CONTROL DIFUSO DE NAVEGACIÓN DE UN ROBOT MÓVIL MEDIANTE DISPOSITIVOS PROGRAMABLES

Transcripción

1 CONTROL DIFUSO DE NAVEGACIÓN DE UN ROBOT MÓVIL MEDIANTE DISPOSITIVOS PROGRAMABLES A. Cabrera 1, S. Sánchez-Solano 2, I. Baturone 2, A. Barriga 2, F. J. Moreno-Velo 2, P. Brox 2 1 Dpto. Automática y Computación. Facultad de Ingeniería Eléctrica. Instituto Superior Politécnico José Antonio Echeverría, Calle 127 s/n, Marianao, Ciudad de la Habana, Cuba. 2 Instituto de Microelectrónica de Sevilla - Centro Nacional de Microelectrónica Avda. Reina Mercedes s/n, (Edif. CICA), E-41012, Sevilla, Spain. Proc. XI Congreso Latinoamericano de Control Automático, La Habana, Mayo 10-15, This material is presented to ensure timely dissemination of scholarly and technical work. Copyright and all rights therein are retained by authors or by other copyright holders. All persons copying this information are expected to adhere to the terms and constraints invoked by each author s copyright. In most cases, these works may not be reposted without the explicit permission of the copyright holder.

2 CONTROL DIFUSO DE NAVEGACIÓN DE UN ROBOT MÓVIL MEDIANTE DISPOSITIVOS PROGRAMABLES Alejandro J. Cabrera Sarmiento 1, Santiago Sánchez-Solano 2, Iluminada Baturone 2, Ángel Barriga 2, Fran Moreno-Velo 2, Piedad Brox 2 1 Dpto. Automática y Computación, Facultad de Ingeniería Eléctrica. Instituto Superior Politécnico José Antonio Echeverría, Calle 127 s/n, Marianao, Ciudad de la Habana, Cuba, <alex@electrica.cujae.edu.cu> 2 Instituto de Microelectrónica de Sevilla, Centro Nacional de Microelectrónica, Avda. Reina Mercedes s/n, Sevilla, España, <santiago@imse.cnm.es> Abstract: En este trabajo se describe la realización de controladores difusos empotrados sobre un dispositivo programable para aplicaciones de navegación de un robot móvil. El desarrollo de los controladores se lleva a cabo mediante una plataforma reconfigurable que permite realizaciones híbridas hardware/software así como puramente software de los mismos. Esta plataforma está basada en la utilización de módulos de propiedad intelectual para la realización de un sistema de procesamiento configurable así como de una arquitectura también configurable para la realización del módulo de inferencia, empotrándose todo el controlador sobre un FPGA con la ayuda de las correspondientes herramientas de CAD. Keywords: Fuzzy controller, mobile robot, FPGA, intellectual property, CAD tools 1. INTRODUCCIÓN La capacidad de la lógica difusa para describir el comportamiento de sistemas complejos mediante reglas lingüísticas simples ha motivado su aplicación a la realización de numerosos sistemas de control (Passino, 1994; Yen, 1995). Uno de los campos de aplicación creciente de controladores difusos es el de la robótica. En particular, los problemas asociados con la navegación autónoma de un robot móvil constituyen un atractivo espacio de desarrollo de controladores basados en lógica difusa (Baturone, 2002). Se han desarrollado diferentes alternativas para la implementación de sistemas de control difuso para robots móviles, las cuales pueden ser agrupadas en realizaciones software, realizaciones hardware y realizaciones híbridas. Las realizaciones software han sido las soluciones más ampliamente adoptadas y consisten en un programa que se ejecuta en un computador y que implementa todas las tareas del sistema (Baturone, 2002). Estas realizaciones se caracterizan por su elevado grado de flexibilidad aunque su tiempo de respuesta viene limitado por la inherente ejecución secuencial de los programas. La tendencia actual en robótica y otras aplicaciones hacia el desarrollo de sistemas empotrados, que presentan restricciones en cuanto a peso, tamaño, consumo de potencia y costo, ha hecho que muchas de estas realizaciones utilicen microcontroladores (Von Altrock, 1998). Sin embargo, la utilización de microcontroladores comerciales con recursos predeterminados, puede resultar insuficiente para algunas aplicaciones o sobredimensionadas para otras.

3 Las realizaciones totalmente hardware del controlador difuso representan una alternativa totalmente opuesta a la anterior y son requeridas para aquellas aplicaciones en que la velocidad de inferencia sea un factor determinante (Baturone, 2000). Debido a la necesidad de reducir el área o el consumo de recursos sobre el circuito resultante, es preciso recurrir a estrategias de realización que limitan la flexibilidad de la solución, aunque la disponibilidad de arquitecturas configurables permite atenuar en alguna medida este inconveniente. Las realizaciones híbridas basadas en técnicas de codiseño hardware/software (HW/SW) permiten obtener un compromiso adecuado entre las ventajas e inconvenientes de las alternativas anteriores (Reyneri, 2003). La distribución entre la implementación hardware y la ejecución software de las tareas que debe realizar el sistema de control difuso permite obtener una solución que combine las ventajas de flexibilidad y velocidad. Un tipo de particionado de tareas de probadas prestaciones consiste en la implementación sobre hardware dedicado del módulo de inferencia difuso y la realización software de las restantes tareas de configuración y procesado convencional (Cabrera, 2002). Estas realizaciones híbridas se ven favorecidas por el vertiginoso desarrollo de la industria microelectrónica y la aparición de novedosas técnicas de diseño digital, las cuales hacen posible actualmente la implementación de sistemas completos sobre un único circuito integrado. La disponibilidad actual de dispositivos lógicos programables como FPGAs (Field Programmable Gate Array) que incorporan una elevada cantidad de recursos de hardware, así como sus potentes entornos de diseño, facilita la implementación de dichos sistemas sobre un dispositivo programable (System on Programmable Chip, SoPC). La existencia de módulos de propiedad intelectual (Intellectual Property, IP) que proporcionan una gran diversidad de elementos hardware bien desarrollados y depurados favorece las realizaciones SoPC. Muchos módulos IP pueden ser configurados por el diseñador, adaptándolos así a muy diversas aplicaciones. En esta comunicación se describe la realización de diversos sistemas de control difuso como SoPC para aplicaciones de navegación de robots móviles. En particular se aborda el problema del aparcamiento en batería de un coche-robot, ofreciéndose soluciones tanto software como híbridas mediante controladores empotrados en un FPGA. El desarrollo de los controladores se llevó a cabo mediante una novedosa plataforma que incluye todos los componentes físicos, lógicos y de procedimiento necesarios. 2. ESTRATEGIA DE REALIZACIÓN SoPC Y PLATAFORMA DE DESARROLLO La estrategia seguida para la implementación de controladores difusos empotrados como SoPC y que permite tanto realizaciones híbridas HW/SW como puramente software de los mismos se ilustra en la figura 1. Está basada en la utilización de un sistema de procesamiento configurable y disponible como IP, así como (para el caso de las realizaciones híbridas) en la utilización de una arquitectura también configurable para la implementación hardware del módulo de inferencia (Fuzzy Inference Module, FIM). De esta forma y mediante las herramientas de CAD correspondientes, se procede a la integración de todo el sistema sobre el FPGA obteniéndose la realización SoPC. Sistema de procesado basado en IPs CPU Herramientas de CAD Módulo de inferencia configurable FIM FPGA Fig 1. Estrategia de realización de controladores difusos empotrados como SoPC El sistema de procesamiento ejecuta todas las tareas del controlador que no requieran recursos específicos así como también la rutina de inferencia difusa en el caso de la realización totalmente software del controlador. Los recursos de este sistema (microprocesador, memorias, puertos de entrada/salida, temporizadores, etc.) son configurables y parametrizables, de forma tal que se puede conformar un sistema de procesamiento acorde a los requerimientos de la aplicación. En el caso de requerirse una implementación híbrida, el módulo de inferencia se implementa sobre hardware utilizando los recursos del dispositivo programable. Este módulo de inferencia está basado en una arquitectura configurable que permite su adaptabilidad a muy variadas aplicaciones. Para la materialización de esta estrategia se ha desarrollado una plataforma que incorpora los componentes físicos y lógicos así como el procedimiento de desarrollo del controlador. Los componentes físicos incluyen los módulos IP del sistema de procesamiento, la arquitectura configurable del FIM, así como el FPGA soporte de la implementación SoPC.

4 Como sistema de procesamiento se utilizan los módulos IP del procesador MicroBlaze de Xilinx y sus diversos periféricos (Xilinx, 2002). Para la implementación hardware del módulo de inferencia difuso se utiliza la arquitectura y la metodología de diseño de circuitos difusos previamente desarrollada en el Instituto de Microelectrónica de Sevilla (Sánchez-Solano, 1997). Esta arquitectura está basada en el procesado de reglas activas, la limitación a dos del grado de solapamiento de las funciones de pertenencia de las entradas y la utilización de métodos de defuzzificación simplificados, aspectos que contribuyen a disminuir el consumo de recursos del dispositivo programable. Además, dispone de muy diversas opciones de implementación. Para la implementación final de la realización SoPC se debe disponer de una FPGA Spartan- IIE150 ó superior. Los recursos disponibles en esta familia de FPGAs permiten potenciar la realización tanto del sistema de procesamiento MicroBlaze como del módulo de inferencia. La disponibilidad de placas de desarrollo basadas en FPGAs de esta familia facilita la implementación SoPC. El soporte lógico de la plataforma está formado por las herramientas de CAD correspondientes al sistema MicroBlaze, al módulo de inferencia difuso y al FPGA. MicroBlaze dispone de entornos de desarrollo que facilitan tanto la síntesis hardware de los módulos IP del sistema de procesamiento como la compilación y depuración del programa de aplicación. De forma análoga, el entorno de desarrollo de sistemas difusos Xfuzzy permite la descripción, ajuste, simulación y síntesis, tanto software como hardware, del módulo de inferencia difuso (López, 1998). Por último, las diferentes herramientas incorporadas en el entorno de desarrollo de FPGAs de Xilinx, ISE, permiten realizar la implementación SoPC de todo el controlador sobre el FPGA. 3. PROCEDIMIENTO DE DESARROLLO La plataforma expuesta en el apartado anterior se completa con un procedimiento que permite combinar los diferentes componentes físicos y lógicos para la realización del controlador difuso empotrado. La figura 2 muestra el flujo de diseño del módulo de inferencia utilizando las diferentes herramientas del entorno de desarrollo Xfuzzy. Una vez descrito el sistema difuso (especificación.xfl) y de ser simulado su comportamiento y ajustada su base de conocimiento (herramientas xfsl y xfsim) se procede a realizar la síntesis del mismo. Para una realización totalmente software del controlador difuso se realiza la síntesis software del FIM mediante la herramienta xfc, la cual genera una rutina en código C que deberá ser compilada y enlazada con las rutinas de las restantes tareas del controlador y se ejecutará sobre el sistema de procesamiento empotrado. Síntesis software Simulación Especificaciones del módulo de inferencia Opciones del programa xfc C XFL xfsim, xfsl Opciones de la arquitectura xfvhdl VHDL Aprendizaje supervisado Síntesis hardware Fig. 2. Flujo de diseño del módulo de inferencia De requerirse una implementación híbrida del controlador, se procede a la síntesis hardware del FIM mediante la herramienta xfvhdl. Esta herramienta permite dimensionar los bloques del sistema y seleccionar entre las distintas opciones de la arquitectura, generando una descripción en código VHDL que permite la realización hardware de los diferentes bloques de la arquitectura del FIM de la figura 2 (Lago, 1998). Los códigos VHDL correspondientes a la descripción hardware del FIM deben ser incorporados posteriormente (durante el proceso de síntesis e implementación del FPGA) para su interconexión con el sistema de procesamiento. Paralelamente a la síntesis del FIM puede desarrollarse el sistema de procesamiento MicroBlaze siguiendo el esquema de la figura 3. A partir de las especificaciones de software (fichero mss) la herramienta libgen compila las funciones de los diferentes periféricos, obteniéndose las bibliotecas y ficheros de cabecera que facilitarán la codificación de los programas de aplicación en lenguaje C. De forma similar, los componentes del sistema se declaran en un fichero de especificaciones de hardware (.mhs). La herramienta platgen se encarga de integrar todo el hardware del sistema MicroBlaze, generándose una descripción VHDL que puede ser utilizada para crear un sistema jerárquicamente superior, tal como se requiere para la inclusión del módulo de inferencia (código generado por xfvhdl) en el caso de la realización

5 híbrida del controlador. La implementación final del sistema completo se lleva a cabo utilizando las herramientas de desarrollo de FPGAs de Xilinx incluidas en el entorno ISE. Una vez obtenido el fichero de configuración (.bit) del FPGA y programado el mismo, se procede a compilar el programa de aplicación mediante la herramienta mb-gcc. Para el caso de una realización software del FIM, el código C generado por la herramienta de síntesis xfc debe ser compilado y enlazado conjuntamente con el resto del programa de aplicación. El proceso se completa con la herramienta de depuración xmd que facilita la carga y verificación del programa sobre el sistema MicroBlaze empotrado. Librerías y drivers.c.h Código fuente Especificaciones de software libgen.c.h mb-gcc VHDL VHDL Código ejecutable.mss.out xmd Especificaciones de hardware platgen FPGA.mhs Hardware del FIM Herramientas de desarrollo de FPGAs (ISE).bit Fig. 3. Flujo de desarrollo del sistema de procesamiento e integración del FIM 4. CONTROL DIFUSO DE NAVEGACIÓN DE UN ROBOT MÓVIL El aparcamiento de vehículos autónomos es un problema típico de control de navegación en robótica. En particular, el control de la trayectoria que debe seguir el vehículo para aparcar en batería cuando parte de una situación cercana a la posición objetivo es una variante del problema clásico de aparcamiento en reversa que complica sensiblemente el sistema de control a utilizar, ya que en este caso deben incorporarse estrategias para planificar la dirección de marcha. La plataforma de desarrollo descrita anteriormente ha sido aplicada en la realización de controladores difusos, tanto software como híbridos, para el aparcamiento del vehículo autónomo Romeo4R, diseñado y construido en la Escuela Superior de Ingenieros de la Universidad de Sevilla (Baturone, 2002). Romeo4R está equipado con motores de tracción y de dirección, y diferentes sensores que permiten determinar el estado del vehículo. El control a bajo nivel de los motores, así como la adquisición de la información procedente de los sensores y su procesado para determinar la velocidad (v), curvatura (γ), orientación (φ) y posición (x,y) del vehículo se realiza mediante un procesador digital de señal (DSP). De esta forma, el DSP puede interactuar con un controlador de alto nivel que se dedica a la ejecución del algoritmo de control de navegación del vehículo. En los controladores difusos desarrollados, el procesador MicroBlaze realiza las tareas de interfaz con el controlador de bajo nivel, secuencialización de las diferentes etapas del sistema y, en función de que se realice una implementación software o híbrida, la ejecución de la rutina de inferencia o el intercambio de información con el módulo de inferencia difusa. Estos últimos implementan en cada caso la estrategia de navegación del vehículo mediante un conjunto de reglas de actuación similares a las que emplearía cualquier conductor. Para el caso del aparcamiento en reversa solamente, el módulo de inferencia está compuesto por una base de conocimiento simple de dos entradas (la coordenada x y la orientación del vehículo φ) y su salida corresponde a la curvatura de las ruedas (γ). Para el caso más general y complejo del aparcamiento libre, el módulo de inferencia difuso está compuesto por las seis bases de conocimiento mostradas en la Figura 4. Las bases de conocimiento Position, Planning y Direction corresponden a estructuras de toma de decisiones. Position decide si el vehículo se encuentra cerca o lejos de la posición objetivo en función del valor de las coordenadas (x,y). Su salida se combina con la orientación del vehículo (φ) en la base Planning para obtener la propuesta de sentido de circulación (plan). Sin embargo, dado que no se puede invertir bruscamente la polaridad del voltaje aplicado al motor de tracción, se combina esta salida con el valor anterior de la velocidad en la base Direction, cuya salida way indica el sentido que definitivamente debe seguir el vehículo. En la implementación hardware de estas bases de conocimiento se utilizan antecedentes basados en memoria y el método de defuzzyficación MaxLabel. Las restantes bases de conocimiento corresponden a sistemas con salidas interpoladas, utilizándose técnicas aritméticas para generar los antecedentes y

6 el método de defuzzificación FuzzyMean. La base de conocimiento Celerity determina el valor absoluto de la velocidad (cel), mientras que las bases Backward y Forward determinan la curvatura de Romeo4R en un sentido u otro (bw, fw). Dado que estas dos bases comparten las mismas entradas, es posible su unificación en un solo módulo. Trayectorias simuladas (a) FIM x y φ v Position pos Planning plan Direction way γ Celerity cel (b) Trayectorias reales Forward Backward Fig 4. Estructura del FIM para el control de aparcamiento libre de Romeo4R. 5. RESULTADOS EXPERIMENTALES Siguiendo el procedimiento de desarrollo expuesto en la sección 3, se desarrollaron controladores difusos empotrados SoPC tanto en variantes puramente software como híbridos. Después de implementados los controladores se realizaron múltiples experimentos para registrar la trayectoria de Romeo4R y compararla con los resultados obtenidos de la simulación del fichero de especificaciones XFL utilizando las herramientas del entorno Xfuzzy. La figura 5 muestra los resultados experimentales (colores violeta y verde) y de simulación (azul y rojo) de los controladores difusos SoPC, tanto híbrido (a) como software (b), desarrollados para el aparcamiento en reversa solamente. Las diferencias entre las trayectorias reales y simuladas se deben a las irregularidades del terreno, no contempladas en el modelo de simulación. Nótese no obstante cómo el controlador difuso corrige la desviación y logra aparcar correctamente. fw bw Fig. 5. Trayectorias de aparcamiento en reversa mediante controladores SoPC híbridos (a) y software (b) Nótese también la gran similitud entre las trayectorias seguidas por el vehículo Romeo4R mediante ambos controladores. La diferencia fundamental entre ambos radica en la demora del proceso de inferencia. Mientras la implementación híbrida es capaz de realizar una inferencia completa cada 2,16 microsegundos (con el FIM a 12,5 MHz), la realización software con el procesador MicroBlaze a 50 MHz tarda 12,31 milisegundos. Los resultados de implementación sobre una FPGA Spartan-IIE200 indican un consumo de recursos de 1566 slices (66%) para la realización híbrida y de 1281 slices (54%) para la realización software. Para el caso del aparcamiento libre del coche-robot Romeo4R, el controlador híbrido debe incorporar el sistema MicroBlaze y la estructura hardware del módulo de inferencia complejo de la figura 5. Los resultados de implementación indican un consumo de recursos de slices (80% de la Spartan- IIE200). La realización del controlador software, al no requerir la implementación del FIM, es idéntica a la del caso anterior. La figura 6 muestra la trayectoria real (en verde) de la evolución de Romeo4R con el controlador híbrido, la cual difiere ligeramente de la obtenida mediante simulación (en rojo) por las irregularidades del terreno. Los resultados con el controlador totalmente software son similares.

7 REFERENCIAS Trayectoria real Fig. 6. Trayectoria de aparcamiento libre de Romeo4R mediante el controlador difuso híbrido Nuevamente, la diferencia fundamental entre ambas realizaciones de controladores difusos SoPC radica en la velocidad de inferencia, siendo mucho más significativa en este caso: mientras el controlador híbrido produce una inferencia completa cada 2,88 microsegundos (con el FIM a 12,5 MHz), el controlador software (con el procesador MicroBlaze a 50 MHz) tarda 831 milisegundos. 6. CONCLUSIONES Se ha descrito una plataforma reconfigurable basada en FPGAs que permite la implementación de diversas opciones de controladores difusos, tanto software como híbridos. Dicha plataforma se basa en la utilización del sistema MicroBlaze como procesador empotrado y del entorno de desarrollo Xfuzzy y sus herramientas de síntesis para la generación del módulo de inferencia difuso, existiendo diversas opciones de implementación hardware del mismo. Tanto el sistema de procesado basado en MicroBlaze como el hardware del sistema de inferencia pueden ser fácilmente configurados para obtener una estructura del controlador difuso acorde a las necesidades del proceso a controlar. Baturone, I., et al (2000). Microelectronic Design of Fuzzy Logic-Based Systems, CRC Press, Baturone, I. et al (2002). Automatic Design of Fuzzy Control Systems for Autonomous Mobile Robots, Proc. 28th Annual Conference of the IEEE Industrial Electronics Society, pp , Sevilla Cabrera, A., et al. (2002). Hardware/software codesign methodology for fuzzy controllers implementation, IEEE International Conference on Fuzzy Systems, pp , Honolulu Lago, E. et al (1998). Xfvhdl: A Tool for the Synthesis of Fuzzy Logic Controllers, DATE 98, pp , Paris López, D.R. et al (1998). Xfuzzy: A Design Environment for Fuzzy Systems. IEEE International Conference on Fuzzy Systems, pp , Anchorage Passino, K. M., Yurkovich, S. (1998). Fuzzy Control, Addison-Wesley Reyneri, L. (2003) Implementation issues of neurofuzzy hardware: going toward HW/SW codesign. IEEE Transactions on Neural Networks, vol. 14, n.1, pp Sánchez-Solano, S. et al (1997). Design and Applications of Digital Fuzzy Controllers, IEEE International Conference on Fuzzy Systems, pp , Barcelona Von Altrock, C. (1998). Adapting existing Hardware for Fuzzy Computation in Handbook of Fuzzy Computation. In: Institute of Physics Publishing Xilinx, Inc. (2002). MicroBlaze Reference Guides Yen, J., Langari, R., Zadeh, L. A., Eds. (1995). Industrial Applications of Fuzzy Logic and Intelligent Systems, IEEE Press La aplicación de la plataforma al control de un robot móvil utilizando una placa comercial de desarrollo de FPGAs permite validar su aplicabilidad. Los resultados obtenidos ponen de manifiesto la similitud existente entre las implementaciones software y hardware del módulo de inferencia con diferencias significativas en la velocidad de respuesta y en el consumo de recursos.