Reconstrucción espacio-temporal de cultivos utilizando estrategias de sensado activo

Abstract

La gestión eficaz de la incertidumbre es crucial y desafiante en SLAM Activo (ASLAM), donde la toma de decisiones óptimas para la exploración y el mapeo autónomo es un problema NP-hard. Aplicaciones críticas como la robótica de servicios o la Búsqueda y Rescate (SAR) demandan mapas fiables, pero los enfoques tradicionales basados en mapas de ocupación y Fronteras Clásicas (FC) a menudo carecen de mecanismos robustos para representar, evaluar y explotar la incertidumbre del mapa y del agente.

Esta tesis introduce un marco teórico novedoso fundamentado en las Probabilidades de Dispersión (PD), una métrica probabilística (P D ∈ [0, 1]) flexible e interpretable propuesta para cuantificar la incertidumbre local de las estimaciones robóticas relativa a tolerancias definidas por el usuario. A partir de las PD, se construye un Mapa de Incertidumbre (MI) espacial, que a su vez permite definir dos herramientas originales: las Fronteras de Incertidumbre (FI) y el índice SiREn (Entropía Relativa con Signo). Las FI, detectadas por altos gradientes en el MI y condicionadas por un umbral de incertidumbre máxima tolerable (σmax), generalizan las FC para guiar no solo la exploración de lo desconocido, sino también la re-exploración de áreas mapeadas con alta incertidumbre, facilitando cierres de lazo. El índice SiREn, basado en la divergencia KL, proporciona una métrica global para evaluar cuantitativamente la calidad del mapa, balanceando cobertura y baja incertidumbre.

La viabilidad y utilidad del marco se validaron mediante simulaciones 2D, que demostraron la superioridad de planificadores basados en FI sobre los basados en FC en términos de calidad del mapa final (evaluado por SiREn), y mediante el análisis de datos reales 3D de un entorno agrícola complejo, utilizando un sistema SLAM adaptado que proporciona incertidumbre 6DOF (estimada vía PD). Este análisis 3D confirmó la capacidad de las FI para identificar regiones que requieren mejora y lautilidad de SiREn para evaluar el impacto de la calidad de los datos y los criterios de incertidumbre (σmax) en la reconstrucción final.

En su totalidad, este trabajo aporta un conjunto coherente de herramientas para la toma de decisiones consciente de la incertidumbre en ASLAM, sentando las bases para sistemas de mapeo autónomo más eficientes, robustos y capaces de generar reconstrucciones con calidad controlada y evaluable.