Estudio experimental sobre comportamientos reactivos - evolutivos en navegación de robots móviles

En este trabajo se analiza la navegación y la evasión de obstáculos para robots móviles en un ambiente no conocido, estático y simulado. A partir de la lectura de los sensores de proximidad, los controladores basados en Redes Neuronales Artificiales (RNA) establecen la trayectoria deseada entre la p...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autores principales: Fernández León, José A., Tosini, Marcelo Alejandro, Acosta, Nelson, Acosta, Gerardo
Formato: Objeto de conferencia
Lenguaje:Español
Publicado: 2005
Materias:
Ciencias Informáticas
Neural nets
Robótica
Acceso en línea:http://sedici.unlp.edu.ar/handle/10915/22901
Aporte de:
SEDICI (UNLP) de Universidad Nacional de La Plata
id I19-R120-10915-22901
record_format dspace
institution Universidad Nacional de La Plata
institution_str I-19
repository_str R-120
collection SEDICI (UNLP)
language Español
topic Ciencias Informáticas
Neural nets
Robótica
spellingShingle Ciencias Informáticas
Neural nets
Robótica
Fernández León, José A.
Tosini, Marcelo Alejandro
Acosta, Nelson
Acosta, Gerardo
Estudio experimental sobre comportamientos reactivos - evolutivos en navegación de robots móviles
topic_facet Ciencias Informáticas
Neural nets
Robótica
description En este trabajo se analiza la navegación y la evasión de obstáculos para robots móviles en un ambiente no conocido, estático y simulado. A partir de la lectura de los sensores de proximidad, los controladores basados en Redes Neuronales Artificiales (RNA) establecen la trayectoria deseada entre la posición actual y la posición objetivo. Algoritmos Evolutivos son usados en la selección del mejor controlador. Esta metodología de trabajo, es conocida como Robótica Evolutiva (RE), comúnmente utilizando simples arquitecturas de redes neuronales. A pesar de que los controladores desarrollados dentro de RE generalmente presentan procesamiento temporal, la mayoría no considera la experiencia obtenida en el proceso evolutivo del controlador. Por lo tanto, el presente trabajo, se refiere a la especificación y testeo de controladores neuronales, realizando mutaciones genéticas entre generaciones de controladores en base a la experiencia adquirida. Controladores basados en Redes Neuronales de Tiempo Discreto (TRNN) fueron desarrollados con dos variantes: Redes Neuronales Plásticas (PNN) y redes del tipo Feed-Forward (FFNN). Este trabajo demuestra que la mutación controlada no presenta mayores ventajas respecto de la no controlada, mostrando que la diversidad es más poderosa que la adaptación controlada.
format Objeto de conferencia
Objeto de conferencia
author Fernández León, José A.
Tosini, Marcelo Alejandro
Acosta, Nelson
Acosta, Gerardo
author_facet Fernández León, José A.
Tosini, Marcelo Alejandro
Acosta, Nelson
Acosta, Gerardo
author_sort Fernández León, José A.
title Estudio experimental sobre comportamientos reactivos - evolutivos en navegación de robots móviles
title_short Estudio experimental sobre comportamientos reactivos - evolutivos en navegación de robots móviles
title_full Estudio experimental sobre comportamientos reactivos - evolutivos en navegación de robots móviles
title_fullStr Estudio experimental sobre comportamientos reactivos - evolutivos en navegación de robots móviles
title_full_unstemmed Estudio experimental sobre comportamientos reactivos - evolutivos en navegación de robots móviles
title_sort estudio experimental sobre comportamientos reactivos - evolutivos en navegación de robots móviles
publishDate 2005
url http://sedici.unlp.edu.ar/handle/10915/22901
work_keys_str_mv AT fernandezleonjosea estudioexperimentalsobrecomportamientosreactivosevolutivosennavegacionderobotsmoviles
AT tosinimarceloalejandro estudioexperimentalsobrecomportamientosreactivosevolutivosennavegacionderobotsmoviles
AT acostanelson estudioexperimentalsobrecomportamientosreactivosevolutivosennavegacionderobotsmoviles
AT acostagerardo estudioexperimentalsobrecomportamientosreactivosevolutivosennavegacionderobotsmoviles
bdutipo_str Repositorios
_version_ 1764820467893403648

Ejemplares similares