PDF de programación - SIMULACIÓN DE UN ROBOT AUTÓNOMO UTILIZANDO REDES NEURONALES COOPERATIVAS

INSTITUTO TECNOLÓGICO DE LA PAZ

DIVISIÓN DE ESTUDIOS DE POSGRADO E INVESTIGACIÓN

MAESTRÍA EN SISTEMAS COMPUTACIONALES



SIMULACIÓN DE UN ROBOT AUTÓNOMO UTILIZANDO

REDES NEURONALES COOPERATIVAS



T E S I S



QUE PARA OBTENER EL GRADO DE

MAESTRO EN SISTEMAS COMPUTACIONALES



PRESENTA:

OSCAR LUIS RUIZ BERNAL



DIRECTOR DE TESIS:

DR. SAÚL MARTÍNEZ DÍAZ



MIEMBROS DEL JURADO:



PRESIDENTE: DR. SAÚL MARTÍNEZ DÍAZ, CICESE

SECRETARIO: MSC. JAVIER ALBERTO CARMONA TROYO, ITLP

VOCAL: MSC. ILIANA CASTRO LIERA, ITLP



LA PAZ, BAJA CALIFORNIA SUR, MÉXICO, JUNIO 2012









Instituto Tecnológico de La Paz

A mis Niñas

A Dios, un gran administrador

de nuestro tiempo y espacio



Instituto Tecnológico de La Paz



Agradecimientos



Le agradezco a cada una de las personas que lograron cambiar algo en mí, para ser

quien soy ahora.



Al Dr. Saúl Martínez Díaz, su orientación fue pieza importante en la construcción y

término de este trabajo.



A mis maestros, que abrieron este nuevo camino para mí; una guía académica

llena de consejos y experiencias. Lic. María del Carmen Rodríguez Aguilar, M.S.C. Javier

Alberto Carmona Troyo, Dr. Marco Antonio Castro Liera, M.A.T.I. Luis Armando Cárdenas

Florido, M.C. Jesús Antonio Castro, M.C. Bernabé Ortiz y Hebert, Dr. Mario Cortés

Larrinaga. Por su apoyo al M.C. Antonio Hernández y al M.C. Manuel E. Casillas Brook, Jefe

de la división de estudios de posgrado y administración. Muchas Gracias.



Al personal del Instituto Tecnológico de La Paz que me ha tomado como parte de

esta gran familia, en especial a la Lic. Margarita Alicia Martínez Gutiérrez y a la Lic. Karla

Gallardo Ruiz.





Resumen

Instituto Tecnológico de La Paz

Los sistemas autónomos han incrementado su presencia en muchas áreas de la actividad

humana. Los entornos industriales donde se requieren mecanismos capaces de tomar

decisiones “Inteligentes”, son los espacios que han dado auge a estos sistemas.

Aplicaciones tales como actividades de rescate, actividades en ambientes tóxicos,

misiones espaciales e incluso en el hogar los utilizan cada vez más.

Este trabajo es un análisis comparativo entre la eficiencia de una red neuronal monolítica

y una estructura de redes neuronales cooperativas. Se espera que la red cooperativa

presente mejores resultados al distribuir la tarea principal entre cada una de las subredes.

Para el estudio se desarrolla un agente autónomo en un ambiente simulado el cual tiene

la tarea de recoger una pelota en un área de búsqueda y depositarla en un contenedor.

Para el entrenamiento se implementan algoritmos genéticos donde la función de

eficiencia divide el objetivo principal en tareas más pequeñas como “no chocar”, ”detectar

el objeto de frente”, ”detectar el objeto por un lado”.

Abstract

Autonomous systems have increased their presence in many areas of human activity.

Industrial environments where mechanisms capable of making "Intelligent" decisions are

needed are the spaces that have been booming these systems. Such as, rescue activities,

activities in toxic environments, space missions and even in housing use them more and

more.

This work is a comparative analysis of the efficiency of monolithic and cooperative neural

network structures. It is expected that a cooperative network distribute will be able to

more efficient to distribute the main task between each of the subnets. An autonomous

agent was simulating for the study with the task of collecting a ball in a search area and

places it in a container. Genetic algorithms are use for training, where the efficiency

function divides the main goal into smaller tasks such as "avoid crashing", "detect the

object in front," "detect the object on one side."

Simulación de un Robot Autónomo utilizando Redes Neuronales Cooperativas


I

Instituto Tecnológico de La Paz



Índice



Capítulo 1.

Introducción ........................................................................................1
1.1. Objetivo .........................................................................................................3
1.2. Alcance ..........................................................................................................3
1.3. Hipótesis ........................................................................................................3
1.4. Conceptos Generales.....................................................................................4
1.5. Inteligencia artificial y robótica .....................................................................6
1.6. Descripción del trabajo ...............................................................................12
1.6.1. Introducción ......................................................................................12
1.6.2. Funciones del agente y utilidad ........................................................14
1.6.3. Unidades de Medida a utilizar en la comparación y análisis ............18
1.7. Estado del arte.............................................................................................20

1.7.1. Un Enfoque Híbrido en el Desarrollo de Robótica Basada en el

Comportamiento ..................................................................................20
1.7.2. Control neural distribuido para robots autónomos complejos ........21
1.8. Cinemática del robot móvil .........................................................................22


Capítulo 2.

Redes Neuronales Artificiales ...........................................................25
2.1. La Neurona Biológica ...................................................................................25
2.2. La Neurona Artificial ....................................................................................27
2.2.1. Modelo General de la Neurona Artificial ..........................................27
2.2.2. Arquitectura de las Redes Neuronales .............................................29



Capítulo 3.

Algoritmos Genéticos ........................................................................38
3.1. Selección ......................................................................................................42
3.2. Cruce ...........................................................................................................45
3.3. Mutación .....................................................................................................47
3.4. Función de Aptitud ......................................................................................50



Capítulo 4. Neuro-Evolución y Modularidad .......................................................51
4.1. Modularidad ................................................................................................51
4.1.1. Introducción ......................................................................................51
4.1.2. Definiciones.......................................................................................51
4.1.3. Evidencias Biológicas ........................................................................52
4.2. Neuro-Evolución ..........................................................................................53



Simulación de un Robot Autónomo utilizando Redes Neuronales Cooperativas


II



Instituto Tecnológico de La Paz

Capítulo 5.

Diseño del Modelo ............................................................................55
5.1. Entorno de Simulación ODE ........................................................................55
5.1.1. ODE ...................................................................................................56
5.1.2. Motor de Física .................................................................................58
5.1.3. Objetos ..............................................................................................59
5.1.4. Colisiones ..........................................................................................60
5.2. Arquitectura del modelo .............................................................................63
5.2.1. Modelo físico .....................................................................................63
5.2.2. Modelo Neuronal ..............................................................................67
5.2.3. Algoritmo Genético ...........................................................................72



Capítulo 6.

Progreso del modelo y evolución .....................................................76
6.1. Análisis de resultados ..................................................................................80
6.2. Conclusiones ................................................................................................88


Anexo A
Anexo B
Anexo C
Anexo D
Anexo E

Análisis de complejidad ....................................................................90
Comportamientos Típicos .................................................................91
Éxitos por posición inicial de la pelota. .............................................92
Tiempo de búsqueda por posición de la pelota. ..............................93
Código Fuente ...................................................................................95
Operadores Genéticos ..................................................................................95
Cálculos de Red Neuronal .............................................................................98
Función de Eficiencia ............................................................................