La Facultad de Ingeniería de la UNSJ informa la realización del siguiente curso de posgrado "Filtro de Kalman para Sistemas de Navegación de Robots Autónomos con Bajo Consumo de Energía en FPGA", que se realizará este 2 de septiembre: TITULO: Filtro de Kalman para Sistemas de Navegación de Robots Autónomos con Bajo Consumo de Energía en FPGA DISERTANTE: Ing. Rodrigo Gonzales, de la Universidad Tecnológica Nacional, Regional Mendoza. FECHA: MIÉRCOLES 2 de septiembre de 2015, 18hs. LUGAR: Sala de Conferencias del Instituto de Automática. RESUMEN: En este seminario se presenta la defensa de tesis del Ing. Gonzalez, enmarcada en el programa de Doctorado en Ingeniería de Sistemas de Control, de la Facultad de Ingeniería de la Universidad Nacional de San Juan. En la actualidad, la principal limitación que tienen los robots autónomos alimentados por baterías es una reducida autonomía de operación para una amplia variedad de aplicaciones. Así, si se desea extender la operación de estos sistemas se debe hacer hincapié en la reducción del consumo de energía. Entre los sistemas electrónicos de estos robots se encuentra un sistema de navegación integrado (INS), el cual es el encargado de entregar valores de posición, velocidad y actitud. La fusión de los datos proveniente de distintos tipos de sensores, inerciales y externos, se logra usando un filtro de Kalman. Este algoritmo es conocido por sus altos requisitos computacionales. Por otro lado, recientes estudios han demostrado que un FPGA es una plataforma adecuada para aplicaciones que requieren eficiencia energética. Su arquitectura permite ejecutar operaciones aritméticas en paralelo y segmentadas. De esta forma, se puede reducir el tiempo de cómputo de un determinado algoritmo y, en forma directa, su consumo de energía. Por lo expuesto, en esta presentación se expone el desarrollo en FPGA de un filtro de Kalman numéricamente estable, dirigido a operar en un INS. Se logra que el consumo de energía del filtro sea un 23% menor al ejecutarse en FPGA respecto a su implementación en un microprocesador. Adicionalmente, se exponen las ecuaciones de un modelo matemático para INS de bajo costo que es propuesto como un modelo de referencia. Además, se muestra el desarrollo de un entorno de simulación para INS, el cual es brindado a la comunidad científica como un toolbox de MATLAB de código abierto.