Computação

Arquitetura de Software

O firmware foi desenvolvido em C++ Bare Metal, mantendo a robusta arquitetura em camadas já estabelecida na versão anterior (Micras v1). O padrão Hardware Proxy foi fundamental para o sucesso do projeto: ao desacoplar rigidamente a lógica de navegação das especificidades do hardware, não houve necessidade de portar código.

Graças a esse isolamento, os novos algoritmos de alto nível (como o ActionQueuer e o controle de velocidade) puderam ser desenvolvidos e validados diretamente na plataforma antiga (v1), sem exigir qualquer alteração nas camadas de baixo nível.

Máquina de Estados Finita (FSM)

Para superar as limitações de lógicas centralizadas, o controle foi refatorado utilizando o State Pattern. O sistema opera em estados discretos e isolados:

• Initialization (Init): Autoteste de hardware e configuração de periféricos.
• Idle: Estado de baixo consumo aguardando comandos.
• Calibration: Rotina isolada para normalização dos sensores IR e giroscópio.
• Run: Estado ativo onde residem os algoritmos de navegação (Exploração ou Speed Run).
• Error: Trap state de segurança para falhas críticas (ex: detecção de colisão).

Interface e Telemetria

A camada de Interface abstrai as entradas físicas em eventos semânticos (ex: Event::EXPLORE), permitindo que a estratégia seja definida via chaves DIP ou injetada remotamente.

O sistema de comunicação (micras_comm) implementa um Pool de Variáveis Seriais, permitindo monitoramento e ajuste de constantes (PID, velocidade) em tempo real via Bluetooth, sem necessidade de recompilação.

---

Navegação e Inteligência

O módulo micras_nav orquestra a percepção e o planejamento. A grande inovação desta versão é a transição de uma odometria global propensa a drift para uma Odometria Local, onde a posição é recalculada a cada ação discreta.

Localização e Percepção

• Odometria Local: Em vez de rastrear coordenadas absolutas (X, Y) indefinidamente, o robô zera sua referência relativa ao iniciar cada movimento (ex: avançar 1 célula). Isso isola o erro acumulado a segmentos individuais.
• Fusão de Sensores: Integração dos encoders magnéticos com o giroscópio (IMU) para manter a orientação precisa mesmo em caso de derrapagem das rodas.
• Correção de Posts: O sistema detecta as bordas das paredes (posts) através da derivada do sinal dos sensores IR, usando esses marcos físicos para “zerar” o erro longitudinal ao entrar em uma nova célula.

Mapeamento e Planejamento

O robô utiliza representação em grafo (Grid 16x16) e algoritmos distintos para cada fase:

1. Exploração (Flood Fill / BFS): Utiliza Breadth-First Search para criar um mapa de custos (gradiente) e identificar a célula não visitada mais próxima, garantindo exploração sistemática.
2. Otimização de Dead-Ends: Detecta becos sem saída e insere paredes virtuais no mapa, impedindo que o planejador perca tempo revisitando essas áreas.
3. Speed Run (DFS + Pruning): Para a corrida final, utiliza Depth-First Search com poda heurística. Diferente do BFS, este algoritmo minimiza o tempo estimado (considerando aceleração e curvas), e não apenas a distância geométrica.

---

Controle e Movimento

A execução física das trajetórias é gerenciada pelo ActionQueuer e pelo SpeedController, que convertem o caminho abstrato em tensão nos motores.

Pipeline de Ações

O ActionQueuer processa a rota em etapas de otimização:

1. Diagonalização: Identifica padrões em “L” e os converte em movimentos diagonais (45°), reduzindo a distância percorrida.
2. Fusão: Mescla movimentos lineares consecutivos para permitir aceleração até a velocidade máxima.
3. Trimming (Curvas Contínuas): Calcula a distância exata antes e depois de uma esquina para iniciar a curva sem parar o robô.

Dinâmica de Curvas

Para realizar curvas em alta velocidade, o sistema utiliza uma aproximação numérica baseada em integrais de Fresnel. Isso permite calcular a velocidade angular máxima permitida para qualquer raio de curva, garantindo que a aceleração centrípeta se mantenha dentro dos limites de atrito dos pneus.

Controlador Feed-Forward

O controle de velocidade abandonou a abordagem puramente reativa (PID) por uma arquitetura híbrida Feed-Forward:

$u(t) = \underbrace{K_v \cdot v_{ref}(t) + K_a \cdot a_{ref}(t)}_{\text{Preditivo (Modelo Físico)}} + \underbrace{\text{PID}(e)}_{\text{Corretivo}}$

• Preditivo: Calcula a tensão necessária baseada no modelo físico do motor (inércia e força contra-eletromotriz).
• Corretivo: O PID atua apenas sobre pequenos erros e distúrbios, resultando em uma resposta muito mais rápida e estável.