Primer puesto en el Concurso Iberoamericano de Robótica Espacial 2022 - "Caminante Lunar"

Todo comenzó con un post en la página de FAMAF donde me gano la curiosidad, abrí el link y vi que cumplía los requisitos para participar y varias de las personas que conozco también! Hablamos con la SAE y nos faltaba tener un asesor académico, dado que era un requisito para participar.

¿De qué se trata?

Es el primer concurso de PEU UNAM, con el afán de motivar a las nuevas generaciones con el uso de tecnología de comunicacion remota. Esta orientado para estudiantes de nivel licenciatura y posgrado de universidades iberoamericadnas.

En redacción.

Takeshi

¿Qué es ROS?

ROS (Robot Operating System), no es realmente un ‘sistema operativo’, mejor dicho es un conjunto de herramientas para manejar interfaces de los módulos que conforman al robot a controlar: Sensores, Movimientos, y Cómputo.

https://roboticsbackend.com/what-is-ros/#Robot_Operating_System_main_goal

¿Qué es GAZEBO?

Gazebo, por su parte, es una herramienta de simulación. Sirve para iterar sobre diseños físicos, como nuestros robots, en entornos realistas de buena fidelidad.

Leer: https://gazebosim.org/home

Lenguajes a utilizar

Se utiliza ROS (framework) que se puede realizar en módulos separados con:

C++
Python

Ganadores del concurso. Primer puesto. Equipo: Belisarios de San Martín. Desarrollo de funciones para el robot Takeshi con ROS en Python y C++. Esto fue desarrollado durante 5 etapas.

Desde mayo del 2022 a noviembre de 2022.

Etapas

Etapa 1: challenge de eliminación superada, sin puestos. Originalmente 57 equipos, quedando 21.
Etapa 2 : 2do puesto de 21 equipos.
Etapa 3: 3er puesto de 11 equipos.
Etapa 4: 1er puesto de 8 equipos.
Etapa 5: Finalistas, ganadores del 1er puesto.

Etapa 1

Durante esta etapa tuvimos muchisimos inconvenientes para correr el sistema de ROS en las maquinas virtuales. La simulacion corria a menos de 1 fps y era imposible realizar muchas pruebas.

Esta etapa era realizar una eliminacion de aquellos equipos que no realicen el desafio.

El objetivo de esta etapa era mover el robot de un punto a a un punto b.

Etapa 2

Para completar con éxito la misión deberán:

Evitar colisiones.
Completar el ejercicio en el menor tiempo posible.
Completar el ejercicio en el menor número de movimientos.
Grabar el video de la corrida en gazebo.
Subir los códigos a los gits de cada equipo.
Utilizar la funcion get coordinates provista para desplegar el punto y el tiempo de inicio y de final de la corrida.

Etapa 3

Temas

Conceptos básicos de visión computacional y herramientas disponibles:

Formación de imágenes.
Operaciones básicas de segmentación de color.
Modelo Pinhole.
Operaciones Básicas de Segmentación de planos usando RGBD.
Transformación de coordenadas con respecto al mapa y respecto al sensor.

Objetivos

Visitar las estaciones de trabajo realizando evasión de obstáculos.
Diseñar un algoritmo que permita estimar la ubicación de los objetos utilizando las cámaras de Takeshi.
Publicar una tf que permita mostrar desde RVIZ la estimación de la posición de los objetos.
Almacenar las coordenadas respecto al mapa de cada objeto localizado en un archivo txt, el cual deberá ser incluido en el formulario de entrega.

Etapa 4

Objetivo

Desarrollar un algoritmo para que el robot navegue por el ambiente simulado mientras realiza un mapa.

La posición de inicio puede variar, por lo que el mapa puede quedar con un cero diferente.
El robot debe explorar el ambiente de manera autónoma para construir el mapa.
El robot debe evitar chocar con cualquier objeto.
Al terminar de explorar, el robot debe regresar al punto de inicio (navegar al punto (0,0)).
Todo debe ejecutarse con un solo archivo *.launch

Criterios de evaluación