Tercera generación: 2023 - 2025

 Jatzin Armando Aguilar Ortiz

Políticas de Movimiento Comunitarias para Navegación Multi-Robot en Ambientes Colaborativos

En este trabajo se aborda el problema de la planificación de movimiento para múltiples agentes en el contexto de rendezvous. Se propone una metodología desacoplada, compuesta por dos etapas. En la primera, una red neuronal genera trayectorias individuales libres de colisión a partir de ejemplos obtenidos de los planificadores clásicos como el RRT* y el PRM*. Todos los agentes poseen una copia de dicha red neuronal, lo cual les permite inferir tanto su trayectoria como la de los demás agentes. En la segunda, se coordina la ejecución simultánea de dichas trayectorias mediante dos estrategias complementarias: (i) un método basado en prioridades, que ordena a los agentes según la longitud de su trayectoria y ofrece tiempos de cómputo muy bajos a costa de un mayor makespan; y (ii) un procedimiento iterativo de resolución de conflictos por pares, que introduce esperas únicamente en la trayectoria más larga en cada conflicto y produce soluciones con un makespan reducido, aunque con un mayor costo computacional. Los experimentos muestran que la red neuronal genera trayectorias libres de colisión con una alta tasa de éxito en los entornos considerados y con tiempos significativamente menores que el RRT* y el PRM*, manteniendo un costo solo ligeramente mayor. Asimismo, ambos métodos de coordinación alcanzaron altas tasas de éxito, demostrando su efectividad para resolver escenarios con múltiples agentes bajo las condiciones evaluadas. En particular, el método iterativo logró menores makespan, mientras que el método basado en prioridades destacó por su rapidez. En el problema de rendezvous, la metodología propuesta superó al PRM desacoplado y al CBS, lo que confirma su viabilidad para sistemas holonómicos de múltiples agentes.

 Jose Francisco Ambriz Gutierrez

RRT* con Retroalimentación Visual para un Robot Tipo Automóvil

En este trabajo se presenta un método de planificación de trayectorias a lazo cerrado para un robot tipo automóvil que garantiza, por construcción, la factibilidad de ejecución de las trayectorias generadas. Además, se diseña un controlador cuya estabilidad asintótica se demuestra analíticamente. Se realiza un análisis que prueba que el método propuesto es capaz de generar trayectorias asintóticamente óptimas en el espacio de estados. Asimismo, se presentan simulaciones y experimentos que validan la factibilidad práctica del enfoque. Finalmente, se lleva a cabo una comparación entre planificadores locales analíticos y el enfoque basado en control predictivo basado en modelo (MPC) con distintos métodos de inicialización, mostrando que el método propuesto alcanza una mayor tasa de convergencia que los controladores predictivos convencionales.

 Oscar Ulises Lara Díaz

Control Basado en Imagen de un Cuadricóptero para el Seguimiento de un Objetivo Móvil con Movimientos Ágiles

El Control Servovisual Basado en Imagen (IBVS) permite controlar la pose de un robot usando únicamente información de la imagen, siendo crucial en entornos donde no se tiene acceso a GPS, o bien, a un sistema de captura de movimiento. Sin embargo, los enfoques tradicionales de IBVS suelen utilizar dinámicas de primer orden, lo cual resulta insuficiente para vehículos ágiles como los cuadricópteros, donde se tienen dinámicas de segundo orden en las diferentes variables de interés. Este trabajo presenta el diseño y validación de un esquema de control por modos deslizantes basado en imagen. El propósito central es el seguimiento de un objetivo móvil en el plano del suelo por parte de un cuadricóptero, considerando explícitamente la dinámica de segundo orden del error en el espacio de la imagen. El controlador propuesto prescinde del conocimiento de la velocidad y aceleración del objetivo, utilizando exclusivamente información visual, la orientación del vehículo y una estimación de la altura de vuelo. La ley de control se diseñó directamente en el espacio de la imagen, empleando como características visuales el inverso de la distancia euclidiana entre puntos proyectados en una esfera unitaria, garantizando así la invarianza a rotaciones. Dado que el control requiere la velocidad de dichas características, su derivada temporal se estima mediante un filtro de Kalman. La estabilidad del sistema a lazo cerrado se demuestra formalmente mediante la teoría de Lyapunov y, finalmente, el desempeño del controlador propuesto es validado a través de simulaciones numéricas.

Segunda generación: 2022 - 2024

 Julio De La Torre Vanegas

Aprendizaje Profundo por Refuerzo para Robots Colaborativos y/o Competitivos

La presente tesis aborda la implementación de algoritmos de aprendizaje por refuerzo multiagente en entornos cooperativos y/o competitivos. La investigación parte de los fundamentos del aprendizaje por refuerzo, analizando algoritmos como iteración por valor hasta algoritmos Actor-Crítico que son el estado del arte en este campo. Para llevar a cabo la implementación de estos algoritmos, se desarrollan simuladores especializados que reflejan fielmente los desafíos y características de los entornos reales seleccionados. La metodología para llevar a cabo el entrenamiento de los agentes incorpora técnicas innovadoras como el aprendizaje curricular y la búsqueda óptima de hiperparámetros con el objetivo de mejorar la eficiencia y convergencia del proceso de aprendizaje. En entornos realistas se realiza una selección de características usando técnicas de visión por computadora y algoritmos de seguimiento de objetos multiagente. Se realiza una comparativa de los algoritmos de aprendizaje por refuerzo con métodos tradicionales de control y se observa que los resultados obtenidos son superiores en términos de eficiencia. Las contribuciones que se realizan en esta tesis son significativas en el ámbito de la aplicación de algoritmos de aprendizaje por refuerzo multiagente en entornos desafiantes. La metodología propuesta sienta las bases para futuras investigaciones y aplicaciones en el campo de la robótica cooperativa y competitiva.

 Jesús Alejandro Loera Ponce

Semantic Segmentation for Risk Assessment During Autonomous Landing in Urban Areas

In this work, we address the vision-based autonomous landing problem in complex urban environments using deep neural networks for semantic segmentation and risk assessment. We propose employing the SegFormer, a state-of-the-art visual transformer network, for the semantic segmentation of complex, unstructured urban environments. This approach yields valuable information that can be utilized in smart autonomous landing missions, particularly in emergency landing scenarios resulting from system failures or human errors. The assessment is done in real-time flight, when images of an RGB camera at the Unmanned Aerial Vehicle (UAV) are segmented with the SegFormer into the most common classes found in urban environments. These classes are then mapped into a level of risk, considering in general, potential material damage, damaging the drone itself and endanger people. The proposed strategy is validated through several case studies, demonstrating the huge potential of semantic segmentation-based strategies to determining the safest landing areas for autonomous emergency landing, which we believe will help unleash the full potential of UAVs on civil applications within urban areas.

Primera generación: 2021 - 2023

 Mónica Anahí Rodríguez Ortiz

Chain Flocking: Multi-Agent Navigation in Unknown Environments with Local Measurements

Recently, Multi-Agent Systems (MAS) have gained significant importance in various robotics applications due to their ability to cooperate and distribute tasks efficiently. This research presents a novel approach to navigating a MAS in unknown environments without the use of a global positioning system, a common scenario in many missions. Effective navigation is essential as it forms the foundation for executing any subsequent tasks.
The proposed solution is based on a flocking scheme, eliminating the need for predefined formation geometry and enabling the formation scalability and adaptability. In this approach, agents perceive relative information about other agents and obstacles to maintain the formation and avoid collisions. Additionally, agents can perceive relative information about the goal location and navigate the environment, either by using local motion planning techniques or by following each other to maintain the formation, resulting in the creation of a chain structure within the overall flocking formation.
This behaviour, referred to as Chain Flocking, is a multi-leader-follower formation scheme where each agent can lead another agent while following the primary formation leader to navigate the environment. To achieve a fully distributed formation without predefined leader, a distributed method is proposed where a cost function is used to select the overall formation leader, who utilizes local motion planning for navigation. This leader can change based on the formation’s needs, depending on the agent’s location, goal information and environment characteristics. By having agents follow one another, the formation topology is modified to increase the agent’s perception range without compromising the integrity of the flocking formation geometry.
The effectiveness of the method is demonstrated through multiple simulations using a dynamic simulator and differential-drive robots as agents. In the experiments, multiple robots with the Chain Flocking algorithm implemented are placed in different environments and successfully navigate from one origin location to another using relative sensing information about other agents, obstacles and the goal.

 Angelo David Espinoza Valarezo

Planificación de Movimiento con Retroalimentación Sensorial

En esta tesis se propone un método que integra en el planificador local retroalimentación sensorial, más en especifico se propone extender los mapas de caminos probabilísticos (PRMs por sus siglas en Inglés) incluyendo control visual basado en imagen (IBVS por sus siglas en Inglés) en el planificador local. El objetivo es complementar las fortalezas de ambas técnicas, obteniendo un método que por construcción es capaz de considerar obstáculos y ser ejecutable a lazo cerrado con control visual. A diferencia de trabajos previos, el planificador propuesto en esta tesis es multiconsulta y se puede usar para moverse de diversos estados iniciales a diversas estados finales. Se proponen diversas variantes del algoritmo, algunas son capaces de permutar entre varios blancos visuales, y así generar una trayectoria más larga y compleja. Los diferentes algoritmos son validados intensivamente con diversas simulaciones computacionales.