Otimização do movimento de um robô móvel por meio de algoritmos evolucionários
DOI:
https://doi.org/10.56762/tecnia.v9i2.2102Palavras-chave:
algoritmo de evolução diferencial, Algoritmo genético, controle, robótica evolucionáriaResumo
O presente trabalho aborda a aplicação de algoritmos evolucionários no intuito de encontrar a rota e os parâmetros ótimos de um controlador de movimento para melhor aproveitar a dinâmica de um robô móvel. Esse estudo foi realizado através do simulador CoppeliaSim onde um controle de movimento é utilizado para deslocar um robô móvel em um cenário com de 16 pontos de passagem, distribuídos de maneira não uniforme, sujeito a quedas e movimentos indesejados. Assim, os parâmetros do controlador e a rota são otimizados a partir da combinação de um algoritmo genético e um algoritmo de evolução diferencial a fim de que o robô móvel passe nos 16 pontos no menor tempo possível. Essa combinação de técnicas de inteligência artificial propiciou uma maior variedade de soluções e portanto um tempo otimizado de deslocamento, além de eliminar soluções que levavam a quedas ou movimentos de órbitas do robô móvel.
Referências
EIBEN, A.; SMITH, J. Introduction to Evolutionary Computing. [S. l.]: Springer Berlin Heidelberg, 2015. (Natural Computing Series).
COPPELIA Robotics. Scripts. Disponível em: https://manual.coppeliarobotics.com/en/scripts.htm.
FREITAS, E. J. de R.; COHEN, M. W.; GUIMARÃES, F. G. An autonomous mobile robot path planner using spline curves and differential evolution. Recife: IEEE, 2023.
SHIM, H., S.; KIM, J. Robust control of non-holonomic wheeled mobile robot based on evolutionary programming for optimal motion. In: Proceedings of 1995 IEEE International Conference on Evolutionary Computation. [S.l.: s.n.], 1995. v. 2, p. 625–630 vol.2.
IBA, H. Frontiers in Evolutionary Robotics. 1. ed. [S. l.]: Tech Education and Publishing, 2008.
ITO, K.; IWASAKI, M.; MATSUI, N. Ga-based practical compensator design for a motion control system. IEEE/ASME Transactions on Mechatronics, [s. l.], v. 6, n. 2, p. 143-148, 2001.
PARQUE, V.; MIYASHITA, T. Smooth curve fitting of mobile robot trajectories using differential evolution. IEEE Access, [s. l.], v. 8, p. 82855-82866, 2020.
QIN, K.; SUGANTHAN, P. Algoritmo de evolução diferencial autoadaptável para otimização numérica. In: CONGRESSO IEEE SOBRE COMPUTAÇÃO EVOLUTIVA, 2005, Edimburgo, Reino Unido. Anais […]. Edimburgo, Reino Unido: CEC, 2005. v. 2, p. 1785-1791.
SAMI, T. A.; MOMEN, S. Optimization of energy consumption in swarms of robots. In: INTERNATIONAL CONFERENCE OF COMPUTER SCIENCE AND RENEWABLE ENERGIES, 2019, [s. l.]. Anais […]. [S. l.]: ICCSRE, 2019. p. 1-5.
TANG, B.; XIANG, K.; PANG, M.; ZHANXIA, Z. Multi-robot path planning using an improved self-adaptive particle swarm optimization. International Journal of Advan- ced Robotic Systems, [s. l.], v. 17, n. 5, 2020.
WALKER, M.; MESSOM, C. H. A comparison of genetic programming and genetic algorithms for auto-tuning mobile robot motion control. In: PROCEEDINGS First IEEE Internati- onal Workshop on Electronic Design, Test and Applications 2002. [S. l.: s. n.], 2002. p. 507-509.
ZHANG, C.; ZHAI, B.; DING, L.; LIANG, Z. Research on path planning of inspection robots for epidemic prevention. In: 5TH INTERNATIONAL CONFERENCE ON MECHA- TRONICS TECHNOLOGY AND INTELLIGENT MANUFACTURING, 2024, [s. l.]. Anais […]. [S. l.]: ICMTIM, 2024. p. 493-497.
Downloads
Publicado
Como Citar
Licença
Copyright (c) 2025 https://creativecommons.org/licenses/by-nc-nd/4.0/
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
