per una percezione affidabile ed accurata
dell’ambiente circostante il robot mobile. Ciò è fondamentale sia per localizzare un
robot che per costruire mappe dettagliate dell’ambiente di lavoro.
Il problema della localizzazione, nonché quello legato al mapping, sopra citati sono
stati per molto tempo affrontati separatamente ma sono strettamente correlati fra
loro. Difatti, per determinare con precisione la propria posizione, un robot deve avere
a disposizione un’accurata mappa ambientale e, al tempo stesso, per costruire un
modello dell’ambiente circostante ed aggiungervi le informazioni acquisite durante la
navigazione è necessario che il robot conosca con precisione la propria posizione.
Pertanto la soluzione migliore è quella che richiede la ri-localizzazione del robot
iv
mobile lungo la sua traiettoria: questo metodo è noto come Simultaneous
Localization And Mapping (SLAM).
Il problema dello SLAM risulta tutt'altro che semplice, in quanto il robot ha il
compito di stimare correttamente la propria posizione e al tempo stesso deve essere
in grado di costruire una mappa dell'ambiente che lo circonda il meno possibile
affetta da errori; in associazione allo SLAM , il robot per essere autonomo necessita
di un algoritmo di navigazione che, oltre a pianificare l'esplorazione in modo tale da
visitare luoghi sconosciuti all'interno di un ambiente, permetta di evitare ostacoli
presenti sul suo percorso (algoritmo di obstacle avoidance) mentre si muove
nell'ambiente.
Nel presente lavoro di tesi ci si pone dunque l’obiettivo di migliorare il mapping e la
localizzazione indoor di un robot mobili basandosi sulla tecnologia RFID. La
tecnologia RFID (o Radio Frequency IDentification) è un metodo per
l'identificazione automatica di oggetti, animali o persone basata sulla capacità di
memorizzazione di dati da parte di particolari dispositivi elettronici (o Tag) e sulla
capacità di questi di rispondere all'"interrogazione" a distanza da parte di appositi
lettori (o reader) comunicando, sempre tramite segnali a RadioFrequenza, le
informazioni in essi contenute.
La tecnologia RFID non è nuova in letteratura. Tuttavia, nei lavori riguardanti la
localizzazione indoor assistita da RFID ci si basa sull’uso di sistemi commerciali non
ottimizzato per applicazioni robotiche.
Per incrementare l’accuratezza nella localizzazione di robot mobili ci si è dedicati
alla progettazione, realizzazione ed analisi di un sistema RFID ideato appositamente
per tale applicazione; in particolare, dato che per ottenere tale risultato è necessaria la
stima della posizione delle antenne tag nell’ambiente di lavoro, si affronta con
notevole attenzione il problema della localizzazione di tag.
L’aspetto innovativo di questo lavoro di tesi riguarda l’opportuna modifica dei
sistemi di natura elettromagnetica utilizzati nell’applicazione, che dunque
riguarderanno la progettazione di apposite antenne reader e tag RFID.
Nel primo capitolo si illustrano i principi alla base della localizzazione di robot
mobili, fornendo una descrizione degli approcci adoperati per la risoluzione di tale
problema senza l’uso della tecnologia RFID e con l’utilizzo di tag RFID sia attivi che
v
passivi; in particolare, si introducono i concetti basilari relativi al modello sensoriale
ed al metodo MCL (Monte Carlo Localization) impiegati negli algoritmi di stima
della posizione dei tag nell’ambiente di lavoro, nonché si discutono possibili varianti
introducibili in tale algoritmo, come lo sfruttamento di sistemi fuzzy.
Il secondo capitolo è dedicato al design ed allo studio di alcune strutture
elettromagnetiche, le quali possono essere adatte per essere applicate nella
localizzazione.
Si introducono diversi tag particolarmente direttivi concepiti in base alla teoria degli
array parassiti, allo scopo di rendere fruibile l’informazione riguardante la presenza
di un dato tag esclusivamente in una ristretta porzione dello spazio riducendo i
possibili errori nella localizzazione. Tuttavia, tag progettati su paper presentano
alcuni svantaggi legati alla presenza di lobi secondari nei diagrammi radiativi ed alle
forti alterazioni nelle performance visibili al variare della superficie d’appoggio. Per
tale motivo, si introducono degli esempi di tag platform-tolerant (ossia aventi
caratteristiche radiative non influenzabili dal tipo di superficie su cui sono poste),
prive di sidelobe e con un discreto range di lettura, capaci di stabilizzare le
prestazioni del sistema RFID nel suo complesso.
Per quanto concerne l’antenna reader si presenta una Yagi-Uda a polarizzazione
lineare con dipolo driven meanderizzato e riflettore parabolico concavo avente
spiccate qualità in termini di compattezza ed integrabilità senza alcuna degradazione
nelle proprietà radiative e di impedance matching, le quali sono paragonabili con
quelle di un’antenna commerciale.
Nel terzo capitolo si analizzano le performance dell’antenna reader tenendo in
considerazione la qualità con cui è ottenuta la focalizzazione in un regione ristretta
dello spazio delle informazioni che permettono la stima della posizione del tag
nell’ambiente, mediante l’impostazione di una modulazione razionale della potenza
emessa, che può essere combinata opportunamente con una modulazione angolare
consistente in un’efficiente e controllabile rotazione dell’antenna stessa, utile per
aumentare l’accuratezza con cui è effettuata la localizzazione. Si propone, inoltre, un
algoritmo utile per rendere il robot mobile, che gestirà il reader e la sua antenna,
capace di utilizzare, in modo completamente autonomo e senza l’intervento di alcun
operatore umano, una combinazione delle modulazioni indicate in precedenza. Tale
vi
algoritmo permette di ricavare una buona stima della posizione del tag con un solo
attraversamento del corridoio in cui tale tag è situato e minimizzando il numero di
rotazioni subite dall’antenna per via della modulazione angolare.
Per concludere, si osserva numericamente e sperimentalmente che, a differenza di un
tag commerciale, il tag platform-tolerant ideato nel presente lavoro di tesi manifesta
nelle caratteristiche radiative una considerevole indipendenza dal tipo di superficie
su cui aderisce, sia essa costituita da legno, metallo o cemento, al prezzo, tuttavia, di
un incremento nei costi e nelle dimensioni.
Parte dell’ultimo capitolo è dedicata ad alcune considerazioni aggiuntive che
possono essere prese in esame come indicazioni per eventuali studi di ricerca futuri
volti al miglioramento delle prestazioni del sistema concepito in questo lavoro.
Per completezza, al termine del lavoro, sono annesse due appendici utili per illustrare
i principi di funzionamento della tecnologia RFID e per evidenziare le diverse
tecniche, impiegate nel corso degli studi inerenti la presente tesi, legate alla
progettazione e design di antenne per tag.
CAPITOLO PRIMO
FONDAMENTI SULLA LOCALIZZAZIONE
DI ROBOT MOBILI
2
PREMESSA
La robotica mobile è un‟area della ricerca particolarmente attiva, le cui applicazioni
possono andare dai robot per la pulizia dei pavimenti, come Roomba,
all‟esplorazione di altri pianeti, come il Mars Rover. Un robot per muoversi da un
punto ad un altro necessita della conoscenza della sua attuale posizione e del suo
orientamento. Pertanto, la localizzazione accurata del robot, intesa come la
risoluzione del problema concernente la determinazione della posizione di un robot
su una data mappa dell‟ambiente, è un‟importante necessità per la navigazione di
robot in ambienti ampi ed è dunque riconosciuta come uno dei problemi
fondamentali della robotica mobile. Spesso ci si riferisce alla localizzazione con le
espressioni stima della posizione o controllo della posizione.
La localizzazione è implementabile grazie ai dati ottenuti dai sensori posti sul robot.
L‟uso delle informazioni sensoriali permette di fornire al robot mobile delle capacità
autonome. Purtroppo la posizione non può essere rilevata direttamente. Posto
diversamente, la maggior parte dei robot non possiede un sensore per la misurazione
della posizione che sia privo di rumore. La posizione deve pertanto essere ricavata
dai dati collezionati dai diversi sensori. Inoltre un incremento della difficoltà si ha
nel fatto che una singola misurazione da parte del sensore è del tutto insufficiente per
la determinazione della posizione; per far ciò, il robot è dunque costretto ad integrare
tutti i dati memorizzati nel tempo.
1.1 TASSONOMIA DEI PROBLEMI DI LOCALIZZAZIONE
Non tutti i problemi di localizzazione sono egualmente complessi. Per evidenziare
tale concetto è bene discutere di una breve tassonomia dei problemi di localizzazione
[1], la quale permetterà di suddividere questi problemi a seconda delle condizioni
pertinenti la natura dell‟ambiente in cui il robot andrà ad operare.
3
Localizzazione Locale vs. Globale
I problemi di localizzazione sono caratterizzati dal tipo di conoscenza inizialmente
disponibile. Si possono distinguere due tipi di problemi con un crescente grado di
difficoltà.
Localizzazione locale (o tracking). Assume che la posizione iniziale del
robot sia nota. I metodi per la localizzazione locale spesso si basano
sull‟assunzione che l‟errore nella determinazione della posizione sia piccolo e
l‟incertezza della posizione è solitamente approssimata da una distribuzione
unimodale (in genere gaussiana).
Localizzazione globale (o statica). La posizione iniziale del robot è non
nota. Il robot può essere posto in qualunque punto dell‟ambiente, ma è privo
della conoscenza riguardante dove sia. Gli approcci alla localizzazione
globale non possono assumere che la stima dell‟errore di posizione sia
limitata. La localizzazione globale è dunque più complessa della
localizzazione locale.
Varianti degli approcci usati per la localizzazione globale possono essere utilizzati
per la gestione del problema del kidnapped robot. Durante le operazioni il robot può
essere “rapito” e condotto in un‟altra posizione; in tal caso, il robot potrebbe credere
di conoscere la posizione in cui si trova quando effettivamente non è così. La ricerca
nella risoluzione di tale problema è essenziale nella realizzazione di robot realmente
autonomi.
Ambienti Statici vs. Dinamici
L‟ambiente ha un impatto sostanziale sulle difficoltà per la localizzazione. Gli
ambienti possono essere statici e dinamici.
Ambienti statici. Ambienti in cui l‟unica quantità variabile è la posizione
del robot; ossia, il robot è l‟unico a muoversi nell‟ambiente mentre tutti gli
altri oggetti rimangono nelle loro posizioni.
4
Ambienti dinamici. Possiedono oggetti le cui posizioni o configurazioni
cambiano nel tempo come il robot. Di particolare interesse sono le variazioni
che persistono nel tempo le quali impattano su più di una singola lettura dei
sensori. Possono essere provocate da: persone, luce del giorno, porte o arredi
mobili. Le variazioni che invece influiscono su una singola misurazione sono
trattate come rumore.
I problemi di localizzazione possono essere ancora differenziati in base alla
possibilità che l‟algoritmo di localizzazione controlli o meno il moto del robot
(approcci attivi o passivi) oppure riguardo al numero di robot coinvolti nella
localizzazione (single-robot o multiple-robot).
1.2 LOCALIZZAZIONE, MAPPING E SLAM
Una delle forme più semplici di localizzazione è il dead reckoning, il quale
essenzialmente è un encoder (o trasduttore di posizione angolare) posto sulle ruote
basato su sistemi ad anello aperti che utilizzano l‟ultima posizione nota e
l‟informazione riguardante la velocità stimata per determinare la posizione attuale.
Mentre il robot si muove nell‟ambiente risulta sempre esserci una differenza tra la
reale posizione e quella stimata. Tali errori si accumulano nel tempo incrementando
l‟incertezza della localizzazione. Il dead reckoning non è pertanto sufficiente ed è
dunque necessario un sistema di feedback sensoriale per determinare la posizione del
robot nell‟ambiente. Questo porta all‟utilizzo di un ampia varietà di sensori come
GPS, Laser, Sonar, Infrarossi, Vision e/o RFID (per maggiori informazioni sui
principi di funzionamento di tale tecnologia si veda l‟appendice A). L‟efficienza di
ogni strumento sensoriale dipende dall‟ambiente nel quale si andrà ad operare e dalle
informazioni disponibili a priori.
Spesso durante la localizzazione si assume che il robot sia dotato di una mappa
dell‟ambiente nota a priori. La mappa m di un ambiente è una lista degli oggetti
presenti nello stesso e delle loro posizioni. Formalmente, si ha
N 2 1
m ,..., m , m m
5
dove N è il numero totale degli oggetti nell‟ambiente, ed ogni m
n
identifica una
proprietà (ad esempio una posizione specifica).
Tuttavia in alcune applicazioni non si ha tale possibilità ed è necessario che venga
realizzata dal robot. Essere capace di apprendere una mappa può ridurre fortemente
gli sforzi richiesti per l‟installazione di un robot mobile e permetterebbe al robot di
adattarsi alle variazioni senza alcuna supervisione umana. Difatti, il mapping è una
delle competenze centrali dei robot realmente autonomi.
I metodi di mapping possono essere suddivisi in due categorie: online ed offline. Nel
mapping offline un modello geometrico o mappa è creato in anticipo e non subisce
alcuna variazione. Un vantaggio significativo sta nella riduzione del carico
computazionale, specie se gli algoritmi di localizzazione non richiedono i dettagli più
minuti dell‟ambiente. Tuttavia se l‟ambiente nel quale il robot deve muoversi è
ampio ed è probabile che muti, allora implementare tale approccio potrebbe essere
problematico mentre la mappa necessiterebbe di ripetuti aggiornamenti. Nel caso di
mapping online, l‟informazione sensoriale è utilizzata per la costruzione di una
mappa dell‟ambiente e successivamente tale modello è usato per la navigazione.
Qualora il robot non abbia accesso ad una mappa dell‟ambiente né possa sapere la
sua stessa posizione allora si rientra nel caso del problema di SLAM (Simultaneous
Localization and Mapping). Nello SLAM il robot acquisisce una mappa
dell‟ambiente mentre simultaneamente localizza se stesso rispetto a questa mappa.
Lo SLAM è significativamente più complesso di tutti i problemi robotici
precedentemente discussi: è più difficile della localizzazione in quanto la mappa non
è nota e deve essere stimata durante il processo ed è più arduo del mapping con le
posizioni del robot note poiché, in questa eventualità, tali posizioni del robot non
sono note e devono essere stimate contemporaneamente durante il processo.
1.3 APPROCCI ALLA LOCALIZZAZIONE SENZA L’USO DI RFID
La localizzazione può essere approssimativamente categorizzata come indoor o
outdoor. Nel caso di ambienti outdoor, il problema è brillantemente risolto dalla
tecnologia GPS [2], nella quale il ricevitore determina la sua distanza dal satellite
6
calcolando il tempo d‟arrivo del segnale dallo stesso e mediante trilaterazione calcola
la sua posizione sulla superficie terrestre. I ricercatori hanno mostrato che la
localizzazione è possibile anche mediante dispositivi GSM [3], fornendo così errori
nella localizzazione compresi tra 2 e 5 metri. Questi sistemi richiedono tuttavia una
fase di training non banale prima del loro utilizzo. Anche se la precisione del GPS è
accettabile per diverse applicazioni, ha molti punti critici, riguardanti l‟influenza
sulla precisione della stima della posizione, dovuti al numero e alla posizione dei
satelliti disponibili, alle condizioni atmosferiche ed alla possibilità di operare in
ambienti caratterizzati da numerose costruzioni molto alte.
Nel caso di ambienti indoor il GPS non è efficiente poiché i segnali GPS non
riescono a penetrate le pareti delle costruzioni. Pertanto sono stati sviluppati diversi
metodi che ricorrono all‟utilizzo di un‟ampia gamma di sensori per la localizzazione
in ambienti indoor. Ciò ha comportato l‟inattuabilità di un‟unica soluzione accettata
per la risoluzione del problema. In seguito si discuteranno alcuni esempi presenti a
riguardo in letteratura.
Sistema Active Badge
Un sistema active badge basato sugli infrarossi [4] è usato per la determinazione
della posizione del personale in un ufficio. Per ogni persona è possibile effettuare il
tracking mediante active badge, il quale trasmette un segnale per ogni intervallo di
tempo predefinito, che è raccolto dai sensori ad infrarossi posti all‟interno della
costruzione. Il range di rilevazione tipico è di 6 metri e, a differenza delle onde radio,
il segnale non può penetrare attraverso le pareti. Il sistema è relativamente costoso e
necessita di una speciale infrastruttura hardware.
Sistema Ad Ultrasuoni
Sistemi di localizzazione come il Cricket [5, 6] o il sistema di posizionamento Bat [7,
8] sono basati sugli ultrasuoni. Tali sistemi usano le tecniche del tempo di volo
applicate agli ultrasuoni per acquistare l‟informazione sulla posizione. Entrambi