Solucionador de labirintos de linhas com memória de rota LSRB

Um robô seguidor de linha segue. Um solucionador de labirintos de linhas decide. Esse é todo o salto que este projeto faz, e ele é maior do que parece: o robô deixa de ser um laço de controle com rodas e se torna algo que explora um ambiente que nunca viu, lembra do que encontrou e age com base nessa memória.

O truque é que nada disso substitui o robô seguidor de linha — ele fica por cima de um. Por baixo, a mesma matriz de refletância e o mesmo laço PID mantêm o robô centralizado na fita, sem saber nada sobre labirintos. Acima, uma camada fina de decisão observa os momentos em que a linha se ramifica, classifica o tipo de junção, escolhe uma direção e anota um caractere. Essa separação é o que torna o projeto tratável, e é a mesma divisão em duas camadas que robôs reais usam em todo lugar.

Por isso a ordem de construção importa mais do que o normal. Você obtém seguimento de linha realmente estável primeiro — ajustado no simulador e depois em um grande ovado de fita real — e só então adiciona junções. Pular essa disciplina faz cada problema mecânico, cada deriva de calibração e cada roda desalinhada em 2 mm aparecer disfarçado como erro do solucionador de labirintos.

Siga a árvore tecnológica abaixo de cima para baixo. Cada nó é liberado quando seus pré-requisitos são concluídos, e seu progresso é salvo neste dispositivo, para que você possa construir o robô durante um fim de semana sem perder o progresso.

Lista de materiais

Total: aproximadamente US$ 35–45. A matriz de 8 canais é a peça em que não vale economizar, e o motivo é específico: um robô detecta um ramo esquerdo notando que os sensores mais à esquerda escureceram enquanto o centro ainda está na linha. Uma matriz apenas um pouco mais larga que a fita não consegue ver isso fisicamente, então a detecção de junções vira tentativa e erro, por mais bom que seja o código.

Por que a matriz precisa ser mais larga que a linha

   left branch                    array (8 channels, ~60 mm wide)
   ────────────────┐          [ x x x . . . . . ]   outer left dark -> a branch
                   │
   ════════════════╪═══════   [ . . . x x . . . ]   centre still on the line
                   │

Regra prática: a matriz deve ter pelo menos três vezes a largura da fita. Para fita de 19 mm, isso dá cerca de 60 mm, exatamente o que uma matriz de 8 canais com espaçamento de 8 mm oferece. Mais estreita, e o robô não consegue distinguir “a linha curvou fortemente” de “a linha fez um ramo”, que é a decisão central de todo o projeto.

Construa em marcos

A ordem de construção importa mais aqui do que em qualquer outro projeto deste site. Um solucionador de labirintos é um robô seguidor de linha com uma camada de decisão, e cada falha mecânica ou de calibração no seguidor reaparece disfarçada como erro do solucionador de labirintos.

O marco 1 não é negociável. “Mais ou menos segue a linha” se transforma em “às vezes inventa uma junção”, e você passará uma noite depurando simplificação de caminho por uma falha que é realmente uma roda 2 mm fora de alinhamento.

O marco 2 é aquele que as pessoas pulam. Um solucionador de labirintos executa centenas de viradas por passagem, e uma virada que fica sistematicamente 5° curta se acumula até o robô deixar a linha completamente. É exatamente aqui que a folga do redutor aparece — erro que muda de sinal com a direção de giro é mecânico, não um problema de ajuste.

A divisão em duas camadas, no código

Vale ver explicitamente a separação que torna este projeto tratável:

             ┌─────────────────────────────────────┐
   decision  │  classify junction -> choose turn   │   runs only at junctions
     layer   │  record a character -> simplify     │   knows nothing about PWM
             └──────────────────┬──────────────────┘
                                │ "turn left" / "keep going"
             ┌──────────────────▼──────────────────┐
   following │  read array -> position -> PID      │   runs every loop, ~200 Hz
     layer   │  -> left and right wheel speeds     │   knows nothing about mazes
             └─────────────────────────────────────┘

A camada inferior nunca aprende o que é um labirinto. A camada superior nunca toca em um motor. Quando algo dá errado, essa fronteira indica em qual metade procurar — e se você não consegue dizer em qual metade um erro vive, as camadas não estão corretamente separadas.

Como fica um bom resultado

A precisão das junções é realmente tudo ou nada, e isso surpreende as pessoas. Uma junção mal interpretada corrompe a sequência registrada; o simplificador então produz uma rota com aparência válida, mas errada, e a segunda passagem avança com confiança contra uma parede. Não existe crédito parcial — por isso as passagens de exploração são lentas e a segunda passagem é onde você recupera o tempo.

Solução de problemas

Para onde seguir

Adicione encoders e vire por distância, não por tempo. Viradas cronometradas são a maior fonte de confiabilidade perdida em um primeiro solucionador de labirintos, porque o tempo necessário muda com a tensão da bateria e a superfície. Viradas baseadas em encoder não têm esse problema.

Migre para um labirinto com paredes — o micromouse — que troca a fita por paredes e a regra LSRB por flood fill. Esse é o salto realmente maior: LSRB é uma heurística de seguimento de parede que encontra um caminho, enquanto o flood fill calcula o caminho mais curto e replaneja quando novas paredes são descobertas.

Otimize a segunda passagem. Depois que a rota é conhecida, não restam decisões, então o robô pode acelerar nas retas e desacelerar somente nas viradas. Um perfil de movimento sobre a rota conhecida é onde vêm as grandes melhorias de tempo — muitas vezes cortando pela metade a segunda passagem.