Framework para teleoperação de robôs móveis

Aluna: Andressa Martins Oliveira Orientador: Prof. Dr. Ícaro Bezerra Queiroz de Araújo
Dissertacao_Mestrado___Andressa_Martins_RIU.pdf
Documento PDF (5.0MB)
                    Dissertação de Mestrado

Framework para
teleoperação de robôs
móveis
por Andressa Martins Oliveira
orientada por

Prof. Dr. Ícaro Bezerra Queiroz de Araújo

Universidade Federal de Alagoas
Instituto de computação
Maceió, Alagoas
Julho 19, 2023

UNIVERSIDADE FEDERAL DE ALAGOAS
Instituto de computação

FRAMEWORK PARA TELEOPERAÇÃO DE ROBÔS
MÓVEIS

Dissertação de Mestrado submetida pelo Instituto de computação da Universidade Federal de Alagoas como requisito parcial para
a obtenção do diploma em Mestre em informática

Andressa Martins Oliveira
Orientador: Prof. Dr. Ícaro Bezerra Queiroz de Araújo

Banca Examinadora:
Tiago Figueiredo Vieira
Allan de Medeiros Martins

Prof. Dr., UFAL
Prof. Dr., UFRN

Maceió, Alagoas
Julho 19, 2023

Catalogação na Fonte
Universidade Federal de Alagoas
Biblioteca Central
Divisão de Tratamento Técnico
Bibliotecário: Marcelino de Carvalho Freitas Neto – CRB-4 - 1767
O48f

Oliveira, Andressa Martins.
Framework para teleoperação de robôs móveis / Andressa Martins
Oliveira. – 2023.
56 f. : il.
Orientador: Icaro Bezerra Queiroz de Araújo.
Dissertação (mestrado em informática) - Universidade Federal de
Alagoas. Instituto de Computação. Maceió, 2023.
Bibliografia: f. 50-56.
1. Teleoperação. 2. Robótica móvel. 3. Framework de teleoperação. 4.
Aplicações web. 5. Robôs - Sistemas de controle. I. Título.
CDU: 004.896

Dedicatória

À minha famı́lia e amigos.

Agradecimentos

Agradeço aos meus pais Gilvanice e Josenildo por seu amor incondicional, apoio
constante e pelos sacrifı́cios que fizeram para me proporcionar esta oportunidade. Seu
encorajamento e orientação foram fundamentais em cada passo desta jornada. Sem
vocês, eu não estaria aqui hoje.

Ao meu irmão Hugo, obrigado por sempre acreditar em mim e me motivar a buscar a
excelência. Sua força e apoio foram um farol constante.

Minha gratidão se estende ao meu amor Felipe, cujo apoio inabalável me impulsionou
nos momentos de desafio. Sua paciência e compreensão foram meu refúgio. Com você ao
meu lado, esta jornada se tornou mais significativa.

Não poderia deixar de expressar minha profunda gratidão aos meus orientadores Ícaro e
Heitor. Suas orientações sábias, insights valiosos e dedicação incansável foram essenciais
para moldar esta dissertação. Seu compromisso com meu crescimento acadêmico deixou
uma marca duradoura em mim.

Ao grupo de laboratório AI-SPARC, expresso minha profunda gratidão por possibilitar
o aprimoramento do meu trabalho ao longo desta jornada. Foi um privilégio fazer parte
deste grupo e ter a oportunidade de compartilhar meu desenvolvimento, bem como
receber valiosas contribuições em cada apresentação que realizei.

Aos meus amigos Arthur, Bruno, Eduardo, Glauber, Gustavo, Luı́s, Maria e Winnie, que
estiveram ao meu lado oferecendo apoio e amizade sincera, gostaria de expressar minha
gratidão. Suas palavras de encorajamento, risos compartilhados e apoio constante
tornaram esta jornada acadêmica muito mais significativa e memorável.
Andressa Martins Oliveira

Resumo
Apesar dos notáveis avanços em robôs autônomos, certas atividades ainda requerem supervisão humana devido a várias barreiras encontradas na interação complexa com ambientes
em constante mudança e situações imprevisı́veis. Por conseguinte, o desenvolvimento de
sistemas telerobóticos tem ganhado destaque em diversas áreas de atuação. Nesse contexto, este trabalho propõe o desenvolvimento de um sistema de teleoperação para robô
móvel, capaz de ser aplicado em diferentes arquiteturas de controle de robôs teleoperados.
Esse sistema implementa os modos de controle compartilhado e supervisor, utilizando o
framework ROS (Robot Operating System) e suas ferramentas de comunicação e visualização entre o operador e o robô. O sistema desenvolvido integra-se com a estrutura do
ROS e aproveita suas funcionalidades para a teleoperação do robô móvel. O controle compartilhado permite que o operador forneça comandos de controle em tempo real, enquanto
o modo supervisor permite que o robô execute tarefas com certa autonomia, utilizando
dados do ambiente e do sensoriamento.
Palavras-chave: Teleoperação;
peração; Aplicação Web; ROS

Robótica

móvel ;

Framework

de

teleo-

Abstract
Despite the notable advancements in autonomous robots, certain activities still require
human supervision due to various barriers encountered in complex interactions with everchanging environments and unpredictable situations. Consequently, the development of
telerobotic systems has gained prominence in various fields of application. In this context,
this work proposes the development of a teleoperation system for a mobile robot, capable of being applied in different architectures for controlling teleoperated robots. This
system implements shared control and supervisory control modes, using the ROS (Robot
Operating System) framework and its communication and visualization tools between the
operator and the robot. The developed system integrates with the ROS framework and
leverages its functionalities for teleoperating the mobile robot. The shared control mode
allows the operator to provide real-time control commands, while the supervisory mode
enables the robot to perform tasks with a certain level of autonomy, utilizing environmental and sensory data.
Keywords: Teleoperation; Mobile Robotics; Telesystems; Teleoperation Framework ; Web application; ROS

Lista de Figuras
2.1
2.2
2.3
2.4
2.5

Representação dos componentes de um sistema de teleoperação . . . . . . .
Tipos de controle divididos em quadrantes . . . . . . . . . . . . . . . . . .
Controle direto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Controle compartilhado . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Controle negociado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

3.1
3.2
3.3

Diagrama do padrão MVC . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
Diagrama do padrão MVP . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
Diagrama do padrão MVVM . . . . . . . . . . . . . . . . . . . . . . . . . . 28

4.1
4.2
4.3
4.4
4.5
4.6
4.7
4.8

Representação do problema SLAM . . . . . . . . . . . . . . . . . . . . . .
Representação do problema SLAM . . . . . . . . . . . . . . . . . . . . . .
Representação de um filtro sequencial . . . . . . . . . . . . . . . . . . . . .
Representação do ecositema do ROS . . . . . . . . . . . . . . . . . . . . .
Representação de uma arquitetura do ROS . . . . . . . . . . . . . . . . . .
Fluxo de trabalho utilizando rosbridge . . . . . . . . . . . . . . . . . . . .
Pilha de navegação do ROS . . . . . . . . . . . . . . . . . . . . . . . . . .
Visualização das nuvem de partı́culas gerados pelo tópico AMCL no inicio
do movimento utilizando o Rviz. . . . . . . . . . . . . . . . . . . . . . . . .
Visualização das nuvem de partı́culas gerados pelo tópico AMCL no final
do movimento utilizando o Rviz. . . . . . . . . . . . . . . . . . . . . . . . .

30
31
32
37
37
38
40

Turtlebot3 modelo waffle . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Representação da arquitetura do sistema . . . . . . . . . . . . . . . . . . .
Visualização da aplicação em uma árvore de componentes . . . . . . . . . .
Visualização da estrutura completa da aplicação . . . . . . . . . . . . . . .
Página inicial da aplicação de teleoperação . . . . . . . . . . . . . . . . . .
Tela do sistema de teleoperação direta . . . . . . . . . . . . . . . . . . . .
Tela do sistema de teleoperação compartilhado . . . . . . . . . . . . . . . .
Página de controle direto da aplicação de teleoperação aberta em um dispositivo móvel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Tela de teleoperação direta sem conexão com o robô . . . . . . . . . . . . .

42
44
44
45
45
46
46

4.9

5.1
5.2
5.3
5.4
5.5
5.6
5.7
5.8
5.9

8

20
21
22
23
24

40
40

47
47

5.10 Tela de teleoperação compartilhada sem conexão com o robô. . . . . . . . .
5.11 Intervalos de ângulos do lidar . . . . . . . . . . . . . . . . . . . . . . . . .
5.12 Gráfico dos tópicos ativos do ROS para a teleoperação direta. . . . . . . .
5.13 Visualização do mapa com as posições do robô e o objetivo . . . . . . . . .
5.14 Gráfico dos tópicos ativos do ROS para a teleoperação compartilhada. . . .

47
48
49
50
50

Lista de Tabelas
5.1

Descrição de nós e tópicos do sistema . . . . . . . . . . . . . . . . . . . . . 49

Lista de Acrônimos
AMCL
AMR
API
EKF
KF
MVC
MVP
MVVM
PF
ROS
SSR
SPA
VR

Adaptive Monte Carlo Localization
Autonomous Mobile Robot
Application Programming Interface
Extended Kalman Filter
Kalman Filter
Model-View-Controller
Model-View-Presenter
Model-View-ViewModel
Particle Filter
Robot Operating System
Server-Side Rendering
Single-Page Application
Virtual Reality

Sumário
1 Introdução
1.1 Problema . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2 Proposta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.3 Trabalhos relacionados . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.4 Estrutura . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

14
15
15
16
17

2 Teleoperação
2.1 Componentes básicos para a teleoperação . . . . . . . . . . . . . . . . . . .
2.2 Métodos de teleoperação . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.2.1 Controle Manual . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.2.2 Controle Semi-Autônomo . . . . . . . . . . . . . . . . . . . . . . . .
2.2.3 Telepresença . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

18
19
20
21
22
24

3 Single Page Applications
3.1 Motivação . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.2 Arquiteturas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.2.1 Model-View-Controller . . . . . . . . . . . . . . . . . . . . . . . . .
3.2.2 Model-View-Presenter . . . . . . . . . . . . . . . . . . . . . . . . .
3.2.3 Model-View-ViewModel . . . . . . . . . . . . . . . . . . . . . . . .
3.3 Funcionamento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

25
25
26
26
27
27
28

4 Navegação de Robôs Autônomos
4.1 Robôs diferenciais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.2 SLAM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.2.1 Filtro de partı́culas . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.2.2 Filtro de Kalman estendido (EFK) . . . . . . . . . . . . . . . . . .
4.3 ROS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.3.1 Arquitetura . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.3.2 Rosbridge . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.3.3 Robot Web Tools . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.3.4 Pilha de Navegação . . . . . . . . . . . . . . . . . . . . . . . . . . .

29
29
30
33
34
36
37
38
39
39

12

5 Resultados
5.1 Turtlebot 3 - Waffle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5.2 Implementação . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5.3 Aplicação Web . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5.4 Interface . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5.5 Teleoperação . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5.5.1 Controle do robô com um JoyStick virtual . . . . . . . . . . . . . .
5.5.2 Controle supervisório . . . . . . . . . . . . . . . . . . . . . . . . . .

42
42
43
44
45
46
47
48

6 Conclusão e Discussão dos resultados

51

Bibliografia

51

Capı́tulo 1
Introdução
De acordo com um relatório recente da Federação Internacional de Robótica, prevê-se
um crescimento significativo no número de robôs em operação nas fábricas em todo o
mundo durante a década de 2020 [IFR, 2022]. Apesar dos desafios enfrentados recentemente, como interrupções na cadeia de suprimentos e mudanças nas demandas do mercado, espera-se que a adoção de robôs industriais continue a aumentar. Esse crescimento
anual reflete o reconhecimento dos benefı́cios oferecidos pela automação robótica, como
aumento da eficiência, redução de erros e melhorias na qualidade e consistência dos produtos. Além disso, a crescente demanda por flexibilidade e personalização impulsiona a
necessidade de sistemas de robôs altamente adaptáveis e programáveis
A automação envolve a programação de robôs para executar tarefas de forma
autônoma, sem a necessidade de intervenção humana direta. É amplamente utilizada
em processos industriais, onde a repetitividade, precisão e velocidade são essenciais. Os
robôs autônomos são programados para seguir um conjunto de instruções e realizar tarefas
de forma eficiente e consistente. Isso permite um aumento significativo na produtividade
e eficiência em muitos setores, como manufatura, logı́stica e agricultura.
Em geral, embora as tendências nessas áreas nos levem a um cenário em busca de robôs
totalmente autônomos, ainda existem processos nos quais ações diretas não são possı́veis,
inadequadas ou em cenários onde é impossı́vel estabelecer rotinas de operação, seja por
causa da imprevisibilidade, grau de risco ou complexidade [Vertut and Coiffet, 1985]. Por
isso, a teleoperação refere-se ao controle remoto de um robô por um operador humano.
Nesse caso, o operador está envolvido ativamente na tomada de decisões e no controle
das ações do robô desempenhando um papel fundamental em diversas áreas, desde a
exploração espacial até a manufatura de produtos e serviços em setores como a indústria
automotiva e aeroespacial. Além disso, é utilizada em aplicações militares, segurança
pública e resgate em situações de desastre, permitindo a realização de tarefas perigosas
sem expor os operadores a riscos desnecessários.

14

Problema

1.1

15

Problema

A motivação para utilizar a teleoperação em robótica surge de várias necessidades e desafios especı́ficos em diferentes áreas de aplicação. Existem situações em que a automação
total não é viável ou adequada devido à complexidade da tarefa, à imprevisibilidade do
ambiente ou à falta de capacidade dos robôs de tomar decisões autônomas. Nesses casos,
a teleoperação permite que os operadores humanos intervenham e controlem o robô remotamente, utilizando suas habilidades cognitivas e experiência para lidar com situações
complexas e tomar decisões em tempo real.
Um dos principais desafios é a falta de flexibilidade dos sistemas robóticos, que são frequentemente projetados para executar tarefas especı́ficas e repetitivas, sem a capacidade
de se adaptar a novas situações ou mudanças no ambiente. Isso se torna especialmente
evidente em atividades que exigem coordenação entre a mão e o olho, bem como em tarefas que requerem reconhecimento de objetos, consciência situacional ou outros tipos de
percepção [Murphy, 2019].
Assim, a teleoperação se torna uma ferramenta valiosa para superar os desafios da
automação em ambientes complexos e dinâmicos, proporcionando uma combinação poderosa de habilidades humanas e capacidades robóticas. Ao permitir o controle humano
em tempo real, a teleoperação desempenha um papel fundamental na execução de tarefas crı́ticas e na garantia da segurança em diversas áreas, desde exploração espacial até
operações de resgate.
É importante considerar cuidadosamente a interação entre a automação e a intervenção
humana e implementação de sistemas robóticos, a fim de maximizar os benefı́cios da
automação, ao mesmo tempo em que se superam suas limitações inerentes.

1.2

Proposta

Este trabalho propôs o desenvolvimento de um sistema supervisório para um robô móvel
solo, capaz de lidar com os dois nı́veis de controle para realizar a teleoperação, por meio
de uma interface baseada em Single Page Application (SPA), uma aplicação web que funciona dentro de uma única página, onde o conteúdo é atualizado dinamicamente sem a
necessidade de recarregar a página inteira. Através dessa interface, foi possı́vel monitorar
as principais caracterı́sticas do robô, como velocidades, nı́vel de bateria e leituras dos
sensores. Além disso, foram utilizados protocolos de comunicação bidirecional entre a
interface e o robô, visando garantir uma interação eficiente e confiável. A implementação
do sistema em ambiente web facilitou o acesso e o gerenciamento remoto do robô, ampliando as possibilidades de uso em diferentes cenários e ambientes. O desenvolvimento
desse sistema contribuiu para a pesquisa em teleoperação de robôs móveis, oferecendo
uma solução flexı́vel para a realização de tarefas remotas, como a navegação de robôs.

Trabalhos relacionados

1.3

16

Trabalhos relacionados

Uma das primeiras ocorrências de teleoperação robótica foi em 1948 em manuseio de materiais quı́micos e nucleares por Ray Goertz [Li et al., 2015]. Nos anos seguintes, sistemas
teleoperados foram desenvolvidos para outras aplicações militares, como o controle remoto
de tanques e aeronaves. Na década de 1960, a NASA começou a explorar o uso de robôs
em ambientes espaciais, desenvolvendo sistemas teleoperados para operações em planetas e luas. O programa Apollo utilizou um sistema teleoperado para a primeira missão
tripulada à Lua [Anderson et al., 2020].
A utilização de interfaces gráficas de usuário proporciona uma abordagem visual e
interativa, permitindo que o operador visualize imagens em tempo real e as controle
usando dispositivos de entrada como joysticks, mouses, teclados, telas sensı́veis ao toque
e simuladores de direção [Cynthia et al., 2021, Szymańska et al., 2021, Hainsworth, 2001,
Law et al., 2022, Lee and Ham, 2022].
Em busca de uma experiência mais imersiva e precisa para o operador, os trabalhos em desenvolvimento têm explorado a utilização da Realidade Virtual (VR),
onde o operador se sente como se estivesse no ambiente onde o robô está operando
[Cynthia et al., 2021, Ni et al., 2017]. A VR também pode ser usada para fornecer feedback sensorial ao operador humano, como a sensação de toque e a temperatura do
ambiente em locais desestruturados, como um campo de lavra [Chen et al., 2020].
A teleoperação de robôs combinada com VR também tem aplicações em indústrias
como a manufatura, onde o controle remoto de robôs pode aumentar a eficiência e
reduzir os riscos para os trabalhadores humanos [Matsas et al., 2018]. Além disso,
existem aplicações que utilizam a realidade aumentada, trazendo muitos benefı́cios
em áreas como manufatura, medicina [Lin et al., 2022], exploração espacial e outras,
onde a operação remota e a visualização de informações adicionais são importantes
[Okura et al., 2010, Walker et al., 2019, Johansson and de Vin, 2009].
Na indústria, a teleoperação é principalmente utilizada para controlar e inspecionar
máquinas e equipamentos remotamente, o que pode ser especialmente útil em ambientes
perigosos ou de difı́cil acesso. Uma das principais aplicações da teleoperação é na área da
manutenção remota de equipamentos. Através desse método, técnicos têm a capacidade
de realizar a manutenção de equipamentos de forma remota, evitando a necessidade de se
deslocarem pessoalmente até os locais onde os equipamentos estão instalados. Nesse contexto, surgem novas interfaces humano-máquina com o objetivo de aprimorar a eficiência,
reduzir os riscos e aumentar a precisão das atividades que requerem a presença humana no
loop de controle [González et al., 2021, Tokatli et al., 2021, Balachandran et al., 2020].
Na área de inspeção de infraestrutura, a teleoperação pode ser empregada para inspecionar pontes, viadutos, oleodutos e outros tipos de infraestrutura crı́tica. Os operadores
podem controlar robôs equipados com câmeras e sensores para examinar a condição es-

Estrutura

17

trutural, identificar danos ou desgastes, e auxiliar na tomada de decisões relacionadas à
manutenção e reparos [Schmidt et al., 2014].
Existem vários tipos de interfaces para teleoperação, cada um com suas próprias vantagens e limitações. Uma opção é a utilização de interfaces web, que podem ser mais
simples de se implementar em comparação com interfaces de Realidade Virtual (VR) ou
Realidade Aumentada (AR). As interfaces web permitem o acesso e controle remoto do
robô por meio de um navegador web, o que torna mais fácil e acessı́vel para os operadores
realizarem a teleoperação. Além disso, geralmente exigem menos recursos computacionais
e hardwares mais baratos, o que pode ser vantajoso em termos de custo e eficiência. No
entanto, é importante considerar as necessidades especı́ficas de cada aplicação e escolher
a interface adequada que melhor atenda aos requisitos da teleoperação.
Neste trabalho, apresentamos uma solução de teleoperação de robôs móveis que utiliza
uma implementação baseada em web para controlar um robô em diferentes nı́veis que a
teleoperação tem a oferecer, como o controle direto e supervisório. O uso da tecnologia
React nos permite criar uma aplicação multiplataforma, garantindo sua versatilidade e
compatibilidade com diversos dispositivos web. Além disso, o fato de ser um projeto de
código aberto e desenvolvido com o ROS (Robot Operating System) aumenta sua replicabilidade e permite sua utilização em qualquer robô móvel que utilize as mensagens e
tópicos de comandos do ROS. Essa abordagem abrangente e acessı́vel tem o potencial
de impulsionar avanços significativos na teleoperação de robôs móveis, tornando-a mais
eficiente, segura e adaptável às necessidades especı́ficas de cada aplicação.

1.4

Estrutura

Este trabalho é composto por quatro capı́tulos. O Capı́tulo 2 aborda definições básicas
e importantes sobre teleoperação, incluindo componentes, arquiteturas de controle e
aplicações de sistemas teleoperados. O Capı́tulo 3 discute as abordagens de SPA (Single
Application Page), explorando arquiteturas de implementação e seu funcionamento. O
Capı́tulo 4 apresenta as principais técnicas, conceitos e ferramentas que possibilitam a
navegação autônoma de um robô móvel. O Capı́tulo 5 contém os resultados alcaçandos
nesse trabalho e o Capı́tulo 6 discute sobre as conclusões e trabalhos futuros 1 .

1

Todos
os
algoritmos
utilizados
neste
https://github.com/AndressaM/robot-teleoperation.

trabalho

podem

ser

encontrados

em

Capı́tulo 2
Teleoperação
Este capı́tulo tem como objetivo fornecer uma visão abrangente dos sistemas teleoperados
na área, abordando suas definições, arquiteturas, componentes e métodos de teleoperação.
De acordo com [Ferre et al., 2007] a teleoperação é conectar seres humanos e robôs para
reproduzir as ações do operador à distância. Essa operação pode ser realizada por meio de
uma variedade de métodos, cada um com suas próprias vantagens e limitações. O objetivo
principal da teleoperação é executar tarefas em ambientes perigosos, difı́ceis ou inacessı́veis
para os seres humanos, ou estender as capacidades dos operadores humanos além de
seus limites fı́sicos. Nesse contexto, [Aracil and Ferre, 2007] desenvolveram um sistema
teleoperado para realizar manutenção em linhas vivas de redes elétricas, removendo assim
todo perigo o qual um humano estava submetido nessa atividade.
Um sistema teleoperado é recomendado em situações em que a tarefa a ser realizada é
complexa, não pode ser totalmente especificada antecipadamente ou requer interação em
tempo real com o ambiente.
Ao adotar a teleoperação, os operadores podem realizar atividades em locais remotos
ou hostis, minimizando riscos à sua segurança e saúde. Isso permite que tarefas desafiadoras sejam executadas com maior precisão e eficiência, além de possibilitar a exploração
de ambientes inacessı́veis ou desconhecidos.
Em resumo, a teleoperação oferece uma solução viável para superar os desafios impostos por ambientes perigosos ou inacessı́veis, além de ampliar as capacidades humanas.
Com o avanço contı́nuo da tecnologia, a teleoperação continuará a desempenhar um papel importante em diversas áreas, desde a exploração espacial até a indústria, medicina,
agricultura e muito mais.
De acordo com [Dorf and Nof, 1990] existem diretrizes que determinam se um sistema
teleoperado é aplicável ou não:
• As tarefas não seguem um padrão e não são repetitivas
• Partes da atividade exigem habilidades de manipulação, especialmente a coordenação hand-eye
18

Componentes básicos para a teleoperação

19

• As tarefas requerem reconhecimento de objeto ou consciência situacional, como
ocorre geralmente em robôs que auxiliam médicos em cirurgias.
• As necessidades da tecnologia de visualização não excedem as limitações do link de
comunicação (largura de banda, atrasos de tempo)

2.1

Componentes básicos para a teleoperação

No estudo realizado por Uttal em 1989 [Uttal, 1989], é estabelecido que um sistema de
teleoperação é composto por sete componentes essenciais. Esses componentes são divididos em dois grupos: os presentes na estação de trabalho local e os presentes no robô.
Além disso, é necessário um canal de comunicação para conectar esses componentes.
Na literatura, esses componentes são considerados fundamentais para viabilizar a teleoperação, permitindo o controle eficiente e seguro de um robô em um ambiente remoto.
Os componentes incluem dispositivos de entrada, canal de comunicação, dispositivos de
saı́da, sistema de controle, robô e ambiente remoto. Essa configuração colabora para o
funcionamento integrado e efetivo do sistema de teleoperação. Vamos destacar brevemente
os papéis desempenhados por cada um dos componentes principais:
Os dispositivos de entrada e saı́da desempenham um papel importante ao permitir
que o operador humano capture informações sobre o ambiente e controle o robô. Conhecidas como interfaces homem-máquina, elas podem incluir elementos visuais, como
telas e gráficos, bem como dispositivos de entrada, como joysticks, teclados ou até mesmo
interfaces de realidade virtual. Além disso, as IHMs podem fornecer informações adicionais, como dados sensoriais, mapas ou visualizações 3D do ambiente. Uma interface bem
projetada e intuitiva é essencial para garantir que o operador possa controlar o robô de
forma precisa e eficiente, mesmo em situações desafiadoras. Estudos de casos de usos são
realizados para aprimoramento dessas interfaces buscando cada vez mais a imersão do
usuário na atividade de teleoperação [Graf and Hussmann, 2020, Hetrick et al., 2020].
O canal de comunicação é responsável pela transmissão das informações entre o operador humano e o robô. Pode ser estabelecido por meio de redes sem fio, conexões por
cabo ou até mesmo tecnologias avançadas. Pesquisas sobre redes em teleoperação desempenham um papel importante na evolução desse campo. Com o avanço das tecnologias de
comunicação, como o desenvolvimento da tecnologia 5G, há a possibilidade de alcançar
latências ultra baixas e maior largura de banda, proporcionando uma transmissão de dados mais rápida e confiável[Chen et al., 2022]. Isso é crucial para a teleoperação, pois
permite uma comunicação em tempo real entre o operador e o robô, garantindo uma
resposta imediata aos comandos e feedbacks precisos sobre o ambiente.
O sistema de controle desempenha um papel central na teleoperação, sendo responsável
pelo gerenciamento do robô e pela comunicação bidirecional entre o operador humano e

Métodos de teleoperação

20

o robô. Ele inclui algoritmos e software que garantem uma resposta precisa e em tempo
real aos comandos do operador, além de permitir o monitoramento do estado do robô e
do ambiente remoto.
O robô é a entidade fı́sica que executa as tarefas designadas pelo operador humano.
Pode variar desde um pequeno veı́culo terrestre até um braço robótico complexo, dependendo do propósito e das necessidades da teleoperação.
Por fim, o ambiente remoto é o local onde o robô opera e executa as tarefas atribuı́das.
Pode ser um ambiente perigoso, inacessı́vel ou simplesmente distante do operador humano,
tornando a teleoperação uma solução viável para realizar atividades nesses contextos
desafiadores.
Em resumo, um sistema de teleoperação envolve uma interação complexa entre dispositivos de entrada, canal de comunicação, dispositivos de saı́da, sistema de controle,
robô e ambiente remoto. Essa integração eficiente dos componentes é fundamental para
garantir o sucesso e a segurança da teleoperação, permitindo que os operadores humanos
controlem e executem tarefas em ambientes remotos. A Figura 2.1 representa como os
componentes de teleoperação estão distribuı́dos em um sistema de teleoperação.
Figura 2.1: Representação dos componentes de um sistema de teleoperação

Fonte : Adaptada de [Murphy, 2019]

2.2

Métodos de teleoperação

Alguns métodos comuns de teleoperação, como teleoperação direta, controle de supervisão, controle negociado e controle compartilhado, apresentam vantagens e desvantagens
distintas. Por exemplo, a teleoperação direta permite um controle mais imediato e preciso, mas requer habilidades especializadas do operador. O controle de supervisão oferece
maior segurança e autonomia do robô, mas pode resultar em menor agilidade e resposta
em tempo real. O controle negociado busca um equilı́brio entre o controle do operador
e o controle autônomo do robô, mas pode exigir maior complexidade na interface. A
teleprogramação permite uma especificação precisa de sequências de ações, mas pode li-

Métodos de teleoperação

21

mitar a adaptabilidade a novas situações. A telepresença proporciona uma experiência
mais imersiva para o operador, mas pode enfrentar desafios técnicos e latência na transmissão de dados. Cada método possui suas próprias caracterı́sticas a serem consideradas,
dependendo da aplicação e do ambiente em que é utilizado.
Os tipos de controle de um robô podem ser representados por uma matriz com dois
eixos ortogonais os quais devem responder as seguintes questões : Você pode ver o robô no
ambiente ? e Onde está a a maior parte da inteligência : local ou remoto?. [Murphy, 2019]
Figura 2.2: Tipos de controle divididos em quadrantes

Fonte : Adaptada de AI Robotics [Murphy, 2019]
Na coluna representada a esquerda temos dois tipos de controles que não são considerados como teleoperação pois em ambos o operador consegue ver o robô e como definido
pela autora a teleoperação ocorre quando o humano não pode ver o robô, isto é quando
há distância entre eles. A coluna à direita de cor azul apresenta os tipos de controle que
encontram-se em sistemas teleoperados que serão detalhados a seguir.

2.2.1

Controle Manual

O controle manual ou direto é uma abordagem comum na teleoperação de robôs, em que
o operador humano controla diretamente os movimentos do robô usando um dispositivo
de entrada, como um joystick ou um dispositivo de realidade virtual.
Nesse tipo de controle, os movimentos do dispositivo de entrada são mapeados diretamente nos movimentos do robô, sem a necessidade de um sistema de controle intermediário. Isso permite que o operador humano tenha um controle preciso e intuitivo do
robô, mas também pode apresentar desafios, como a necessidade de treinamento e habilidade para controlar o robô de forma eficaz, especialmente em ambientes complexos e
dinâmicos.
O controle direto pode ser apropriado para tarefas simples e repetitivas, onde a precisão
é essencial e o ambiente é estático e previsı́vel. No entanto, em tarefas mais complexas

Métodos de teleoperação

22

e dinâmicas, é mais comum utilizar uma abordagem de controle mais avançada, como o
controle supervisório ou o controle baseado em metas, para auxiliar o operador humano
no controle do robô e garantir a segurança do ambiente e do robô.
Figura 2.3: Controle direto

Fonte : Adaptada de AI Robotics

2.2.2

Controle Semi-Autônomo

Introduzido por [Ferrell and Sheridan, 1967], o controle supervisório representa uma abordagem de controle de robôs que estabelece uma relação mais abrangente entre o robô e o
operador. Nesse contexto, o robô é capaz de executar atividades com maior autonomia,
enquanto o operador desempenha um papel de supervisão e tomada de decisões de alto
nı́vel.
O controle supervisório proporciona uma interação mais sofisticada entre o robô e o
operador, permitindo que o robô execute tarefas complexas de forma autônoma, enquanto
o operador estabelece comandos e restrições gerais. Isso possibilita ao robô lidar com
ambientes dinâmicos e imprevisı́veis, adaptando seu comportamento de acordo com as
circunstâncias
Essa abordagem de controle tem sido amplamente explorada em diversas áreas,
como robótica industrial, robótica móvel, assistência médica e aplicações de pesquisa
[González et al., 2021, Tokatli et al., 2021, Deng et al., 2021, Balachandran et al., 2020]
Através do controle supervisório, é possı́vel melhorar a eficiência e a flexibilidade do robô,
aumentar a segurança em ambientes de trabalho complexos e permitir a realização de
tarefas que exigem uma interação mais próxima entre o robô e o ambiente.
Controle compartilhado
O controle compartilhado é uma abordagem em que o controle do robô é dividido entre o
operador humano e um sistema de controle automático. Nessa abordagem, o operador hu-

Métodos de teleoperação

23

mano tem controle direto sobre algumas partes do robô, enquanto outras são controladas
automaticamente pelo sistema de controle. A Figura 2.4 mostra como está estabelecida
a relação entre o operador e o robô sendo compartilhada pelos seus módulos de controle.
Por exemplo, o operador humano pode controlar diretamente os movimentos do braço
do robô, enquanto o sistema de controle automático cuida do controle da câmera ou
dos movimentos da base do robô. O objetivo do controle compartilhado é combinar a
habilidade e a capacidade do operador humano com a precisão e a eficiência do controle
automático, para melhorar a qualidade do controle do robô e reduzir o esforço e a fadiga
do operador humano.
O controle compartilhado é comumente usado em situações em que o ambiente é
complexo ou dinâmico, ou em tarefas que exigem grande precisão. A abordagem pode
ajudar a reduzir o tempo de resposta do operador humano e minimizar o risco de erros,
além de aumentar a eficiência e a segurança do controle do robô, como é observado
pelo autor [Gottardi et al., 2022]. No entanto, também pode apresentar desafios, como
a necessidade de sincronização precisa entre o operador humano e o sistema de controle
automático.
Figura 2.4: Controle compartilhado

Fonte : Adaptada de [Murphy, 2019]
Uma variação desse método ocorre quando há uma discretização das atividades realizadas entre o operador e o robô, ou seja, eles não trabalham simultaneamente como
representado na Figura 2.5, defindo como controle compartilhado, do inglês traded control. Essa abordagem é discutida pelos autores em [Oh et al., 2021], onde propõem a
utilização de gestos para indicar uma sequência de objetos que o robô irá manipular,
gerando movimentos de agarra ou otimização de trajetória de forma autônoma.
Quando o controle é semi autônomo e não há intervenção direta do operador, temos
o que chamamos de automação. No entanto, vale ressaltar que o foco desta dissertação
não está na automação, mas sim na teleoperação, que envolve a participação ativa e o
controle do operador no processo de operação do sistema.

Métodos de teleoperação

24

Figura 2.5: Controle negociado

Fonte : Adaptada de [Murphy, 2019]

2.2.3

Telepresença

A telepresença é um conceito que vai além da teleoperação de máquinas, incorporando
também uma dimensão social. Ela se baseia na ideia de representação do operador e
busca criar uma experiência imersiva no ambiente remoto. Ao contrário da teleoperação,
que se concentra principalmente na operação remota de dispositivos, a telepresença visa
aproximar e representar o humano em um ambiente especı́fico.
Ela permite que uma pessoa se sinta presente e interaja em um local remoto como se
estivesse fisicamente lá. Isso é possı́vel graças a avanços em tecnologias de comunicação,
como áudio, vı́deo e realidade virtual, que possibilitam a transmissão de informações
sensoriais em tempo real.
Ao proporcionar uma sensação de presença virtual, a telepresença tem potencial para
transformar várias áreas, como reuniões remotas, educação a distância, assistência médica
remota e turismo virtual. Ela permite que as pessoas superem as limitações fı́sicas e
geográficas, promovendo uma maior interação e colaboração à distância
As aplicações mais relevantes da telepresença estão relacionadas aos robôs sociais, projetados para interagir com seres humanos em ambientes sociais, como
residências [Olatunji et al., 2022], escolas [Sharrab et al., 2023] e espaços públicos
[De-Sheng and Qin-Yi, 2022]. Esses robôs são equipados com sensores, câmeras e microfones para perceber e responder aos sinais humanos, como expressões faciais, gestos e
fala.

Capı́tulo 3
Single Page Applications
A seção seguinte abordará os principais aspectos relacionados às SPAs, do inglês Single
Page Applications. Serão explorados os conceitos fundamentais, a arquitetura e as tecnologias utilizadas no desenvolvimento de SPAs. Ao compreender esses elementos, será
possı́vel apreciar a importância e a relevância das SPAs na construção de aplicações web
modernas e interativas.

3.1

Motivação

As SPAs são uma tecnologia que gerenciam o estado e a lógica da aplicação principalmente
no navegador. O autor [Sun, 2019] discorre que ao contrário das abordagens tradicionais
de SSR (Server-Side Rendering), proporcionam uma experiência de usuário mais fluida,
sem a necessidade de recarregamento completo da página a cada interação do usuário. Isso
ocorre porque as interações do usuário, como cliques em botões e envios de formulários,
enviam solicitações assı́ncronas para a API web, então, atualiza a página de forma parcial,
proporcionando uma experiência mais suave, sem o incômodo do piscar de página em
branco. Além disso, a carga no servidor é reduzida, pois não é mais necessário renderizar
toda a página a cada interação. A sincronização do estado entre o navegador e o servidor
também se torna mais simples, uma vez que a lógica da aplicação é executada no cliente.
Com todas essas vantagens, as SPAs oferecem uma experiência de usuário mais rica, sem
interrupções, e reduzem a carga no servidor, resultando em uma aplicação mais eficiente
e responsiva.
A modularidade da arquitetura das SPAs simplifica a manutenção, permitindo alterações especı́ficas em componentes individuais. Além disso, são altamente compatı́veis
com APIs e serviços web, possibilitando a criação de interfaces dinâmicas e interativas.
Sua natureza baseada em tecnologias web também permite o desenvolvimento multiplataforma. Em suma, a motivação para a adoção de SPAs é proporcionar uma experiência
de usuário aprimorada, com melhor desempenho, menor consumo de dados e maior flexibilidade de desenvolvimento.
25

Arquiteturas

3.2

26

Arquiteturas

As SPAs podem ser construı́das utilizando diversas arquiteturas que ajudam a organizar e estruturar o código da aplicação de forma eficiente. Essas arquiteturas oferecem
uma abordagem modular, permitindo a separação de responsabilidades e facilitando a
manutenção e evolução do código.
As estruturas mais utilizadas em aplicações web são baseadas no modelo MVC, do
inglês Model-View-Controller, que promove a separação de responsabilidades e a organização do código. De acordo com o autor [Scott Jr, 2015], a adoção do padrão MVC traz
diversos benefı́cios para as aplicações. Além dos benefı́cios mencionados anteriormente,
como a organização e separação clara das responsabilidades, o padrão MVC também
contribui para a escalabilidade da aplicação. Ao dividir a lógica de negócio (Model), a
apresentação (View) e o controle do fluxo (Controller), é possı́vel desenvolver módulos
independentes que podem ser facilmente estendidos ou substituı́dos, permitindo que a
aplicação cresça de forma flexı́vel e sustentável.
Outra vantagem do uso do padrão MVC é a padronização do código. Ao seguir as
diretrizes e convenções do padrão, torna-se mais fácil para os desenvolvedores compreenderem e colaborarem no projeto. A divisão clara entre as partes do padrão também ajuda
na manutenção do código, permitindo a identificação e solução de problemas de forma
mais eficiente.
Além disso, o padrão MVC proporciona ganhos de produtividade. Com a separação de
responsabilidades, diferentes membros da equipe podem trabalhar em paralelo, focando
em suas áreas especı́ficas. Isso possibilita o desenvolvimento ágil, com maior rapidez
na implementação de novas funcionalidades e menor risco de introduzir erros no código
existente. Existem três padrões utilizados na construção de aplicações web, baseados no
modelo de arquitetura Model-View-Controller (MVC), Model-View-Presenter (MVP) e
Model-View-ViewModel (MVVM).

3.2.1

Model-View-Controller

O padrão Model-View-Controller (MVC) é uma arquitetura de software que divide a
aplicação em três componentes principais: o Model, que representa os dados e a lógica
de negócio; a View, responsável pela apresentação da interface gráfica ao usuário; e o
Controller, que gerencia as interações do usuário e atualiza o Model e a View conforme
necessário. O MVC é conhecido por sua separação clara de responsabilidades e pela
facilidade de manutenção e teste do código.

Arquiteturas

27

Figura 3.1: Diagrama do padrão MVC

Fonte : Adaptada de [Scott Jr, 2015]

3.2.2

Model-View-Presenter

O padrão Model-View-Presenter (MVP) é uma variação do MVC, na qual o Presenter
assume o papel de intermediário entre o Model e a View. O Presenter é responsável por
atualizar a View com base nas alterações do Model e capturar as interações do usuário para
atualizar o Model. Essa separação de responsabilidades permite uma maior testabilidade
e facilita a substituição de componentes.
Figura 3.2: Diagrama do padrão MVP

Fonte : Adaptada de [Scott Jr, 2015]

3.2.3

Model-View-ViewModel

O padrão Model-View-ViewModel (MVVM) é frequentemente usado em frameworks e
bibliotecas de desenvolvimento de interfaces de usuário, como o Angular e o React. O
ViewModel é responsável por fornecer dados e lógica de apresentação especı́fica para a

Funcionamento

28

View. A View se vincula ao ViewModel e atualiza automaticamente quando os dados do
ViewModel são alterados. O MVVM facilita a criação de interfaces de usuário reativas e
simplifica a manipulação de estados.
Figura 3.3: Diagrama do padrão MVVM

Fonte : Adaptada de [Scott Jr, 2015]

3.3

Funcionamento

O funcionamento de uma SPA é baseado em tecnologias como HTML, CSS e JavaScript,
quando um usuário acessa a aplicação, o navegador carrega o arquivo HTML principal,
que contém a estrutura básica da página e os scripts JavaScript necessários. Em seguida,
o JavaScript assume o controle e manipula as interações do usuário e as requisições de
dados.
A navegação ocorre em vez de carregar páginas separadas, o JavaScript é responsável
por recuperar os dados necessários do servidor, geralmente usando APIs RESTful ou
GraphQL. Esses dados são então renderizados e exibidos na página dinamicamente, sem
a necessidade de recarregar a página inteira. Isso proporciona uma experiência de usuário
mais rápida e suave, sem interrupções desnecessárias.
Além disso, as SPAs geralmente utilizam frameworks e bibliotecas JavaScript, como
React, Angular ou Vue.js, para facilitar o desenvolvimento e a organização do código
[Fink et al., 2014]. Essas ferramentas oferecem recursos avançados, como manipulação de
estados, roteamento e componentização, que ajudam a construir SPAs escaláveis e de fácil
manutenção.
É importante mencionar que, como toda a aplicação está concentrada em uma única
página, o carregamento inicial pode exigir um tempo maior, especialmente se houver
muitos recursos e dados a serem carregados. No entanto, uma vez carregada, a interação
do usuário é mais ágil, pois as atualizações ocorrem de forma assı́ncrona, sem a necessidade
de recarregar a página.

Capı́tulo 4
Navegação de Robôs Autônomos
De acordo com Meystel (1991), compreende-se que um sistema de Robôs Móveis
Autônomos (AMR, na sigla em inglês) não requer qualquer forma de comunicação direta para compreender suas tarefas e executá-las de forma adequada. Portanto, para
habilitar a autonomia de um robô, é necessário fazer uso de uma variedade de técnicas
e ferramentas disponı́veis na área. Essas abordagens e recursos são fundamentais para
permitir que o robô tome decisões e realize suas tarefas de forma independente, sem a
necessidade de intervenção humana constante. Neste capı́tulo, abordaremos as técnicas ,
conceitos e ferramentas que serão utilizadas nesta dissertação para viabilizar a navegação
autônoma de um robô móvel diferencial.

4.1

Robôs diferenciais

Robôs diferenciais são uma classe de robôs móveis que têm como sua principal caracterı́stica a configuração mecânica de duas rodas independentes. Essa configuração permite
que os robôs diferenciais se movam e controlem sua direção de forma diferencial, variando
as velocidades das rodas esquerda e direita, como está representado na Figura 4.1.
Essa versatilidade de movimento torna os robôs diferenciais ideais para manobras
precisas, curvas fechadas e rotações no próprio eixo. Além disso, a simplicidade mecânica
dos robôs diferenciais oferece benefı́cios como maior robustez, menor custo de construção
e manutenção simplificada, tornando-os amplamente utilizados em diversas aplicações,
desde exploração espacial até sistemas de entrega autônoma.
Matematicamente, pode-se representar a cinemática direta de um robô diferencial
através das seguinte equação analisando a Figura 4.1, temos que x′ = x0 + VR cos(θ),
y ′ = y0 + VR sin(θ) e θ(t) = θ(0) + ω ∗ t.
Onde x′ e y ′ representam as velocidades do robô no tempo t, x(0) e y(0) são as
coordenadas iniciais, θ(t) é o ângulo de orientação do robô no tempo t, θ(0) é o ângulo
inicial, ω é a velocidade angular do robô e t é o tempo decorrido.

29

SLAM

30

Figura 4.1: Representação do problema SLAM

Fonte : Elaborada pelo autor
As equações descrevem o movimento do robô diferencial em um plano bidimensional,
levando em consideração a velocidade linear descrita pela Equação 4.1 e angular ω descrita
pela Equação 4.2, determinadas a partir das velocidades das rodas V 1 e V 2 , raio r e
distâncias entre as rodas L.
V1+V2
2
V2−V1
ω=r
L

VR = r

4.2

(4.1)
(4.2)

SLAM

Os desafios centrais da navegação autônoma envolvem a resolução do sistema de localização do robô, o mapeamento do ambiente e o planejamento da trajetória. Com o
intuito de abordar esses desafios de forma simultânea, em 1986, durante a Conferência de
Robótica e Automação do IEEE em São Francisco, foi proposta uma técnica que visava
realizar a localização e o mapeamento de maneira conjunta [Pritsker et al., 1986].
Matematicamente, o problema pode ser formulado como a estimação conjunta da
trajetória do robô, denotada por XT = {x1 , x2 , · · · , xT }, onde xt representa a posição
e orientação do robô no tempo t e o conjunto de todos os marcos de referência denotado por M = {m1 , m2 , · · · , mn }, onde é um vetor que descreve a localização do i-ésimo
marco de referência, cuja posição verdadeira é considerada constante ao longo do tempo.
[Durrant-Whyte and Bailey, 2006].
O problema pode ser resumido na seguinte expressão:

SLAM

31

p(XT , M |ZT , UT )

(4.3)

onde:
• p(XT , M |ZT , UT ) é a distribuição de probabilidade conjunta da trajetória do robô e
do mapa do ambiente, dado um conjunto de observações ZT e comandos de controle
UT .
• ZT = z1 , z2 , ..., zT são as observações coletadas pelo robô, como leituras de sensores,
imagens ou dados de GPS.
• UT = u1 , u2 , ..., uT são os comandos de controle aplicados ao robô, como velocidades
lineares e angulares.
• T é o tempo final, tende ao ∞.

Figura 4.2: Representação do problema SLAM

Fonte : Elaborada pelo autor

SLAM

32

O objetivo é encontrar a estimativa de máxima verossimilhança ou a distribuição de
probabilidade posterior de XT e M, dada as observações e comandos de controle.
Há duas abordagens para tratar o problema online, onde o robô realiza a localização
de maneira simultânea à medida que percorre o ambiente. Ele utiliza-se das informações
dos sensores em tempo real para estimar a pose do robô e construir o mapa. O global,
por outro lado armazena os dados dos sensores para calcular posteriormente de maneira
offline utilizando de algoritmos mais complexos e recursos computacionais para construir
um mapa mais preciso e consistente do ambiente, levando em consideração informações
de várias posições e momentos no tempo [Bailey and Durrant-Whyte, 2006]. Isso é geralmente resolvido usando métodos de filtragem conhecidos na literatura como filtros
sequenciais. Eles são uma classe de filtros Bayesianos que lidam com problemas de estimação em tempo real, onde as informações disponı́veis são atualizadas sequencialmente
ao longo do tempo. Esses filtros são particularmente úteis quando as caracterı́sticas do
sistema são não lineares e/ou o ruı́do é não gaussiano, uma representação geral desses
filtros pode ser observada na figura 4.3.
Figura 4.3: Representação de um filtro sequencial

Fonte : [Pesce et al., 2023]
O processo de atualização é realizado em duas etapas principais: predição e correção.
Na etapa de predição, o filtro estima o estado futuro do sistema com base nas informações
anteriores e no modelo dinâmico do sistema. Em seguida, na etapa de correção, o filtro
atualiza a estimativa do estado com base nas observações atuais. Essa atualização é realizada por meio da combinação das estimativas anteriores com as informações observadas,
levando em consideração o modelo de medição do sistema. Através do processo iterativo
de predição e correção, os filtros sequenciais refinam continuamente as estimativas do estado do sistema à medida que novas observações são obtidas. Isso permite que os filtros
se adaptem a mudanças nas condições do sistema e forneçam estimativas mais precisas
em tempo real.
Como discutido em [Siciliano et al., 2008], existem três principais abordagens para
lidar com o problema de localização e mapeamento simultâneos. Essas abordagens são

SLAM

33

amplamente utilizadas na área de robótica e são conhecidas como Filtro de Partı́culas,
Filtro de Kalman Estendido e SLAM baseado em grafos. Cada uma dessas abordagens
possui suas próprias caracterı́sticas e técnicas especı́ficas para estimar a posição do robô
e construir um mapa do ambiente. Esses métodos têm sido amplamente estudados e
aplicados em diferentes cenários [Placed et al., 2023].

4.2.1

Filtro de partı́culas

O filtro de partı́culas é um método amplamente utilizado na área de estimação de
estado, sendo especialmente aplicado em problemas de localização e mapeamento simultâneos (SLAM) em robótica e em sistemas de rastreamento [Zhao et al., 2006,
Hui-min et al., 2008, Yu et al., 2013, Ko and Kim, 2012, Yan et al., 2017]. Esse filtro
pertence à classe dos filtros Bayesiano não lineares e é particularmente útil em situações em que o modelo do sistema e as medidas são não lineares ou apresentam ruı́do
[Djuric et al., 2003]
O filtro de partı́culas funciona por meio de um conjunto de partı́culas que representam
possı́veis estados do sistema como apresentado pela equação 4.4
[1]

[2]

[M ]

χt := xt , xt , ..., xt

(4.4)

onde M é o número de partı́culas.
A ideia principal de um filtro de partı́culas é utilizar um conjunto de partı́culas para
representar possı́veis estados de um sistema. Cada partı́cula possui uma estimativa do
estado atual do sistema e é atualizada com base em medições e na propagação temporal. O
filtro de partı́culas calcula a crença dos estados atuais, representada por bel(xt ), a partir
da crença dos estados anteriores, representada por bel(xt−1 ). Esse cálculo é realizado
através de um processo de duas etapas como apresentado na seção anterior
Na etapa de previsão, as partı́culas são propagadas no tempo utilizando o modelo
dinâmico do sistema. Cada partı́cula é atualizada de acordo com as caracterı́sticas do
sistema e as incertezas associadas. Isso permite que as partı́culas capturem a evolução do
estado do sistema ao longo do tempo.
Na etapa de correção, as partı́culas são atualizadas com base nas medições disponı́veis.
Cada partı́cula é ponderada de acordo com sua compatibilidade com as medições observadas. As partı́culas que se ajustam melhor às medições têm pesos maiores, enquanto
as menos compatı́veis têm pesos menores. Isso permite que as partı́culas representem de
forma mais precisa o estado atual do sistema, levando em consideração as informações
provenientes das medições.
Após a etapa de correção, é realizada uma re-amostragem para selecionar as partı́culas
mais representativas, sendo baseada nos pesos das partı́culas, de modo que aquelas com
pesos maiores têm maior probabilidade de serem selecionadas. Isso ajuda a evitar a

SLAM

34

degeneração do conjunto de partı́culas, garantindo que as partı́culas mais relevantes sejam
preservadas e as menos relevantes sejam descartadas.

4.2.2

Filtro de Kalman estendido (EFK)

O filtro de Kalman é uma técnica de estimativa estatı́stica amplamente utilizada para
estimar o estado de um sistema dinâmico a partir de medições ruidosas. Ele combina
informações provenientes de duas fontes principais: a estimativa anterior do estado e a
medição mais recente do sistema. Kalman assume que o sistema segue um modelo linear
com ruı́do aditivo gaussiano e utiliza a teoria das probabilidades para calcular a estimativa
mais provável do estado atual, levando em consideração a incerteza das medições e do
modelo do sistema.
Em [Choset et al., 2005] descreve o sistema com as seguintes equações
x(k + 1) = F (k)x(k) + G(k)u(k) + v(k)

(4.5)

y(k) = H(k)x(k) + w(k)

(4.6)

Considere o vetor x(k) que representa o estado completo do sistema. O vetor u(k) é a
entrada do sistema, que pode incluir informações como velocidades, comandos de torque
ou forças a serem aplicadas ao robô. O vetor y(k) é a saı́da do sistema, que contém os
valores dos sensores do sistema.
A matriz F (k) descreve a dinâmica do sistema, representando a evolução do estado
ao longo do tempo. A matriz G(k) relaciona a entrada u(k) com a mudança no estado do
sistema. O vetor v(k) é conhecido como ruı́do do sistema e é assumido como um ruı́do
branco gaussiano com média zero. Ele representa as perturbações ou incertezas que afetam
o sistema. A matriz de covariância V (k) descreve a variabilidade ou dispersão desses ruı́dos
ao longo do tempo. A matriz H(k) descreve o mapeamento dos estados do motor para as
saı́das. Essa matriz relaciona os estados internos do motor, que podem incluir variáveis
como posição, velocidade ou corrente, às medições obtidas pelos sensores. O vetor w(k)
representa o ruı́do de medição, que é assumido como um ruı́do branco gaussiano com
média zero. Esse ruı́do afeta as medições obtidas pelos sensores e representa as incertezas
e perturbações associadas ao processo de medição. A matriz de covariância do ruı́do
de medição, geralmente denotada por W (k), descreve a variabilidade ou dispersão desse
ruı́do ao longo do tempo.
Assim como o filtro de partı́culas, o cálculo será realizado em duas etapas como mostram as equações abaixo, sumarizadas em
• Predição:

x̂(k + 1|k) = F (k)x̂(k|k) + G(k)u(k)

(4.7)

SLAM

35
P (k + 1|k) = F (k)P (k|k)F (k)T + V (k)

(4.8)

x̂(k + 1|k + 1) = x̂(k + 1|k + 1) + Rv

(4.9)

P (k + 1|k + 1) = P (k + 1|k) − RH(k + 1)P (k + 1|k)

(4.10)

• Correção

onde S é o resı́duo da covariância e R é o ganho ótimo do Filtro de Kalman como
mostram as Equações 4.11 e 4.12
v = y(k + 1) − H(k + 1)x(k + 1|k))

(4.11)

S = H(k + 1)P (k + 1|k)H(k + 1)T + W (k + 1)

(4.12)

R = P (k + 1|k)H(k + 1)T S −1

(4.13)

O EKF (Extended Kalman Filter ) é uma extensão do Filtro de Kalman que é aplicada
quando o sistema dinâmico e as medições possuem caracterı́sticas não lineares. O EKF
lineariza o sistema e as equações de medição em torno da estimativa atual do estado e em
seguida, é aplicado na versão linearizada do sistema para estimar o estado atual.
Considerando o seguinte sistema abaixo onde x,y,u,v são o mesmos das equações 4.5
e 4.6. E as funções f e h ambas são continuas e diferenciáveis em x(k) :
x(k + 1) = f (x(k), u(k), k) + v(k)

(4.14)

y(k) = h(x(k), k) + w(k)

(4.15)

Temos que as equações de predição e correção para o filtro de kalman estendido são :
• Predição:

x̂(k + 1|k) = f (x̂(k|k), u(k), k)

(4.16)

P (k + 1|k) = F (k)P (k|k)F (k)T + V (k)

(4.17)

onde
F (k) =

δf
, x = x̂(k|k)
δx

(4.18)

• Correção

x̂(k + 1|k + 1) = x̂(k + 1|k + 1) + Rv

(4.19)

ROS

36
P (k + 1|k + 1) = P (k + 1|k) − RH(k + 1)P (k + 1|k)

(4.20)

v = y(k + 1) − H(k + 1)x(k + 1|k))

(4.21)

S = H(k + 1)P (k + 1|k)H(k + 1)T + W (k + 1)

(4.22)

R = P (k + 1|k)H(k + 1)T S −1

(4.23)

onde

e

δh
, x = x̂(k + 1|k).
(4.24)
δx
Embora o EKF seja amplamente utilizado em aplicações práticas, é importante destacar que a linearização introduz erros de aproximação, tornando a estimativa do estado
menos precisa em comparação com o Filtro de Kalman convencional em sistemas lineares.
No entanto, é uma técnica valiosa quando se trata de estimar o estado de sistemas
não lineares em tempo real, sendo amplamente aplicado em áreas como robótica, navegação, processamento de sinais e controle de sistemas não lineares [Bonnabel, 2012,
Das et al., 2021, Zhang et al., 2018].
H(k + 1) =

4.3

ROS

O ROS1 , do inglês Robot Operating System, é uma plataforma de software amplamente utilizada no desenvolvimento de robôs. Ele oferece um conjunto abrangente de ferramentas,
bibliotecas e recursos que facilitam a criação de sistemas robóticos complexos. Através
de uma ampla gama de funcionalidades e APIs, ele fornece um ecossistema robusto para
desenvolvedores de robótica.
A Figura 4.4 ilustra a complexidade e diversidade do ecossistema da plataforma, ela
engloba uma variedade de componentes, incluindo bibliotecas de código aberto, pacotes
de software, ferramentas de simulação, ambientes de desenvolvimento e recursos de comunicação. Esses elementos se combinam para permitir o desenvolvimento e a operação
eficiente de sistemas robóticos.
Um dos principais pontos fortes do ROS é sua arquitetura flexı́vel e modular. Ele
adota uma abordagem baseada em nós, em que cada componente funcional do sistema é
encapsulado em um nó independente. Esses nós podem se comunicar uns com os outros
por meio de troca de mensagens, serviços e tópicos.
Além disso, possui uma comunidade ativa e colaborativa, o que resulta em uma ampla
gama de recursos disponı́veis para os desenvolvedores. Essa comunidade contribui com
pacotes de software, tutoriais, exemplos e suporte técnico, facilitando o desenvolvimento
de soluções robóticas inovadoras [Estefo et al., 2019].
1

https://www.ros.org

ROS

37

Figura 4.4: Representação do ecositema do ROS

Fonte : Website do ROS 2

4.3.1

Arquitetura

Sua arquitetura é ilustrada de forma simplificada na Figura 4.5. No centro temos o ROS
Master, que desempenha um papel fundamental ao permitir a localização e a comunicação
ponto a ponto entre os diferentes componentes.
Figura 4.5: Representação de uma arquitetura do ROS

Fonte : Website do ROS 3
Ao redor do ROS Master, encontramos os principais elementos. Os nós são os blocos de
construção fundamentais do sistema, representando processos executáveis independentes
que desempenham tarefas especı́ficas. Eles podem se comunicar entre si através do uso
de tópicos e serviços.
Os tópicos são canais de comunicação unidirecionais nos quais os nós podem publicar
mensagens para compartilhar informações ou se inscrever para receber mensagens de
outros nós. Essa forma de comunicação assı́ncrona permite a troca de informações em
tempo real e facilita a integração e o compartilhamento de dados entre os nós.
Os serviços, por sua vez, permitem a comunicação sı́ncrona entre os nós. Eles são
semelhantes a chamadas de função remotas, onde um nó solicita a execução de um serviço
especı́fico em outro nó e espera pela resposta. Isso permite interações mais complexas e
baseadas em solicitação-resposta entre os nós.
Além disso, o ROS utiliza o conceito de mensagens, que são estruturas de dados usadas
para trocar informações entre os nós, fornecendo uma variedade de tipos de mensagem
pré-definidos para diferentes finalidades, como dados de sensores, comandos de atuadores,

ROS

38

informações de localização, entre outros. Também é possı́vel criar mensagens personalizadas para atender às necessidades especı́ficas do sistema robótico.
Por ser uma arquitetura modular, o ROS permite a conexão de outros componentes
em diferentes computadores, desde que estejam inscritos no mesmo Master.

4.3.2

Rosbridge

Apresentada em [Crick et al., 2017], o Rosbridge é uma biblioteca e um conjunto de ferramentas que permite a comunicação entre o ROS e outras aplicações não relacionadas,
permitindo que aplicativos e sistemas externos se comuniquem com o ROS e acessem os
recursos do sistema robótico. Ele utiliza protocolos de comunicação padrão, como WebSocket e TCP/IP, para fornecer uma interface de comunicação bidirecional entre o ROS
e os clientes externos.
Figura 4.6: Fluxo de trabalho utilizando rosbridge

Fonte : Adaptada de [Alexander et al., 2012]
No diagrama da Figura 4.6 observa-se um exemplo de um fluxo de trabalho no qual
o rosbridge pode atuar, oferecendo uma camada de abstração que simplifica a interação
com o ROS no ambiente web. Ela permite que os desenvolvedores aproveitem as funcionalidades do ROS, como a comunicação baseada em tópicos e serviços, diretamente
em aplicativos web implementados em JavaScript. Com o roslibjs, é possı́vel criar interfaces de usuário interativas e personalizadas, facilitando o controle e o monitoramento
remotos de robôs através de uma experiência web fluida [Lee, 2012, Crick et al., 2017,
Krupke et al., 2016].

ROS

4.3.3

39

Robot Web Tools

O Robot Web Tools 4 é um conjunto de ferramentas e bibliotecas desenvolvidas para
facilitar a integração e a interação entre robôs e aplicativos web. Ele fornece um conjunto
de recursos e APIs que permitem a comunicação e o controle de robôs por meio de uma
interface web.
Essas ferramentas permitem que os desenvolvedores criem interfaces de usuário baseadas em web para controlar e monitorar robôs de forma remota. Elas fornecem recursos
como visualização em 3D, controle de movimento, interação com sensores e atuadores, e
compartilhamento de dados em tempo real [Alexander et al., 2012].
Os autores em [Casañ et al., 2015] utilizaram a ferramenta para desenvolver uma extensão web com o objetivo de ser utilizada em laboratórios remotos e robôs online baseados em ROS, com foco especı́fico em aplicações educacionais. Para controlar um robô
humanoide foi construı́da uma aplicação web.
Para controle de um robô humanoide foi desenvolvida uma arquitetura de software
que incluem o uso de um controlador de corpo inteiro que permite ao usuário trabalhar
remotamente e uma interface do usuário inovadora que é acessı́vel por meio de qualquer
navegador web moderno, incluindo aqueles em dispositivos moveis [Fok et al., 2016].
Além disso permite que os desenvolvedores compartilhem e reutilizem bibliotecas e
componentes para acelerar o desenvolvimento de novas aplicações robóticas baseadas na
web.

4.3.4

Pilha de Navegação

A pilha de navegação do ROS (Robot Operating System) é um conjunto de pacotes e
algoritmos que fornecem recursos de navegação para robôs móveis, commo apresentada
na Figura 4.7. Essa pilha é projetada para permitir que os robôs planejem trajetórias,
evitem obstáculos e executem movimentos autônomos em ambientes desconhecidos ou
dinâmicos.
A pilha de navegação é composta por vários componentes principais, incluindo:
• AMCL (Adaptive Monte Carlo Localization): É responsável pela localização do robô
no ambiente, utilizando das medições dos sensores e cálculo da odometria do robô
aplica-se filtro de partı́culas para estimar a posição e a orientação do robô em relação
a um mapa do ambiente, criando uma nuvem de partı́culas como exemplificado nas
Figura 4.8, 4.9 no inicio e no final do movimento respectivamente. Conforme o robô
se desloca pelo mapa, é possı́vel notar uma redução gradual nas incertezas associadas
à sua localização. Isso ocorre devido à atualização contı́nua da confiança do robô
em sua posição à medida que ele recebe informações perceptivas do ambiente.
4

https://robotwebtools.github.io/

ROS

40

Figura 4.7: Pilha de navegação do ROS

Fonte : Wiki ROS
Figura 4.8: Visualização das nuvem de
partı́culas gerados pelo tópico AMCL no
inicio do movimento utilizando o Rviz.

Figura 4.9: Visualização das nuvem de
partı́culas gerados pelo tópico AMCL no
final do movimento utilizando o Rviz.

Fonte : Wiki ROS
• Mapa de custo global e local (costmap) : Representa o mapa de custo do ambiente,
que descreve a acessibilidade de diferentes regiões para o robô. O mapa de custo
global é construı́do para permitir o planejamento de trajetórias (global planner) de
longo prazo em todo o ambiente, considerando obstáculos estáticos e restrições de
movimento. Por outro lado, o mapa de custo local é utilizado para o planejamento
(base local planner) de curto prazo em uma janela de atuação especı́fica, levando
em consideração a detecção e evasão de obstáculos dinâmicos. Esses mapas de custo
são fundamentais para garantir a navegação segura e eficiente do robô, permitindo
a geração de trajetórias livres de colisões e a tomada de decisões adaptativas em
tempo real.
• Pacote move base: É o componente central da pilha de navegação. Ele coordena
todos os outros componentes e fornece uma interface de alto nı́vel para controle de
movimento do robô. O pacote recebe comandos de navegação, como um objetivo
de destino, e utiliza os componentes mencionados anteriormente para planejar e

ROS

41
executar a trajetória do robô.

A pilha de navegação do ROS é altamente modular e flexı́vel, permitindo a customização e configuração de acordo com as necessidades especı́ficas do robô e do ambiente.
Ela é amplamente utilizada em aplicações de robótica móvel, como robôs de serviço, robôs
autônomos e robôs de inspeção, para realizar tarefas de navegação de forma autônoma e
segura.

Capı́tulo 5
Resultados
Neste capı́tulo são fornecidos os detalhes da implementação para desenvolver uma
aplicação web destinada à teleoperação de um robô móvel baseado no ROS (Robot Operating System). O framework de teleoperação é dividido em dois modos: compartilhado
e supervisório. Ambos os modos utilizam o sensoriamento do robô, neste caso, o Lidar,
para alertar o operador ou permitir que o robô execute tarefas com autonomia local. O
trabalho descrito neste capı́tulo foi testado no robô modelo Waffle da linha Turtlebot 3.
Foram realizados testes práticos para validar o funcionamento do framework, demonstrando sua capacidade de controlar o robô remotamente por meio da aplicação web. Os
códigos implementados e vı́deos da utilização estão disponı́veis no repositório do github
AndressaM1 .

5.1

Turtlebot 3 - Waffle

O Turtlebot3 Waffle é um robô móvel desenvolvido pela ROBOTIS2 em colaboração com
a Open Robotics e a OSRF (Open Source Robotics Foundation).

Figura 5.1: Turtlebot3 modelo waffle
O Turtlebot3 Waffle possui um formato circular com aproximadamente 22 centı́metros
1
2

https://github.com/AndressaM/robot-teleoperation
https://www.robotis.us/

42

Implementação

43

de diâmetro e 23 centı́metros de altura. Sua estrutura é compacta e leve, o que facilita
a mobilidade em ambientes internos. O robô é equipado com uma plataforma de movimentação diferencial, o que significa que ele possui duas rodas motorizadas independentes
que permitem controlar sua velocidade linear e velocidade angular.
O sistema de sensoriamento do inclui um sensor LiDAR (Light Detection and Ranging)
de 360 graus, que permite ao robô fazer leituras de distância ao seu redor e mapear
o ambiente. Além disso, possui uma câmera montada em sua estrutura para capturar
imagens e realizar tarefas de visão computacional.
O Waffle é projetado para ser compatı́vel com o ROS [Martı́nez, 2021], devido às
suas caracterı́sticas e versatilidade, ele é amplamente utilizado em ambientes acadêmicos
e de pesquisa, bem como em projetos de aprendizado de máquina e robótica educacional por fornecer uma plataforma acessı́vel e flexı́vel para estudantes e pesquisadores desenvolverem soluções robóticas em diversos campos de estudo [Safin et al., 2021,
de Assis Brasil et al., 2020, Amsters and Slaets, 2020].

5.2

Implementação

De acordo [Opiyo et al., 2021], a arquitetura de teleoperação consiste em três elementos:
o robô, o canal de comunicação e a estação do operador. Alinhando essa arquitetura com
o presente trabalho, a interface em que o usuário irá comandar e receber feedback do robô
será desenvolvida em uma plataforma web, implementada utilizando o React, baseado na
implementação disponı́vel de Anis Koubaa [Koubaa, 2022]. A comunicação utilizará um
WebSocket fornecido pelo ROS, especificamente o Rosbridge 3 .
O Rosbridge irá fornecer um protocolo de comunicação que permite a qualquer cliente
enviar mensagens JSON para publicar ou se inscrever em tópicos e chamar serviços do
ROS. Por meio dessa comunicação, o robô receberá e enviará mensagens em seus tópicos
ativos, como aqueles relacionados a sensores, atuadores e energia conforme ilustrado na
Figura 5.2.
As bibliotecas utilizadas, incluindo aquelas que são executadas remotamente no robô,
são implementadas no ROS Noetic. O ROS Noetic é uma versão especı́fica do ROS lançada
em maio de 2020. Essa versão é compatı́vel com sistemas operacionais como Ubuntu 20.04
(Focal Fossa) e Debian Buster. No momento de desenvolvimento deste trabalho é a versão
mais estável para utilização da coleção de ferramentas disponı́veis pelo robot web tools.
3

https://github.com/RobotWebTools/rosbridge suite

Aplicação Web

44

Figura 5.2: Representação da arquitetura do sistema

Fonte : Elaborada pelo autor

5.3

Aplicação Web

A aplicação foi desenvolvida utilizando a biblioteca React, que é uma biblioteca JavaScript que simplifica a criação de componentes de interface do usuário e a construção de
interfaces complexas do tipo SPA. A Figura 5.3 mostra a hierarquia de componentes
utilizados na construção da interface. É importante observar que alguns componentes
foram reutilizados em várias páginas, graças à modularização, o que permite um maior
reaproveitamento de código.
Figura 5.3: Visualização da aplicação em uma árvore de componentes

Fonte : Elaborada pelo autor
Além dos componentes, a aplicação também incorpora scripts em JavaScript, juntamente com módulos do ROS, que são utilizados para viabilizar a comunicação entre a
interface e o robô. Essa abordagem resulta em uma estrutura completa da aplicação, a
qual é exemplificada de forma visual na Figura 5.4.

Interface

45

Figura 5.4: Visualização da estrutura completa da aplicação

Fonte : Elaborada pelo autor

5.4

Interface

A interface desta aplicação está organizada em quatro rotas principais. A página inicial
apresenta um menu que permite ao usuário selecionar o tipo de teleoperação a ser realizado. Além disso, uma barra superior exibe um menu principal, conforme ilustrado na
Figura 5.5.
Figura 5.5: Página inicial da aplicação de teleoperação

Fonte : Elaborada pelo autor
A página de teleoperação direta contém o estado do robô, isto é se está conectado
ou não, a visualização da câmera do robô em tempo real e um joystick para controle de
movimento do robô e um aviso em caso do robô estar próximo a obstáculo alertando sobre
possı́vel colisão como ilustrado na Figura 5.6.
Assim como na tela anterior, na tela de teleoperação compartilhada são apresentados
o estado do robô e a visualização da câmera. No entanto, agora é possı́vel observar um
mapa pré-carregado por meio de um tópico externo do ROS. Além disso, nesse mapa, é
exibida a posição atual do robô representada por um triângulo laranja juntamente com

Teleoperação

46

Figura 5.6: Tela do sistema de teleoperação direta

Fonte : Elaborada pelo autor
a posição final representada por um triângulo vermelho. Essas informações são dispostas
no mapa com atualização em tempo real como mostra a Figura 5.7.
Figura 5.7: Tela do sistema de teleoperação compartilhado

Fonte : Elaborada pelo autor
Por ser uma aplicação baseada na web, ela é multiplataforma, oferecendo versatilidade
no acesso aos recursos. A Figura 5.8 apresenta a mesma aplicação em um dispositivo
móvel.
Quando não há conexão com o robô as telas apresentam a falta de conexão através da
barra de estado como mostra as Figura 5.9 e 5.10, assim não sendo possı́vel mais observar
seus estados, mapa e câmera.

5.5

Teleoperação

Após a conclusão da aplicação, foram realizados testes de execução dos dois métodos
propostos neste trabalho. Para realizar essas atividades, é necessário que o robô esteja
com todos os tópicos ativos. Isso pode ser alcançado iniciando a chamada do arquivo de
configuração (bringup) do robô, cujo procedimento é detalhado em TurtleBot 34 .
4

https://emanual.robotis.com/docs/en/platform/turtlebot3/quick-start/

Teleoperação

47

Figura 5.8: Página de controle direto da aplicação de teleoperação aberta em um dispositivo móvel

Fonte : Elaborada pelo autor

Figura 5.9: Tela de teleoperação direta sem
conexão com o robô

Figura 5.10: Tela de teleoperação
compartilhada sem conexão com o
robô.

Fonte : Elaborada pelo autor
Após a inicialização do robô, o computador responsável por manter o nó master do
ROS, que é o ponto central da comunicação de toda a aplicação, deve ter seus tópicos ativos. As chamadas desses tópicos estão presentes e descritas no repositório deste trabalho.

5.5.1

Controle do robô com um JoyStick virtual

Neste cenário, a interface está operando no modo de teleoperação direta, como ilustrado
anteriormente na Figura 5.6. O usuário utiliza o joystick virtual para controlar o movimento do robô. A lógica implementada mapeia os movimentos do robô em termos de
velocidades angulares e lineares, de acordo com a movimentação do joystick. Esses valores
são então enviados para o nó cmd vel, responsável por publicar as velocidades recebidas
nos motores do robô.
A leitura dos dados do Lidar é constantemente disponibilizada pelo tópico scan, fornecendo informações sobre o ambiente ao redor do robô. Esses dados são analisados

Teleoperação

48

para evitar colisões durante a teleoperação, alertando o operador sobre a presença de
obstáculos. Além do alerta, foi implementada uma medida de segurança contra colisões,
em que o sistema impede o movimento na direção em que um obstáculo é detectado. Essa
verificação é realizada através da análise da distância mı́nima obtida pelo Lidar em intervalos angulares à frente e atrás do robô, conforme ilustrado na Figura 5.11. É importante
ressaltar que, para o robô Turtlebot3, o ângulo 0 graus do Lidar corresponde à direção
frontal do robô.
Figura 5.11: Intervalos de ângulos do lidar

Fonte : Elaborada pelo autor
A Figura 5.12 apresenta de maneira gráfica o sistema com todos os nós e tópicos
ativos do sistema para este cenário, este gráfico foi gerado a partir de uma ferramenta do
disponı́vel no ROS conhecida como rqt graph5 . O nós são representados pelos cı́rculos e os
tópicos pelos itens quadrados. As linhas com direção apresenta o sentido da comunicação
e as conexões entres os componentes do ROS.
A tabela 5.1 apresenta as descrições dos nós e tópicos do sistema.

5.5.2

Controle supervisório

Neste cenário de teleoperação, o objetivo é realizar a navegação autônoma em um mapa
conhecido utilizando o pacote move base, que faz parte da pilha de navegação do ROS. O
pacote é responsável por planejar trajetórias e controlar o movimento do robô de forma
autônoma, levando em consideração o mapa fornecido como apresentado na Figura 5.13.
O usuário é habilitado a selecionar o objetivo final do robô com base nas informações
visuais do mapa e na sua posição atual, por meio de interação direta ao clicar em um ponto
válido do mapa. Após receber o comando, o sistema utiliza os recursos do ROS, como
nós e serviços, para calcular a trajetória do robô em direção ao objetivo global. Durante
5

http://wiki.ros.org/rqt graph

Teleoperação

49

Figura 5.12: Gráfico dos tópicos ativos do ROS para a teleoperação direta.

Fonte : Elaborada pelo autor
Tópico que contém os valores
dos sensores montados no Turtlebot3
battery state
Contém a voltagem e o status da bateria
Contém as informações de odometria do
turtlebot3 core
odom
Turtlebot3 com base no codificador e na IMU
Tópico que inclui a atitude do robô com base
imu
no sensor de aceleração e giroscópio
Contém as informações de hardware,
firmware version
firmware e software do Turtlebot3
Controle a velocidade de translação e rotação
cmd vel
da unidade robótica em m/s, rad/s
Tópico que confirma os valores
turltebot3 lds
scan
de varredura do LiDAR montado no Turtlebot3
turltebot3 diagnostics
diagnostics
Contém informações de autodiagnóstico
Este pacote fornece um fluxo de vı́deo de um tópico
web video server
de transporte de imagens ROS que pode ser acessado via HTTP.
Enquanto rosbridge library fornece a conversão JSON para ROS,
rosbridge websocket
ela deixa a camada de transporte para outros.
raspicam node
diagnostics
Status e informações sobre a raspicam
sensor state

Tabela 5.1: Descrição de nós e tópicos do sistema
o percurso, o robô lida de forma autônoma com obstáculos locais, contornando-os de
maneira adequada para realizar a atividade especı́fica desejada.
A representação gráfica dos recursos utilizados pelo ROS pode ser visualizada na
Figura 5.14, onde os nós e tópicos fazem parte do move base e robot pose publisher representam os componentes disponı́veis no modo de teleoperação em questão. Os demais
componentes correspondem aos elementos previamente apresentados no método anteriormente discutido.

Teleoperação

50

Figura 5.13: Visualização do mapa com as posições do robô e o objetivo

Fonte : Elaborada pelo autor

Figura 5.14: Gráfico dos tópicos ativos do ROS para a teleoperação compartilhada.

Fonte : Elaborada pelo autor

Capı́tulo 6
Conclusão e Discussão dos resultados
Em conclusão, os testes de teleoperação realizados para os dois modos apresentados neste
estudo obtiveram êxito. A integração entre a aplicação web e o robô foi estabelecida de
forma eficiente e ágil por meio do ROS. Observou-se que, para dados simples, como os
estados do robô e os comandos de velocidade, a transmissão ocorreu em tempo real. No
entanto, verificou-se um certo atraso na transmissão das imagens provenientes da câmera.
Além disso, a utilização do pacote de navegação, conhecido como ”navigation stack”,
permitiu que o robô executasse a atividade de forma eficaz, utilizando os principais algoritmos aplicados na literatura. Isso proporcionou uma teleoperação autônoma e eficiente,
atendendo aos requisitos necessários para a realização da tarefa.
No entanto, durante o modo de teleoperação direta, foram notados alguns problemas
de comunicação, como o atraso no tempo de resposta do robô. Embora essas questões tenham surgido, é importante destacar que elas podem ser abordadas em trabalhos futuros.
A melhoria da comunicação em tempo real entre o operador e o robô é um aspecto crucial
a ser explorado, visando aprimorar a experiência de teleoperação e permitir um controle
mais eficiente e preciso em diferentes cenários. Essas considerações apontam para a necessidade de avanços contı́nuos na área, impulsionando futuras pesquisas e desenvolvimentos
no campo da teleoperação

51

Bibliografia
[Alexander et al., 2012] Alexander, B., Hsiao, K., Jenkins, C., Suay, B., and Toris, R.
(2012). Robot web tools [ros topics]. IEEE Robotics Automation Magazine, 19(4):20–
23.
[Amsters and Slaets, 2020] Amsters, R. and Slaets, P. (2020). Turtlebot 3 as a robotics
education platform. In Robotics in Education: Current Research and Innovations 10,
pages 170–181. Springer.
[Anderson et al., 2020] Anderson, R. C., Adamo, D., Jones, T., Podnar, G., Artigas, J.,
Backes, P., Badger, J., Bailey, S. A., Bell, J., Bienhoff, D., et al. (2020). Space science
opportunities augmented by exploration telepresence.
[Aracil and Ferre, 2007] Aracil, R. and Ferre, M. (2007). Telerobotics for aerial live power
line maintenance. In Advances in telerobotics, pages 459–469. Springer.
[Bailey and Durrant-Whyte, 2006] Bailey, T. and Durrant-Whyte, H. (2006). Simultaneous localization and mapping (slam): part ii. IEEE Robotics Automation Magazine,
13(3):108–117.
[Balachandran et al., 2020] Balachandran, R., Ryu, J.-H., Jorda, M., Ott, C., and AlbuSchaeffer, A. (2020). Closing the force loop to enhance transparency in time-delayed
teleoperation. In 2020 IEEE International Conference on Robotics and Automation
(ICRA), pages 10198–10204. IEEE.
[Bonnabel, 2012] Bonnabel, S. (2012). Symmetries in observer design: Review of some
recent results and applications to ekf-based slam. Robot Motion and Control 2011,
pages 3–15.
[Casañ et al., 2015] Casañ, G. A., Cervera, E., Moughlbay, A. A., Alemany, J., and Martinet, P. (2015). Ros-based online robot programming for remote education and training. In 2015 IEEE International Conference on Robotics and Automation (ICRA),
pages 6101–6106.
[Chen et al., 2022] Chen, X., Johannsmeier, L., Sadeghian, H., Shahriari, E., Danneberg,
M., Nicklas, A., Wu, F., Fettweis, G., and Haddadin, S. (2022). On the communication
52

Bibliografia

53

channel in bilateral teleoperation: An experimental study for ethernet, wifi, lte and
5g. In 2022 IEEE/RSJ International Conference on Intelligent Robots and Systems
(IROS), pages 7712–7719.
[Chen et al., 2020] Chen, Y., Zhang, B., Zhou, J., and Wang, K. (2020). Real-time 3d
unstructured environment reconstruction utilizing vr and kinect-based immersive teleoperation for agricultural field robots. Computers and Electronics in Agriculture,
175:105579.
[Choset et al., 2005] Choset, H., Lynch, K. M., Hutchinson, S., Kantor, G. A., and Burgard, W. (2005). Principles of robot motion: theory, algorithms, and implementations.
MIT press.
[Crick et al., 2017] Crick, C., Jay, G., Osentoski, S., Pitzer, B., and Jenkins, O. C. (2017).
Rosbridge: Ros for non-ros users. In Robotics Research: The 15th International Symposium ISRR, pages 493–504. Springer.
[Cynthia et al., 2021] Cynthia, J., Mohankumar, T., Arjun, T., and Naveenkumar, C.
(2021). Development of python based ui application for tele-operated vehicles. In 2021
IEEE 6th International Conference on Computing, Communication and Automation
(ICCCA), pages 383–388.
[Das et al., 2021] Das, S., Kumari, R., and Deepak Kumar, S. (2021). A review on applications of simultaneous localization and mapping method in autonomous vehicles.
Advances in Interdisciplinary Engineering: Select Proceedings of FLAME 2020, pages
367–375.
[de Assis Brasil et al., 2020] de Assis Brasil, P. M., Pereira, F. U., Cuadros, M. A. d.
S. L., Cukla, A. R., and Gamarra, D. F. T. (2020). A study on global path planners
algorithms for the simulated turtlebot 3 robot in ros. In 2020 Latin American Robotics
Symposium (LARS), 2020 Brazilian Symposium on Robotics (SBR) and 2020 Workshop
on Robotics in Education (WRE), pages 1–6. IEEE.
[De-Sheng and Qin-Yi, 2022] De-Sheng, L. and Qin-Yi, T. (2022). Research on avatarlike robot design based on virtual museum scene. The Journal of China Universities of
Posts and Telecommunications, 29(2):43.
[Deng et al., 2021] Deng, Y., Tang, Y., Yang, B., Zheng, W., Liu, S., and Liu, C. (2021).
A review of bilateral teleoperation control strategies with soft environment. In 2021
6th IEEE International Conference on Advanced Robotics and Mechatronics (ICARM),
pages 459–464. IEEE.

Bibliografia

54

[Djuric et al., 2003] Djuric, P., Kotecha, J., Zhang, J., Huang, Y., Ghirmai, T., Bugallo, M., and Miguez, J. (2003). Particle filtering. IEEE Signal Processing Magazine,
20(5):19–38.
[Dorf and Nof, 1990] Dorf, R. C. and Nof, S. Y. (1990). Concise international encyclopedia of robotics.
[Durrant-Whyte and Bailey, 2006] Durrant-Whyte, H. and Bailey, T. (2006). Simultaneous localization and mapping: part i. IEEE Robotics Automation Magazine, 13(2):99–
110.
[Estefo et al., 2019] Estefo, P., Simmonds, J., Robbes, R., and Fabry, J. (2019). The
robot operating system: Package reuse and community dynamics. Journal of Systems
and Software, 151:226–242.
[Ferre et al., 2007] Ferre, M., Buss, M., Aracil, R., Melchiorri, C., and Balaguer, C.
(2007). Introduction to advances in telerobotics. Springer.
[Ferrell and Sheridan, 1967] Ferrell, W. R. and Sheridan, T. B. (1967). Supervisory control of remote manipulation. IEEE Spectrum, 4(10):81–88.
[Fink et al., 2014] Fink, G., Flatow, I., Group, S., et al. (2014). Pro Single Page Application Development: Using Backbone. Js and ASP. Net, volume 1. Springer.
[Fok et al., 2016] Fok, C. L., Sun, F., Mangum, M., Mok, A., He, B., and Sentis, L. (2016).
Web based teleoperation of a humanoid robot. arXiv preprint arXiv:1607.05402.
[González et al., 2021] González, C., Solanes, J. E., Muñoz, A., Gracia, L., Girbés-Juan,
V., and Tornero, J. (2021). Advanced teleoperation and control system for industrial
robots based on augmented virtuality and haptic feedback. Journal of Manufacturing
Systems, 59:283–298.
[Gottardi et al., 2022] Gottardi, A., Tortora, S., Tosello, E., and Menegatti, E. (2022).
Shared control in robot teleoperation with improved potential fields. IEEE Transactions
on Human-Machine Systems, 52(3):410–422.
[Graf and Hussmann, 2020] Graf, G. and Hussmann, H. (2020). User requirements for
remote teleoperation-based interfaces. In 12th International Conference on Automotive
User Interfaces and Interactive Vehicular Applications, AutomotiveUI ’20, page 85–88,
New York, NY, USA. Association for Computing Machinery.
[Hainsworth, 2001] Hainsworth, D. W. (2001). Teleoperation user interfaces for mining
robotics. Autonomous Robots, 11(1):19–28.

Bibliografia

55

[Hetrick et al., 2020] Hetrick, R., Amerson, N., Kim, B., Rosen, E., Visser, E. J. d., and
Phillips, E. (2020). Comparing virtual reality interfaces for the teleoperation of robots.
In 2020 Systems and Information Engineering Design Symposium (SIEDS), pages 1–7.
[Hui-min et al., 2008] Hui-min, H., Cheng-lin, W., and Xiao-bin, X. (2008). Particle
filter for range-only tracking in airborne radar. In 2008 Chinese Control and Decision
Conference, pages 5053–5058.
[IFR, 2022] IFR (2022).
Executive summary wr industrial robots 2022.
urlhttps://ifr.org/img/worldrobotics/ExecutiveS ummaryW RI ndustrialR obots2 022.pdf.
[Johansson and de Vin, 2009] Johansson, D. and de Vin, L. J. (2009). Omnidirectional
robotic telepresence through augmented virtuality for increased situation awareness in
hazardous environments. In 2009 IEEE International Conference on Systems, Man and
Cybernetics, pages 6–11.
[Ko and Kim, 2012] Ko, N. Y. and Kim, T. G. (2012). Comparison of kalman filter and
particle filter used for localization of an underwater vehicle. In 2012 9th International
Conference on Ubiquitous Robots and Ambient Intelligence (URAI), pages 350–352.
[Koubaa, 2022] Koubaa, A. (2022). ROS-Teleoperation-Web-Interface. Acesso em: 1 de
agosto de 2023, https://github.com/aniskoubaa/udemy-rosbridge-course.
[Krupke et al., 2016] Krupke, D., Einig, L., Langbehn, E., Zhang, J., and Steinicke, F.
(2016). Immersive remote grasping: realtime gripper control by a heterogenous robot
control system. In Proceedings of the 22nd ACM Conference on Virtual Reality Software
and Technology, pages 337–338.
[Law et al., 2022] Law, W.-t., Li, K.-s., Fan, K.-w., Ko, W.-h., Mo, T., and Poon, C.-k.
(2022). Two-way human-robot interaction in 5g tele-operation. In 2022 17th ACM/IEEE International Conference on Human-Robot Interaction (HRI), pages 1198–1199.
IEEE.
[Lee, 2012] Lee, J. (2012). Web applications for robots using rosbridge. Brown University.
[Lee and Ham, 2022] Lee, J. S. and Ham, Y. (2022). Exploring human-machine interfaces
for teleoperation of excavator. In Construction Research Congress 2022, pages 757–765.
[Li et al., 2015] Li, Z., Xia, Y., and Su, C.-Y. (2015). Intelligent networked teleoperation
control.
[Lin et al., 2022] Lin, Z., Zhang, T., Sun, Z., Gao, H., Ai, X., Chen, W., Yang, G.-Z.,
and Gao, A. (2022). Robotic telepresence based on augmented reality and human
motion mapping for interventional medicine. IEEE Transactions on Medical Robotics
and Bionics, 4(4):935–944.

Bibliografia

56

[Martı́nez, 2021] Martı́nez, F. H. (2021). Turtlebot3 robot operation for navigation applications using ros. Tekhnê, 18(2):19–24.
[Matsas et al., 2018] Matsas, E., Vosniakos, G.-C., and Batras, D. (2018). Prototyping
proactive and adaptive techniques for human-robot collaboration in manufacturing
using virtual reality. Robotics and Computer-Integrated Manufacturing, 50:168–180.
[Murphy, 2019] Murphy, R. R. (2019). Introduction to AI robotics. MIT press.
[Ni et al., 2017] Ni, D., Song, A., and Li, H. (2017). Survey on robot teleoperation based
on virtual reality. Yi Qi Yi Biao Xue Bao/Chinese Journal of Scientific Instrument,
38:2351–2363.
[Oh et al., 2021] Oh, Y., Schäfer, T., Rüther, B., Toussaint, M., and Mainprice, J. (2021).
A system for traded control teleoperation of manipulation tasks using intent prediction
from hand gestures. In 2021 30th IEEE International Conference on Robot Human
Interactive Communication (RO-MAN), pages 503–508.
[Okura et al., 2010] Okura, F., Kanbara, M., and Yokoya, N. (2010). Augmented telepresence using autopilot airship and omni-directional camera. In 2010 IEEE International
Symposium on Mixed and Augmented Reality, pages 259–260.
[Olatunji et al., 2022] Olatunji, S. A., Potenza, A., Kiselev, A., Oron-Gilad, T., Loutfi,
A., and Edan, Y. (2022). Levels of automation for a mobile robot teleoperated by a
caregiver. ACM Transactions on Human-Robot Interaction (THRI), 11(2):1–21.
[Opiyo et al., 2021] Opiyo, S., Zhou, J., Mwangi, E., Kai, W., and Sunusi, I. (2021). A
review on teleoperation of mobile ground robots: Architecture and situation awareness.
International Journal of Control, Automation and Systems, 19(3):1384–1407.
[Pesce et al., 2023] Pesce, V., Hermosin, P., Rivolta, A., Bhaskaran, S., Silvestrini, S.,
and Colagrossi, A. (2023). Navigation. In Modern Spacecraft Guidance, Navigation,
and Control, pages 441–542. Elsevier.
[Placed et al., 2023] Placed, J. A., Strader, J., Carrillo, H., Atanasov, N., Indelman, V.,
Carlone, L., and Castellanos, J. A. (2023). A survey on active simultaneous localization
and mapping: State of the art and new frontiers. IEEE Transactions on Robotics.
[Pritsker et al., 1986] Pritsker, A. A. B., Rolston, L. J., and Floss, P. (1986). Solutions:
introduction to Simulation and SLAM II. Systems Publishing Corporation.
[Safin et al., 2021] Safin, R., Lavrenov, R., Hsia, K.-H., Maslak, E., Schiefermeier-Mach,
N., and Magid, E. (2021). Modelling a turtlebot3 based delivery system for a smart
hospital in gazebo. In 2021 International Siberian Conference on Control and Communications (SIBCON), pages 1–6. IEEE.

Bibliografia

57

[Schmidt et al., 2014] Schmidt, L., Hegenberg, J., and Cramar, L. (2014). User studies
on teleoperation of robots for plant inspection. Industrial Robot: An International
Journal, 41(1):6–14.
[Scott Jr, 2015] Scott Jr, E. A. (2015). SPA Design and Architecture: Understanding
single-page web applications. Simon and Schuster.
[Sharrab et al., 2023] Sharrab, Y., Almutiri, N. T., Tarawneh, M., Alzyoud, F., AlGhuwairi, A.-R. F., and Al-Fraihat, D. (2023). Toward smart and immersive classroom
based on ai, vr, and 6g. International Journal of Emerging Technologies in Learning
(Online), 18(2):4.
[Siciliano et al., 2008] Siciliano, B., Khatib, O., and Kröger, T. (2008). Springer handbook
of robotics, volume 200. Springer.
[Sun, 2019] Sun, Y. (2019). Practical application development with apprun. Building
Reliable, High-Performance Web Apps Using Elm-Inspired Architecture, Event PubSub, and Components. Berkeley, CA: Apress.
[Szymańska et al., 2021] Szymańska, E., Petrović, L., Marković, I., and Petrović, I.
(2021). Mobile robot teleoperation via android mobile device with udp communication.
In 2021 44th International Convention on Information, Communication and Electronic
Technology (MIPRO), pages 1143–1148. IEEE.
[Tokatli et al., 2021] Tokatli, O., Das, P., Nath, R., Pangione, L., Altobelli, A., Burroughes, G., Jonasson, E. T., Turner, M. F., and Skilton, R. (2021). Robot-assisted
glovebox teleoperation for nuclear industry. Robotics, 10(3):85.
[Uttal, 1989] Uttal, W. R. (1989). Teleoperators. Scientific American, 261(6):124–129.
[Vertut and Coiffet, 1985] Vertut, J. and Coiffet, P. (1985). Robot technology. vol. 3b.
teleoperation and robotics: applications and technology.
[Walker et al., 2019] Walker, M. E., Szafir, D., and Rae, I. (2019). The influence of size
in augmented reality telepresence avatars. In 2019 IEEE Conference on Virtual Reality
and 3D User Interfaces (VR), pages 538–546.
[Yan et al., 2017] Yan, H., Zhao, X., Gao, S., Zhang, J., and Shao, X. (2017). Adaptive
robust unscented particle filter and its application in sins/sar integration navigation
system. In 2017 IEEE 2nd Advanced Information Technology, Electronic and Automation Control Conference (IAEAC), pages 2364–2368.
[Yu et al., 2013] Yu, H., Wang, G., Cao, Q., and Sun, Y. (2013). A novel particle filtering
algorithm based on state fusion. In IET International Radar Conference 2013, pages
1–5.

Bibliografia

58

[Zhang et al., 2018] Zhang, J., Liu, W., Li, L., Li, Z., et al. (2018). The master adaptive
impedance control and slave adaptive neural network control in underwater manipulator
uncertainty teleoperation. Ocean Engineering, 165:465–479.
[Zhao et al., 2006] Zhao, M., Zhang, S., and Zhu, G. (2006). The application reserch of
unscented particle filter algorithm to gps/dr. In 2006 6th World Congress on Intelligent
Control and Automation, volume 2, pages 8717–8721.
Informática
