Localização 3D LiDAR avançada melhora a precisão do posicionamento do robô

Universidade Miguel Hernández de Elche, Espanha
É assim que o robô “vê” o seu entorno utilizando o sistema desenvolvido na UMH. A representação da nuvem de pontos 3D LiDAR permite a extração de características estruturais globais e locais para estimar a pose do robô – sua posição e orientação precisas no espaço. (Imagem:Universidade Miguel Hernández de Elche)
Os robôs móveis devem estimar continuamente a sua posição para navegar de forma autónoma. No entanto, os sistemas de navegação por satélite nem sempre são fiáveis:os sinais podem degradar-se perto de edifícios ou tornar-se indisponíveis em interiores. Para operar com segurança e eficiência, os robôs devem interpretar o ambiente ao seu redor usando sensores integrados e algoritmos de localização robustos.

Pesquisadores da Universidade Miguel Hernández de Elche (UMH), na Espanha, desenvolveram um sistema de localização hierárquica que melhora significativamente o posicionamento do robô em ambientes grandes e mutáveis. O método aborda um dos problemas mais desafiadores da robótica móvel:o chamado problema do “robô sequestrado”, no qual um robô perde o conhecimento de sua pose inicial após ser movido, desligado ou deslocado.

O estudo, publicado no International Journal of Intelligent Systems , apresenta MCL-DLF (Monte Carlo Localization – Deep Local Feature), uma estrutura de localização 3D LiDAR grosseira a fina projetada para navegação de longo prazo em grandes ambientes. O sistema foi validado ao longo de vários meses no campus da UMH Elche sob diversas condições ambientais, incluindo cenários internos e externos.

A abordagem proposta imita como os humanos se orientam em ambientes desconhecidos ou em mudança. Primeiro, o robô realiza uma etapa de localização aproximada, identificando sua região aproximada com base em características estruturais globais extraídas de nuvens de pontos LiDAR 3D, como edifícios ou vegetação.

Uma vez que esta região é reduzida, o sistema realiza uma localização precisa, analisando características locais detalhadas para estimar a posição e orientação exatas do robô.

“Isto é semelhante à forma como as pessoas primeiro reconhecem uma área geral e depois confiam em pequenos detalhes distintivos para determinar a sua localização precisa”, explica a investigadora da UMH, Míriam Máximo, principal autora do estudo. O trabalho foi dirigido por Mónica Ballesta e David Valiente, também investigadores do Instituto de Investigação em Engenharia de Elche (I3E) da UMH. Para evitar ambiguidade em ambientes visualmente semelhantes, o método integra técnicas de aprendizagem profunda que extraem automaticamente características locais discriminativas de nuvens de pontos 3D.

Em vez de depender de regras predefinidas, o robô aprende quais características ambientais são mais informativas para a localização. Esses recursos aprendidos são combinados com a localização probabilística de Monte Carlo, que mantém múltiplas hipóteses de pose e as atualiza à medida que novos dados do sensor são recebidos.

Um grande desafio na navegação robótica de longo prazo é a variabilidade ambiental. Os espaços exteriores mudam ao longo do tempo devido a mudanças sazonais, crescimento da vegetação ou diferenças de iluminação, que podem alterar significativamente a aparência.

Os pesquisadores relatam que o MCL-DLF alcança maior precisão de posição do que as abordagens convencionais, mantendo estimativas de orientação comparáveis ou superiores em certas trajetórias. É importante ressaltar que o sistema apresenta menor variabilidade ao longo do tempo, confirmando a sua robustez às mudanças sazonais e estruturais.

A localização confiável é fundamental para robótica de serviços, automação logística, inspeção de infraestrutura, monitoramento ambiental e veículos autônomos. Em todos esses domínios, a operação segura depende da estimativa de posição estável e precisa em condições dinâmicas do mundo real.

Embora a navegação totalmente autônoma continue a ser um desafio central na robótica, este trabalho aproxima os robôs de operar de forma confiável em ambientes grandes e mutáveis, sem infraestrutura de posicionamento externa.

Para mais informações, entre em contato com Angeles Gallar em Este endereço de e-mail está protegido contra spambots. Você precisa ter o JavaScript habilitado para visualizá-lo.; +34 965-222-569.