limo_patrol - Taller de Robótica

Este repositorio contiene el desarrollo de un sistema de navegación autónoma para un robot móvil realizado en el marco del Taller de Robótica 2025 del Instituto de Computación (INCO), Facultad de Ingeniería, Universidad de la República (Udelar), Uruguay.

Descripción del Proyecto

El objetivo principal es implementar una misión de patrulla autónoma donde un robot parte desde una posición inicial (Home), recorre una serie de puntos de control (waypoints) generados aleatoriamente dentro de un recinto delimitado y retorna a la base una vez finalizada la tarea. El sistema utiliza un sensor LIDAR para la detección y evasión de obstáculos.

Estrategias de Navegación

Se implementaron y compararon dos enfoques principales:

1. Navegación Reactiva (Máquina de Estados Finitos):

   • Estructurada en estados: Espera, Navegación, Evasión y Finalización.
   • Utiliza una capa reactiva que detecta obstáculos mediante el LIDAR y ejecuta maniobras de retroceso y giro.
   • Ofrece alta robustez y previsibilidad en entornos complejos.

2. Campos de Potencial Artificiales (APF):

   • Basada en fuerzas virtuales: una fuerza atractiva hacia el objetivo y fuerzas repulsivas desde los obstáculos.
   • Genera trayectorias más fluidas ("smooth motion") y eficientes en tiempo.
   • Sujeta a mínimos locales en configuraciones específicas de obstáculos.

Estructura del Paquete

• src/limo_patrol/limo_patrol/patrol_node.py: Nodo principal que gestiona la lógica de navegación y el bucle de control.
• src/limo_patrol/limo_patrol/obstacle_spawner.py: Herramienta para generar obstáculos (conos) de forma aleatoria en el entorno de simulación.
• src/limo_patrol/limo_patrol/spawn_enclosure.py: Script para crear recintos perimetrales (circulares o rectangulares) mediante conos.
• src/limo_patrol/launch/patrol.launch.py: Archivo de lanzamiento para iniciar el nodo de patrulla.

Requisitos y Configuración

El proyecto está diseñado para funcionar en un entorno ROS 2 Humble con el simulador Gazebo.

Dependencias

• rclpy
• geometry_msgs
• sensor_msgs
• nav_msgs

Evaluación y Resultados

El sistema fue evaluado mediante métricas como el tiempo total de misión, cantidad de maniobras de evasión y suavidad de la trayectoria. Los resultados mostraron que la estrategia de Campos de Potencial (APF) redujo significativamente el tiempo de misión (por ejemplo, de 9 a 3 minutos en escenarios de prueba), aunque la Máquina de Estados proporcionó una mayor seguridad ante bloqueos inesperados.

---

Taller de Robótica - 2025 - INCO - Fing - Udelar