Projeto CARINA: localização e controle

• Processo: 13/24542-7
• Modalidade de apoio: Auxílio à Pesquisa - Regular
• Data de Início da vigência: 01 de junho de 2014
• Data de Término da vigência: 31 de maio de 2016
• Área do conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Sistemas de Computação
• Pesquisador responsável: Denis Fernando Wolf
• Beneficiário: Denis Fernando Wolf
• Instituição Sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Assunto(s): Robótica Veículos inteligentes Veículos autônomos Algoritmos Controle adaptativo Método de Monte Carlo
• Palavra(s)-Chave do Pesquisador: Robótica móvel | Sistemas Inteligentes | TRansporte Inteligente | Robótica Móvel

Resumo

A ideia de se desenvolver veículos totalmente autônomos vem sendo estudada desde os anos 80 e tem diversas aplicações práticas como diminuir o número de acidentes em ruas e rodovias, aumentar a mobilidade de idosos e portadores de necessidades especiais e aumentar a eficiência do trânsito em geral. Apesar de sua importância e da grande atenção que esse tema recebe por pesquisadores da área de robótica, esse problema ainda apresenta muitos desafios e questões em aberto devido a alta complexidade do mesmo. O projeto CARINA propõe o desenvolvimento de um sistema de condução autônoma de veículos baseado em algoritmos de fusão de sensores e inteligência artificial. Esse plano de pesquisa propõe o desenvolvimento de algoritmos de localização e controle de veículos autônomos, dentro do contexto do projeto CARINA. A localização é uma informação fundamental para veículos autônomos por possibilitar a execução de operações como ultrapassagem, conversão e condução nas vias urbanas. Mecanismos que proveem a informação sobre a localização devem ter acurácia suficiente para assegurar que o veículo não invada a faixa de direção oposta ou trafegue em um lugar inapropriado. Sensores GPS de baixo e médio custo apresentam uma imprecisão relativamente alta, principalmente em se tratando de ambientes urbanos. Prédios altos e árvores podem causar erros significativos na posição e também podem tornar o sensor indisponível por alguns instantes. Mesmo sensores GPS de alto custo estão sujeitos a esse tipo de problema.Neste projeto é proposto o uso dos mapas métricos contínuos, baseados em processos Gaussianos, para a tarefa de localização de veículos autônomos em vias urbanas. Esse tipo de mapa representa o ambiente através de uma matriz de covariância de uma função Gaussiana multivariável, e apresenta diversas vantagens em relação aos métodos utilizados na tarefa de localização encontradas na literatura. Dentre elas destacam-se a representação contínua do espaço, sem a necessidade de discretização (imprecisão), e o alto poder de inferência de áreas não detectadas pelos sensores. Pretende-se adaptar os mapas métricos contínuos para que diferentes tipos de informação do ambiente sejam armazenados e utilizados para a localização como: guias, faixas de trânsito e outros tipos de sinalização horizontal. Após a etapa de mapeamento do ambiente, pretende-se utilizar o método de Monte Carlo para estimar a posição do veículo em tempo real, fundindo-se informações dos sensores disponíveis o mapa do ambiente. Além da localização, esse plano de pesquisa aborda também o controle de veículos autônomos. O controle de velocidade e esterçamento é fundamental para a operação de veículos autônomos em ambientes urbanos. Esse projeto propõe a utilização da teoria de controle adaptativo para a solução desse problema de maneira precisa e robusta. (AU)

Publicações científicas

(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)

MASSERA, CARLOS M.; TERRA, MARCO H.; WOLF, DENIS F.; IEEE. Guaranteed Cost Model Predictive Control-based Driver Assistance System for Vehicle Stabilization Under Tire Parameters Uncertainties. 2016 IEEE 19TH INTERNATIONAL CONFERENCE ON INTELLIGENT TRANSPORTATION SYSTEMS (ITSC), v. N/A, p. 6-pg., 2016-01-01. (13/24542-7)

MASSERA FILHO, CARLOS; TERRA, MARCO H.; WOLF, DENIS F.. Safe Optimization of Highway Traffic With Robust Model Predictive Control-Based Cooperative Adaptive Cruise Control. IEEE TRANSACTIONS ON INTELLIGENT TRANSPORTATION SYSTEMS, v. 18, n. 11, p. 3193-3203, NOV 2017. (13/24542-7)

MASSERA, CARLOS M.; TERRA, MARCO H.; WOLF, DENIS F.; IEEE. Guaranteed Cost Approach for Robust Model Predictive Control of Uncertain Linear Systems. 2017 AMERICAN CONTROL CONFERENCE (ACC), v. N/A, p. 6-pg., 2017-01-01. (13/24542-7)