Control de desplazamiento con evasión de obstáculos para un robot móvil en configuración diferencial, usando técnicas de inteligencia artificial
Displacement control with obstacle avoidance for a mobile robot in differential configuration, using artificial intelligence techniques
Citación
Date
2020-12-01Author
Navarro León, Cristian Mauricio
Obtained degree
Ingeniero en Mecatrónica
Key words
; inteligencia artificial; robotica
Metadata
Show full item record
Documents PDF
Abstract
En este trabajo, se realizó el diseño y simulación de un controlador de desplazamiento mediante aprendizaje por refuerzo, que permite a una plataforma en configuración diferencial la navegación en un entorno desconocido. Se presenta una aproximación gradual a la plataforma diferencial Ceres-Agrobot a partir de la navegación en una cuadrícula y el control de nivel en un modelo dinámico para luego realizar la implementación de dos técnicas de aprendizaje por refuerzo sobre el modelo dinámico de la plataforma. Se implementa una simulación haciendo uso de ROS y Gazebo para validar el comportamiento de las señales de control generadas por el controlador, dichas señales son aplicadas sobre el modelo dinámico de la plataforma diferencial Pioneer 3DX en Gazebo. Los resultados evidencian la capacidad del aprendizaje por refuerzo de parametrizar sobre la marcha, el proceso de toma de decisiones en una plataforma diferencial en función del objetivo a cumplir de la navegación.
In this work, the design and simulation of a displacement controller was carried out through reinforcement learning, which allows a platform in differential configuration to navigate in an unknown environment. A gradual approach to the Ceres-Agrobot differential platform is presented from the navigation in a grid and the level control in a dynamic model to then carry out the implementation of two reinforcement learning techniques on the dynamic model of the platform. A simulation is implemented using ROS and Gazebo to validate the behavior of the control signals generated by the controller, these signals are applied on the dynamic model of the Pioneer 3DX differential platform in Gazebo. The results show the capacity of reinforcement learning to parameterize on the fly, the decision-making process in a differential platform based on the objective to be met in navigation.
Collections
- Ingeniería Mecatrónica [216]