Coldest neighbor: algoritmo de desinfecção de superfícies utilizando luz UVGI

Abstract

Esta tese aborda o desenvolvimento de estratégias autônomas para a desinfecção de ambientes por meio de radiação ultravioleta (UV-C), motivada pela necessidade de soluções tecnológicas seguras evidenciada pela pandemia de COVID-19. O trabalho propõe algoritmos de desinfecção que garantem a aplicação adequada da dose sobre as superfícies, apresentam eficiência operacional e possuem compatibilidade com sistemas de navegação autônoma. Inicialmente, realiza uma revisão sistemática da literatura sobre robôs de desinfecção, identificando lacunas relacionadas à ausência de garantias formais de dose mínima, à dependência de trajetórias predefinidas e à limitada integração entre desinfecção, localização e exploração. A partir dessa análise, propõe uma classificação original de robôs de desinfecção que contribui para a organização do estado da arte. Em paralelo, analisa os princípios físicos da radiação UV-C, estabelecendo restrições fundamentais para o desenvolvimento de soluções fisicamente consistentes. Com base nessa fundamentação, desenvolve um algoritmo de desinfecção baseado em sweeping e, posteriormente, propõe o algoritmo Coldest Neighbor, principal contribuição da tese. Esta solução utiliza um mapa de dose para direcionar o robô às regiões com menor exposição acumulada, assegurando a aplicação da dose mínima alvo. O algoritmo mostra-se compatível com técnicas de SLAM, permite a realização simultânea da exploração e da desinfecção do ambiente e apresenta baixo custo computacional. A avaliação ocorre por meio de simulações em espaços livres desobstruídos e em ambientes estruturados com múltiplos cômodos, utilizando um simulador dedicado e o ecossistema ROS/Gazebo. Os resultados demonstram que a abordagem proposta reduz o tempo total de operação e minimiza a energia aplicada à dose alvo quando comparada a estratégias tradicionais. Conclui-se que a abordagem proposta introduz garantias quantitativas à desinfecção robótica por UV-C, ao integrar modelagem física da radiação e navegação autônoma orientada por mapas de dose, tornando o processo verificável, reproduzível e fundamentado em critérios científicos objetivos.

Abstract: This doctoral thesis addresses the development of autonomous strategies for environmental disinfection using ultraviolet radiation (UV-C), motivated by the need for safe technological solutions highlighted during the COVID-19 pandemic. The work proposes disinfection algorithms that ensure adequate dose delivery to surfaces, provide operational efficiency, and are compatible with autonomous navigation systems. Initially, a systematic literature review on disinfection robots is conducted, identifying gaps related to the lack of formal guarantees of minimum dose delivery, the reliance on predefined trajectories, and the limited integration between disinfection, localization, and exploration. Based on this analysis, an original classification of disinfection robots is proposed, contributing to the organization of the state of the art. In parallel, the physical principles of UV-C radiation are analyzed, establishing fundamental constraints for the development of physically consistent solutions. Building upon this foundation, a sweeping-based disinfection algorithm is developed, followed by the proposal of the Coldest Neighbor algorithm, which constitutes the main contribution of this thesis. This approach employs a dose map to guide the robot toward regions with lower accumulated exposure, ensuring the delivery of the target minimum dose. The algorithm is compatible with SLAM techniques, enables simultaneous exploration and disinfection of the environment, and presents low computational cost. The evaluation is carried out through simulations in unobstructed open spaces and in structured environments with multiple rooms, using a dedicated simulator and the ROS/Gazebo ecosystem. The results demonstrate that the proposed approach reduces overall operation time and minimizes the energy applied to achieve the target dose when compared to traditional strategies. It is concluded that the proposed approach introduces quantitative guarantees to UV-C robotic disinfection by integrating physical radiation modeling with dose-map-guided autonomous navigation, thereby making the process verifiable, reproducible, and grounded in objective scientific criteria.