Synteza sterownika behawioralnego dla autonomicznego robota mobilnego

• Autorzy: Skrzypczyński P.

Warianty tytułu

EN

On the design of a behaviour-based controller for an autonomous mobile robot

• Języki publikacji: PL

Abstrakty

PL

W artykule przedstawiono propozycję wykorzystania sterownika rozmytego w sterowaniu behawioralnym autonomicznego robota mobilnego. Wejściem sterownika są odczyty z sensorów odległości robota a wyjściem jego prędkości: postępowa i obrotowa. Baza reguł sterownika rozmytego może być definiowana przez eksperta lub uczona w symulatorze przy wykorzystaniu systemu klasyfikującego z algorytmem genetycznym. Szczególną uwagę zwrócono na problem uzyskiwania drogą symulacji komputerowej reguł sprawdzających się w sterowniku rzeczywistego robota. Zaprezentowano wyniki badań symulacyjnych i eksperymentalnych.

EN

In this article a learning approach to the synthesis of a fuzzy logic controller for behaviour-based mobile robots is presented. The controller is evolved in a computer simulation, exploiting realistic models of the interactions between robot sensors and the environment. A genetic classifier system is used to learn fuzzy rules. The rules are then used by controllers implemented on real, full-size mobile robots. Results of experiments provide evidence that the proposed method produces rules performing reasonably well on physical robots.

Słowa kluczowe

PL

sterownik behawioralny; robot mobilny autonomiczny

EN

behaviour-based controller; autonomous mobile robot

• Wydawca: Poznańskie Towarzystwo Przyjaciół Nauk
• Czasopismo: Studia z Automatyki i Informatyki
• Rocznik: 2006
• Tom: T. 31
• Strony: 97--122
• Opis fizyczny: Bibliogr. 38 poz., rys., tab.

Twórcy

autor

Skrzypczyński P.

• Politechnika Poznańska, Instytut Automatyki i Inżynierii Informatycznej, Zakład Automatyki i Robotyki, ul. Piotrowo 3A, 60-965 Poznań,

Bibliografia

• [1] Arkin R., Behavior-Based Robotics, MIT Press, 1998.
• [2] Beom H. R., Cho H. S., A Sensor-based Navigation for a Mobile Robot Using Fuzzy Logic and Reinforcement Learning, IEEE Trans. on Systems, Man, and Cybernetics, 1995, Vol. 25(3), s. 464-477.
• [3] Brooks R. A., Intelligence without Representation, Artificial Intelligence, 1991, Vol. 47., s. 139-159.
• [4] Bruce L., Balch T., Veloso M., Fast and Inexpensive Color Image Segmentation for Interactive Robots, Proc. IEEE/RSJ Int. Conf. Intelligent Robots and Systems, Takamatsu, 2000, s. 2061-2066.
• [5] Cichosz P., Systemy uczące się,. Warszawa, WNT 2000.
• [6] Cordon O., Herrera F., Hoffmann F., Magdalena L., Genetic Fuzzy Systems: Evolutionary Tuning and Learning of Fuzzy Knowledge Bases, World Scientific, Singapur, 2001.
• [7] Crowley J. L., Mathematical Foundations of Navigation and Perception for an Autonomous Mobile Robot, w: Reasoning with Uncertainty in Robotics, red. L. Dorst, Springer-Verlag 1996.
• [8] Dorigo M., Colombetti M., Robot Shaping: An Experiment in Behavior Engineering, MIT Press 1997.
• [9] Driankov D., Hellendoorn H., Reinfrank M., Wprowadzenie do sterowania rozmytego, Warszawa, WNT 1996.
• [10] Floreano D., Mondada F., Automatic Creation of an Autonomous Agent: Genetic Evolution of a Neural Network Driven Robot, w: From Animals to Animats 3, red. D. Cliff et al., MIT Press 1994.
• [11] Floreano D., Mondada F., Evolution of Homing Navigation in a Real Mobile Robot. IEEE Trans. on Systems, Man and Cybernetics, Part B, 1996, Vol.26(3), s. 396-407.
• [12] Goldberg D., Algorytmy genetyczne i ich zastosowania, Warszawa, WNT 1998.
• [13] Hoffmann F., Pfister G., Evolutionary Design of a Fuzzy Knowledge Base for a Mobile Robot, Int. Journal of Approx. Reasoning, 1997, Vol. 17(4), s. 447-469.
• [14] Hoffmann F., The Role of Fuzzy Logic Control in Evolutionary Robotics, w: Fuzzy Logic Techniques for Autonomous Vehicle Navigation, red. A. Saffiotti, D. Driankov, Physica-Verlag, 2001, s. 119-147.
• [15] Holland J., Adaptation in Natural and Artificial Systems, Univ. of Michigan Press 1975.
• [16] Jakobi N., Husbands P., Harvey I., Noise and the Reality Gap: The Use of Simulation in Evolutionary Robotics, w: Advances in Artificial Life, red. F. Moran et al., Springer-Verlag, 1995, s. 704-720.
• [17] Jakobi N., Minimal Simulations for Evolutionary Robotics, Ph.D. Thesis, University of Sussex, 1998.
• [18] Lee, S., Cho, S., Emergent Behaviours of a Fuzzy Sensory-Motor Controller Evolved by Genetic Algorithm. IEEE Trans. on Systems, Man, and Cybernetics, Part B. 2001, Vol. 31(6), s. 919-929.
• [19] Lin C. H., Wang L. L., Intelligent Collision Avoidance by Fuzzy Logic Control, Robotics and Autonom. Syst., 1997, Vol. 20(1), s. 61-83.
• [20] Majchrzak J., Skrzypczyński P., Wiczyński G., Aktywne sensory robotów mobilnych, Warsztaty Mobilnych Robotów, Zakopane, 1997, s. 15-22.
• [21] Mataric M., Cliff D., Challenges in Evolving Controllers for Physical Robots, Robotics and Autonomous Systems, 1996, Vol. 19, s. 67-83.
• [22] Matellan V., Fernandez C., Molina J., Genetic Learning of Fuzzy Reactive Controllers, Robotics and Autonomous Systems, 1998, Vol. 25, s. 33-41.
• [23] Michalewicz Z., Algorytmy genetyczne + struktury danych = programy evolucyjne, Warszawa, WNT 1999.
• [24] Miglino O., Lund H., Nolfi S., Evolving Mobile Robots in Simulated and Real Environments, Artificial Life, 1995, Vol. 2(4), s. 417-434.
• [25] Ram A., Arkin B., Boone G., Pearce N., Using Genetic Algorithms to Learn Reactive Control Parameters for Autonomous Robotic Navigation, Journal of Adaptive Behaviour, 1994, Vol. 2(3), s. 277-304.
• [26] Reignier P., Supervised Incremental Learning of Fuzzy Rules, Robotics and Autonomous Systems, 1995, Vol. 16, s. 57-71.
• [27] Saffiotti A., Fuzzy Logic in Autonomous Navigation, w: Fuzzy Logic Techniques for Autonomous Vehicle Navigation, red. A. Saffiotti, D. Driankov, Phyisca-Verlag, 2001, s. 3-24.
• [28] Schultz A., Grefenstette J., Using a Genetic Algorithm to Learn Behaviours for Autonomous Vehicles, Proc. Navigation and Control Conf, Hilton Head, 1992, s. 739-749.
• [29] Skrzypczyński P., Rudziński D., Adaptacyjny system nawigacji odruchowej robota mobilnego, VII Krajowa Konferencja Robotyki, Prace Naukowe ICT PWr, Wrocław, 2001, s. 159-168.
• [30] Skrzypczyński P., Practical Application of Fuzzy Logic and Genetic Learning to Control a Mobile Robot, Krajowa Konferencja Systemów Rozmytych, Kraków 2002, s. 233-240.
• [31] Skrzypczyński P., Genetic Algorithm Based Learning in a Fuzzy Logic Mobile Robot Controller, Prepr. 7th IFAC Symp. on Robot Control (SYROCO), Wrocław 2003, s. 599-604.
• [32] Skrzypczyński P., An Approach to Low-cost Real-time Visual Perception in a Mobile Robot, Proc. Conf. Automation 2004, Warszawa 2004, s. 403-412.
• [33] Skrzypczyński P., Experimental Validation of the Fuzzy Reactive Behaviours Evolved in Simulation, w: Intelligent Autonomous Systems 8, red. F. Groen et al., IOS Press, 2004, s. 464-471.
• [34] Skrzypczyński P., Shaping in a Realistic Simulation: An Approach to Learn Reactive Fuzzy Rules, Prepr. 5th IFAC/EURON Symp. on Intelligent Autonomous Vehicles, Lizbona 2004, CD-ROM.
• [35] Watanabe, K., Izumi, K., A Survey of Robotic Control Systems Constructed by Using Evolutionary Computations, Proc. IEEE Int. Conf. on Systems, Man, and Cybernetics, Tokyo 1999, s. 758-763.
• [36] Wiktorowicz K., Sterowanie autonomiczne robotem mobilnym Khepera, VI Krajowa Konferencja Robotyki, Prace Naukowe ICT PWr, Wrocław, 1998, s. 151-160.
• [37] Xu W. L., Tso S. K., Sensor-Based Fuzzy Reactive Navigation of a Mobile Robot Through Local Target Switching, IEEE Trans. on Systems, Man, and Cybernetics, 1999, Vol. 29(3), s. 520-532.
• [38] Zagal J. C., Ruiz-del-Solar J., Vallejos P., Back to Reality: Crossing the Reality Gap in Evolutionary Robotics, Prepr. 5th IFAC/EURON Symp. on Intelligent Autonomous Vehicles, Lizbona 2004, CD-ROM.