Rastreamento de trajetória aprimorado para navegação autônoma de robôs móveis sobre rodas usando um controlador PID fuzzy adaptativo

Motoristas de robô mais inteligentes

À medida que robôs entram em armazéns, fazendas e até zonas de desastre, eles devem ser capazes de seguir trajetórias planejadas de forma suave e segura, mesmo quando o piso está escorregadio ou seus motores apresentam mau funcionamento. Este artigo explora uma nova forma de ajudar robôs sobre rodas a manterem-se no caminho, reduzindo oscilações e desvios para que possam navegar por ambientes movimentados e imprevisíveis com muito mais confiança.

Por que manter a trajetória é difícil

Muitos veículos terrestres não tripulados, como carrinhos de armazém ou robôs de levantamento, movem-se sobre rodas porque são eficientes, rápidos e relativamente simples de construir. Ainda assim, manter um robô exatamente em uma trajetória planejada é surpreendentemente difícil. Pisos reais são empoeirados ou irregulares, rodas escorregam, sensores introduzem ruído e as propriedades físicas reais do robô frequentemente diferem do seu modelo matemático ideal. Métodos de controle tradicionais, como controladores PID convencionais que dependem de sintonia fixa, funcionam bem apenas quando as condições correspondem às suposições de projeto e podem perder precisão ou até tornar-se instáveis quando o robô está fortemente carregado ou perturbado.

Um cérebro de controle em duas camadas

Para superar esses limites, os autores projetam um “cérebro” de duas camadas para um tipo comum de robô sobre rodas que possui duas rodas motrizes, uma de cada lado. A camada superior observa apenas a posição do robô no plano e calcula a velocidade linear e a velocidade angular necessárias para seguir uma trajetória planejada, como uma curva em figura de oito suave. A camada inferior é responsável por fazer os motores realmente produzirem essas velocidades. Aqui o artigo introduz um controlador PID fuzzy adaptativo: um controlador PID padrão cujos três ganhos principais são ajustados continuamente por um sistema de lógica fuzzy que observa o quanto o comportamento do robô se desvia do desejado.

Deixando o controlador aprender em tempo real

A lógica fuzzy permite que o controlador use regras simples do tipo “se–então”, como reagir de forma diferente a erros pequenos versus grandes ou a erros crescentes versus decrescentes, sem precisar de um modelo matemático exato de cada distúrbio. Nesse projeto, dois sinais de entrada — a magnitude do erro de rastreamento e a rapidez com que ele está mudando — são alimentados em um sistema fuzzy compacto que fornece valores atualizados para os ganhos do PID. Na prática, o controlador pode endurecer ou relaxar sua resposta em tempo real conforme o robô acelera, desacelera ou encontra derrapagens e ruído. Uma análise matemática de estabilidade mostra que, mesmo com esses ajustes contínuos e com efeitos não modelados presentes, o erro de rastreamento sempre diminuirá até uma pequena região garantida e permanecerá nela.

Submetendo o sistema a testes severos

Os pesquisadores então submetem seu controlador a uma bateria de testes simulados usando um modelo de plataforma de robô móvel bem conhecido. Primeiro, em condições ideais sem perturbações externas, o controlador PID fuzzy adaptativo já rastreia a trajetória em figura de oito com mais precisão do que um PID convencional e outro controlador dinâmico avançado, mostrando perfis de velocidade mais suaves e erros médios menores. Em seguida, eles introduzem deliberadamente incompatibilidades entre os parâmetros físicos reais do robô e os valores assumidos pelo controlador, começando com um erro de 20% e chegando até uma incompatibilidade total de 100%. Ao mesmo tempo, adicionam ruído aleatório ao movimento do robô e forças periódicas que imitam terreno irregular ou atuadores com movimentos bruscos.

Resultados que resistem a abusos extremos

Ao longo de todos esses cenários cada vez mais severos, o controlador PID fuzzy adaptativo mantém um rastreamento preciso da trajetória em figura de oito, enquanto o PID convencional começa a oscilar, atrasar e desviar, especialmente em regiões de curva acentuada. Medidas-chave de erro, incluindo o erro quadrático médio de rastreamento, são consistentemente reduzidas em aproximadamente metade ou mais pelo novo método, mesmo quando todos os parâmetros do modelo estão errados e o robô é bombardeado por ruído. O movimento permanece suave e bem comportado, indicando que o controlador não é apenas preciso, mas também robusto e prático para uso em tempo real.

O que isso significa para robôs do dia a dia

Para um público não especializado, a conclusão é que este trabalho fornece um “piloto automático” mais tolerante e autoajustável para robôs sobre rodas. Em vez de depender de um entendimento perfeito do robô e de seu ambiente, o controlador aprende a partir da diferença contínua entre onde o robô está e onde deveria estar, e retuna-se suavemente conforme as condições mudam. Isso significa que robôs móveis em fábricas, armazéns ou locais perigosos podem seguir rotas planejadas de forma mais segura e precisa, mesmo quando suas rodas escorregam, suas cargas mudam ou seus motores envelhecem — aproximando-nos de máquinas autônomas confiáveis no dia a dia.

Citação: El Zoghby, H.M., Sharaf, S.M., Bendary, A.F. et al. Enhanced trajectory tracking for autonomous navigation of wheeled mobile robots using an adaptive fuzzy PID controller. Sci Rep 16, 12736 (2026). https://doi.org/10.1038/s41598-026-45772-y

Palavras-chave: robôs móveis autônomos, rastreamento de trajetória, controle PID fuzzy, navegação de robôs, rejeição de distúrbios