Aprendizaje automático, computación evolutiva e inteligencia de enjambre para aplicaciones de robótica.

Abstract

Para que los robots móviles puedan navegar de un inicio a un final es necesario contar con un planificador de trayectorias. En esta investigación se buscó implementar un algoritmo de inteligencia de enjambre como planificador de trayectorias. Dicho algoritmo fue el Ant System (AS), también llamado Ant Colony, que se basa en el comportamiento de las hormigas al buscar y hallar alimento. La principal motivación para implementar este algoritmo fue compararlo contra el algoritmo desarrollado en la fase anterior del proyecto Robotat. Este último algoritmo es el Modified Particle Swarm Optimization (MPSO), que es un algoritmo de inteligencia de enjambre basado en aves y peces. De este modo, se tendría una alternativa de planificación de trayectorias para los Bitbots de UVG. Para lograr esta comparación se implementaron siete controladores distintos. Luego, se eligió a los cinco mejores para unirlos con el AS. Igualmente, se modificó el camino encontrado por el AS, interpolándolo para crear más metas y lograr una trayectoria suave. Dependiendo de si se busca controlar a muchos o a solo un agente, se recomienda utilizar el MPSO o el AS respectivamente. Asimismo, los controladores con la respuesta más suave de velocidad son el controlador de pose y el controlador de pose de Lyapunov. Adicionalmente, se realizaron pruebas preliminares con computación paralela y algoritmos genéticos. El primero se utilizó para agilizar el proceso de planificación de trayectorias con el AS. De este modo, se puede aprovechar el hecho de que las computadoras modernas cuentan con más que un solo núcleo. El segundo se utilizó para explorar la posibilidad de utilizar algoritmos genéticos como alternativa al MPSO y el AS.