1 / 15

Universidad de la Frontera Departamento Ingeniería Eléctrica Sistemas Tutores Inteligentes

Universidad de la Frontera Departamento Ingeniería Eléctrica Sistemas Tutores Inteligentes. Autoguiado de un robot móvil mediante redes Neuronales. Alex Curihuinca ICE. Universidad de la Frontera Dpto. Ingeniería Eléctrica.

gautier
Download Presentation

Universidad de la Frontera Departamento Ingeniería Eléctrica Sistemas Tutores Inteligentes

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Universidad de la Frontera Departamento Ingeniería Eléctrica Sistemas Tutores Inteligentes Autoguiado de un robot móvil mediante redes Neuronales Alex Curihuinca ICE

  2. Universidad de la Frontera Dpto. Ingeniería Eléctrica Formato Presentación • Introducción • Descripción del Robot • Modelado del Robot • Red Neuronal • Resultados experimentales • Comparación de Resultados • Conclusiones Sistemas Tutores Inteligentes

  3. Universidad de la Frontera Dpto. Ingeniería Eléctrica Introducción La navegación autónoma de robots en entornos desconocidos constituye uno de los mayores desafíos de la robótica móvil Actualmente un gran número de investigadores centran sus estudios en el desarrollo de técnicas de control y navegación de robots Sistemas Tutores Inteligentes

  4. Universidad de la Frontera Dpto. Ingeniería Eléctrica Descripción del problema Se tiene un robot en un determinado ambiente el cual posee una serie de obstáculos y una meta. Se busca controlar el robot para que navegue por el entorno, evitando los obstáculos y alcanzando la meta Como solucionarlo Sistemas de control inteligente basados en técnicas de Inteligencia Artificial • Lógica Fuzzy • Redes Neuronales Capacidad de generalización Sistemas Tutores Inteligentes

  5. Universidad de la Frontera Dpto. Ingeniería Eléctrica Descripción del robot Robot : PICBOT 3 Sistema de control : microcontrolador PIC16F876 Sistema tracción : diferencial (dos ruedas motrices y una rueda loca) Servomotores : Futaba 3003 Accesorios :-5 pares emisor-receptor de ultrasonido (detector de obstáculos) - compás magnético( brújula de orientación Se pretende que el robot actúe de igual forma que una persona, esto es, captar información de su entorno a través de sus sensores y en función de ello “decidir” qué acción llevar a cabo para proseguir su camino. Sistemas Tutores Inteligentes

  6. Universidad de la Frontera Dpto. Ingeniería Eléctrica Modelado del robot VARIABLES (x,y) : posición  : ángulo de orientación  : dirección de la meta -11 <  < -179  codificación -1, -10 <  < 10  codificación 0, 11 <  < 180  codificación 1 El robot posee 5 sensores de ultrasonido capaces de detectar obstáculos y medir la distancia a la cual se encuentran. De igual forma son de dos estados, activándose un 1 lógico en presencia de obstáculos y un 0 en caso contrario Sistemas Tutores Inteligentes

  7. Universidad de la Frontera Dpto. Ingeniería Eléctrica Modelado del robot El ambiente es un cuadrado de 5.4m de largo, representado por una imagen de 120120 pixeles, por tanto cada pixel equivale a 4.5 cm reales. En el interior del ambiente se distribuyen obstáculos de forma aleatoria • se ha considerado que el robot puede realizar solo 3 movimientos básicos: • avance sin giro • giro de 45º y avance • giro de -45º y avance Sistemas Tutores Inteligentes

  8. Universidad de la Frontera Dpto. Ingeniería Eléctrica Red Neuronal • La Red Neuronal elegida para desarrollo del sistema : • MLP (Multi-Layer Perceptron) características : válidas para problemas de clasificación arquitectura relativamente sencilla La arquitectura de la red se compone de 6 entradas, cuatro neuronas en la capa oculta y tres en la de salida Sistemas Tutores Inteligentes

  9. Universidad de la Frontera Dpto. Ingeniería Eléctrica Red Neuronal Debido a las limitaciones del microcontrolador del robot para la implementación de la red y su funcionamiento, se ha entrenado también un Perceptrón Simple. Vectores de entrada : Si : estado de los sensores ultrasónicos (que pueden tomar valores 0 y 1) theta : ángulo de dirección de la meta codificado (que puede tomar valores -1, 0, 1) Vector de salida: formado por 3 elementos correspondientes a las acciones de movimiento. (1,0,0) = girar -45º (0,1,0) = avanzar sin girar (0,0,1) = girar 45º Sistemas Tutores Inteligentes

  10. Universidad de la Frontera Dpto. Ingeniería Eléctrica Resultados experimentales Dado que las Redes Neuronales aprenden a partir de ejemplos, en el proceso de entrenamiento se requiere recopilar gran cantidad de datos suficientes para que la red pueda aprender a desempeñar la tarea para la que ha sido creada Los ejemplos van a ser una serie de trayectorias como lo muestra la figura, a partir de ella se van a extraer todos los parámetros que componen los vectores de entrada y salida de la red Es importante que las trayectorias generadas sean variadas, es decir, en ella deben plantearse el mayor número de situaciones posibles en las que podría verse enfrentado el robot al navegar en un ambiente de obstáculos Sistemas Tutores Inteligentes

  11. Universidad de la Frontera Dpto. Ingeniería Eléctrica Entrenamiento y test de la Red Algoritmo de simulación Sistemas Tutores Inteligentes

  12. Universidad de la Frontera Dpto. Ingeniería Eléctrica Entrenamiento y test de la Red • Para la creación, test y entrenamiento de la red se utilizó la toolbox Neuronal Networks de Matlab, herramienta que dispone de una librería para trabajar de forma sencilla con Redes Neuronales • Para poder realizar un análisis detallado de las trayectorias simuladas se ha realizado el Interfaz Gráfico, utilizando la herramienta GUI de Matlab Sistemas Tutores Inteligentes

  13. Universidad de la Frontera Dpto. Ingeniería Eléctrica Implementación en el robot Para la implementación en el robot se almacena la matriz de pesos del Perceptrón en la memeoria EPROM del microcontrolador, la cual permitirá determinar las acciones de control (salidas de la red) en función del estado de los sensores y la orientación a la meta (entradas a la red). Dado que el microcontrolador utilizado es de 8bits y sólo puede trabajar con números enteros comprendidos entre -127 y 128 será necesario normalizar los pesos de la red Sistemas Tutores Inteligentes

  14. Universidad de la Frontera Dpto. Ingeniería Eléctrica Comparación de resultados Los resultados son aceptables tanto con el MLP como con el Perceptrón Simple para las pruebas de entrenamiento, en la cual se variaron el origen, la meta y los obstáculos. Las respuestas para las mismas coordenadas de origen y metason diferentes, sin embargo en los tres casos se cumple el objetivo propuesto, que es llegar ala meta sin colisionar con los obstáculos. Sistemas Tutores Inteligentes

  15. Universidad de la Frontera Dpto. Ingeniería Eléctrica CONCLUSIONES • El conjunto de datos de entrenamiento se logró gracias a la creación de la librería de Matlab, trabajo no menor dado que los ejemplos de entrenamiento son esenciales para el correcto aprendizaje de la red. • Se entrenaron dos tipos de redes; un Perceptrón Simple y un MLP, considerados por su funcionamiento y sencillez topológica • Se simularon numerosas trayectorias y se visualizaron los resultados entregados por ambas redes y aunque las soluciones eran diferentes, en ambos casos eran aceptables • Se verificó que la red era capaz de generalizar, permitiendo simular trayectorias con distintas ubicaciones de orígenes, metas, entornos variados y desconocidos, es decir no presentados durante el entrenamiento. • Se realizaron las simplificaciones oportunas para poder implementar el Perceptrón en el robot PICBOT 3 y se comprobó que el comportamiento una vez hechas las aproximaciones, era robusto. Sistemas Tutores Inteligentes

More Related