Esta charla pretende tocar rápidamente los temas más importantes del trabajo que realicé el último año, tanto para iRobot como en el marco de mi vínculo con la facultad.
Primero discutiremos el sistema de mapeo basado en mapas locales o subgrillas [1]. Este es capaz de corregir el mapa a medida que nueva información permite corregir estimaciones de la trayectoria pasada (Full SLAM & Loop Closure).
Luego discutiremos un sistema de localización de dispositivos WiFi, con potenciales extensiones. Este trabajo en curso busca ubicar los dispositivos WiFi en el mapa del robot, basádose en received signal strength indicator (RSSI), asi como generar un modelo del RSSI esperado en función de la ubicación del robot.
Finalmente presentaré los avances en la creación de un robot de bajo costo para la liga Small Size de RoboCup [2]. Este trabajo busca generar la oportunidad de desarrollar un equipo de Small Size que puede ser utilizado como herramienta de enseñanza de facultad o Sumo.uy. También puede ser usado como plataforma para investigación de nivel de proyecto de grado.
[1] Mapping under changing trajectory estimates,Martin Llofriu, Philip Fong, Vazgen Karapetyan, Mario Munich, IROS 2017
[2] https://www.robocup.org/leagues/7
Bio
Martin Llofriu se graduó de Ingeniero en Computación en la Facultad de Ingeniería de la UdelaR en el 2012. Ejerció como docente de facultad en el periodo 2011-2012. Luego, realizó un doctorado en Computer Science en University of South Florida (2012 - 2017). Su tesis se enfocó en modelos computacionales de navegación de roedores, buscando explicar datos fisiológicos y de comportamiento en el marco de aprendizaje por refuerzos y redes neuronales. Actualmente se encuentra trabajando en la empresa iRobot, con la posición de Robotics Scientist. El foco del trabajo es el sistema de SLAM y mapping utilizado en los robots de uso hogareño. Ejerce, también actualmente, un cargo libre en Facultad de Ingeniería.
Martín Llofriu - Experiencias recientes de investigación en robótica
Fecha de inicio