RT Generic
T1 Implementación de técnicas de computación evolutiva a la programación automática de un robot
A1 Gumiel Moreno, Pablo
AB En este proyecto fin de carrera se recoge el estudio y la optimización del patrón de movimiento del robot Aibo de Sony para que este recorra la mayor distancia posible. Con este objetivo seha analizado el patrón que ofrecía el controlador URBI, tanto en el simulador como en el robotfísico, y se ha desarrollado una metodología para permitir su aplicación práctica. Para ello, sehan utilizado técnicas de computación evolutiva con ensayos experimentales en un simuladorWebots. Como resultado se ha obtenido un patrón de movimiento que mejora ampliamente elpatrón tomado como individuo base en los experimentos.Por medio de la aplicación del algoritmo genético desarrollado se ha conseguido mejorar lacantidad de espacio recorrido por el robot en un número de pasos determinados, aumentandoen un 281 %, la distancia euclídea recorrida por el individuo base aportado por el controladorURBI para el robot.Cabe destacar el buen comportamiento general del algoritmo evolutivo en un espacio de búsquedadel tamaño del especificado en los experimentos que se han llevado a cabo. Este espacio debúsqueda está compuesto por 372 genes representados por números reales que pueden tomarcualquier valor dentro de los rangos de movimientos de las articulaciones del robot.Todas las herramientas de desarrollo utilizadas, así como el simulador y el controlador para elrobot son de libre distribución y versiones gratuitas o de evaluación. Esto ha supuesto algunosinconvenientes en el desarrollo y realización del presente proyecto fin de carrera. Se han producidocambios de versiones en el controlador URBI, lo cual ha conllevado el cambio del códigofuente de las funciones realizadas para el control del robot. Además, al utilizarse una versiónde evaluación del simulador Webots se ha encontrado la limitación temporal del uso del mismopara las funciones de comunicación con el controlador URBI, por lo tanto se han tenido queimplementar diferentes métodos y planificaciones para conseguir evitar esta limitación en el usodel simulador. Dentro de los cambios necesarios para obtener una funcionalidad suficiente paradesarrollar los experimentos, se ha tenido que cambiar la fecha del servidor y reiniciar el entornodel simulador para evitar la limitación temporal de su uso. Como contrapartida se ha penalizadocada generación del algoritmo genético con 2 segundos de espera por cada 10 individuos. Estetiempo es el necesario para reiniciar el entorno del simulador y evitar la limitación temporal deuso.
YR 2009
FD 2009-06
LK https://hdl.handle.net/10016/6581
UL https://hdl.handle.net/10016/6581
LA spa
DS e-Archivo
RD 1 may. 2024