Planeación de Trayectorias de un Robot Móvil Basado en Redes Bayesianas

Autores/as

  • Carlos Ceballos Castillo Universidad del Papaloapan, Campus Loma Bonita Av. Ferrocarril s/n, San Antonio, 68400 Loma Bonita, Oaxaca
  • Hiram Netzahualcóyotl García Lozano Universidad del Papaloapan, Campus Loma Bonita Av. Ferrocarril s/n, San Antonio, 68400 Loma Bonita, Oaxaca
  • Eduardo Sánchez-Soto Universidad del Papaloapan, Campus Loma Bonita Av. Ferrocarril s/n, San Antonio, 68400 Loma Bonita, Oaxaca

DOI:

https://doi.org/10.30973/progmat/2018.10.3/5

Palabras clave:

Robótica móvil, Navegación, Planeación de Rutas, Evasión de Obstáculos

Resumen

Este trabajo describe los resultados de la implementación de un modelo de Redes Bayesianas como parte del sistema de navegación en un robot móvil, el cual tiene como misión llegar a un objetivo predeterminado conociendo su posición inicial pero no su entorno. Se genera un modelo para la evasión, el cual considera la implementación de 3 sensores frontales en el robot, para la medición de las distancias a los obstáculos y se hace la comparación al considerar en el modelo el error generado en la posición del robot con respecto a la trayectoria original, logrando así, corregir su orientación para llegar al objetivo por medio del proceso de inferencia en la red de forma secuencial.

Biografía del autor/a

Carlos Ceballos Castillo, Universidad del Papaloapan, Campus Loma Bonita Av. Ferrocarril s/n, San Antonio, 68400 Loma Bonita, Oaxaca

Es Ingeniero en Electromecánica con especialidad en Automatización por el Instituto Tecnológico de Tuxtepec en 2003. Actualmente es candidato al grado de Maestro en optimización y Control de sistemas por la Universidad del Papaloapan Campus Loma Bonita. Sus áreas de interés son la Robótica Probabilística y los Algoritmos de Optimización.

Hiram Netzahualcóyotl García Lozano, Universidad del Papaloapan, Campus Loma Bonita Av. Ferrocarril s/n, San Antonio, 68400 Loma Bonita, Oaxaca

Es Ingeniero en Electrónica por el Tecnológico de Estudios Superiores de Ecatepec desde 1998. Obtiene el grado de Maestro y Doctor en Ciencias con Especialidad en Control Automático por el Centro de investigación y de Estudios Avanzados del IPN en 2001 y 2006. Actualmente es Profesor titular A y Director del Instituto de Agroingeniería de las Universidad del Papaloapan. Sus principales líneas de investigación son el Análisis y Control de Sistemas con Retardo.

Eduardo Sánchez-Soto, Universidad del Papaloapan, Campus Loma Bonita Av. Ferrocarril s/n, San Antonio, 68400 Loma Bonita, Oaxaca

Es Ingeniero en Telecomunicaciones por la facultad de ingeniería de la UNAM desde 1996. Obtuvo el grado de Maestro en Ciencias en Señal, Telecomunicaciones, Imágenes y Radar por la Universidad de Rennes 1 y Escuela Superior de Telecomunicaciones de Bretaña en 2001, en 2005 obtuvo el grado de Doctor en Procesamiento de Señales e Imágenes por la Escuela superior de Telecomunicaciones de Paris, en 2006 y 2007 realiza una estancia PostDoctoral en la Universidad Técnica de Creta y el Instituto de Investigaciones en Informática de Toulouse. Actualmente es Profesor titular A de la carrera de Ingeniería en Computación de la Universidad del Papaloapan, siendo parte del cuerpo académico y de investigación en Computo Científico y Matemáticas Aplicadas. Sus principales líneas de investigación son el Procesamiento de Señales, el Reconocimiento de Patrones y la Biometría.

Citas

Smith, R., Self, M. and Cheeseman, P. Estimating Uncertain Spatial Relationships in Robotics. 1990, Menlo Park, California.

Moravec, H. and Elfes, A. High Resolution Maps from Wide Angle Sonar. 1985, Carnegie-Mellon University, Pittsburgh.

Elfes, A. Sonar-Based Real-World Mapping and Navigation. 1987, Carnegie-Mellon University, Pittsburgh.

Montemerlo, M. FastSLAM: A Factored Solution to the Simultaneous Localization and Mapping Problem With Unknown Data Association. 2003, Carnegie-Mellon University, Pittsburgh.

Thrun, S., B¨ucken, A., Burgard, W., Fox, D., Fröhlinghaus, T., Hennig, D., Hofmann, T., Krell, M. and Schmidt, T. Map Learning and High Speed Navigation in RHINO. 1998, Cargie Mellon University, Pittsburgh.

Martinez, A., Tunstel, E. and Jamshidi, M. Fuzzy Logic Based Collision Avoidance For a Mobile robot. 1994, University of New Mexico, Albuquerque.

Nourbakhsh I., Powers R. and Birchfield S. Dervish: An office-navigating robot. AI Magazine, page 53-60, Summer 1995. https://doi.org/10.1609/aimag.v16i2.1133

Hwam Lim, J. Mobile Robot Relocation from Echolocation Constraints. 2000, Cheju National University, Cheju, Korea.

Hart, P. E., Nilsson, N. J., & Raphael, B. A formal basis for the heuristic determination of minimum cost paths. 1968, IEEE transactions on Systems Science and Cybernetics, 4(2), 100-107. https://doi.org/10.1109/TSSC.1968.300136

Meng, A. C. Dynamic motion replanning for unexpected obstacles. In Robotics and Automation, 1988. Proceedings., 1988 IEEE International Conference on (pp. 1848-1849). IEEE. https://doi.org/10.1109/ROBOT.1988.12335

Palmieri, L., & Arras, K. O. A novel RRT extend function for efficient and smooth mobile robot motion planning. 2014, In Intelligent Robots and Systems (IROS 2014), IEEE/RSJ International Conference on (pp. 205-211). IEEE. https://doi.org/10.1109/IROS.2014.6942562

Chen, W., Wu, X., & Lu, Y. An improved path planning method based on artificial potential field for a mobile robot. 2015, Cybernetics and Information Technologies, 15(2), 181-191. https://doi.org/10.1515/cait-2015-0037

Pearl, J. Probabilistic Reasoning in Intelligent Systems: Networks of Plausible Inference. 1988, Morgan Kaufmann, San Diego.

Murphy, K. P. Dynamic Bayesian Networks: Representation, Inference and Learning. 2002, Ph. D. thesis, University of California, Berkeley

Descargas

Publicado

12-11-2018

Cómo citar

Ceballos Castillo, C., García Lozano, H. N., & Sánchez-Soto, E. (2018). Planeación de Trayectorias de un Robot Móvil Basado en Redes Bayesianas . Programación matemática Y Software, 10(3), 40–47. https://doi.org/10.30973/progmat/2018.10.3/5

Número

Vol. 10 Núm. 3 (2018): Octubre de 2018

Sección

Artículos

Licencia

Derechos de autor 2018 Programación Matemática y Software

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.

Usted es libre de:

Compartir — compartir y redistribuir el material publicado en cualquier medio o formato.
Adaptar — combinar, transformar y construir sobre el material para cualquier propósito, incluso comercialmente.

Bajo las siguientes condiciones:

Atribución — Debe otorgar el crédito correspondiente, proporcionar un enlace a la licencia e indicar si se realizaron cambios. Puede hacerlo de cualquier manera razonable, pero de ninguna manera que sugiera que el licenciador lo respalda a usted o a su uso.
  Sin restricciones adicionales: no puede aplicar términos legales o medidas tecnológicas que restrinjan legalmente a otros a hacer cualquier cosa que permita la licencia.