Cookies
O website necessita de alguns cookies e outros recursos semelhantes para funcionar. Caso o permita, o INESC TEC irá utilizar cookies para recolher dados sobre as suas visitas, contribuindo, assim, para estatísticas agregadas que permitem melhorar o nosso serviço. Ver mais
Aceitar Rejeitar
  • Menu
Sobre
Download foto HD

Sobre

Paulo Rebelo concluiu o mestrado integrado em Engenharia Electrotécnica e Computadores, no ramo de automação industrial em março de 2017, com especialização em robótica industrial na FEUP - Faculdade de Engenharia da Universidade do Porto. Durante o ano de 2016, desenvolveu a sua tese de mestrado na Continental Mabor, em Lousado, onde o principal objectivo era a automatização de um sistema de corte de rolos calandrados numa máquina específica da empresa.

Desde março de 2017 que é investigador no INESC TEC, no Porto, e tem trabalhado em projetos de diferentes áreas: robótica móvel, manipuladores colaborativos, sistemas de visão artificial, sistemas de automação e sistemas IoT (Industry 4.0), estas são as suas áreas de especialização.
Até hoje, trabalhou nos seguintes projetos de investigação: FASTEN, ScalabLE4.0, MANUFACTUR4.0, PRECISIONcork, MTEX-Multi e PRODUTECH. Conciliando com o desenvolvimento, também faz um pouco de gestão de projetos.

Tópicos
de interesse
Detalhes

Detalhes

013
Publicações

2021

Force control heuristics for surpassing pose uncertainty in mobile robotic assembly platforms

Autores
Moutinho, D; Rebelo, P; Costa, C; Rocha, L; Veiga, G;

Publicação
2021 IEEE INTERNATIONAL CONFERENCE ON AUTONOMOUS ROBOT SYSTEMS AND COMPETITIONS (ICARSC)

Abstract

2021

A* Based Routing and Scheduling Modules for Multiple AGVs in an Industrial Scenario

Autores
Santos, J; Rebelo, PM; Rocha, LF; Costa, P; Veiga, G;

Publicação
ROBOTICS

Abstract
A multi-AGV based logistic system is typically associated with two fundamental problems, critical for its overall performance: the AGV’s route planning for collision and deadlock avoidance; and the task scheduling to determine which vehicle should transport which load. Several heuristic functions can be used according to the application. This paper proposes a time-based algorithm to dynamically control a fleet of Autonomous Guided Vehicles (AGVs) in an automatic warehouse scenario. Our approach includes a routing algorithm based on the A* heuristic search (TEA*—Time Enhanced A*) to generate free-collisions paths and a scheduling module to improve the results of the routing algorithm. These modules work cooperatively to provide an efficient task execution time considering as basis the routing algorithm information. Simulation experiments are presented using a typical industrial layout for 10 and 20 AGVs. Moreover, a comparison with an alternative approach from the state-of-the-art is also presented.