Modular creation of neuronal networks for autonomous robot control

Autores
Osella Massa, Germán Leandro; Vinuesa, Hernán Luis; Lanzarini, Laura Cristina
Año de publicación
2006
Idioma
inglés
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
En general, las tareas de control complejas pueden ser resueltas dividiéndolas en módulos más específicos y fáciles de manejar. Varios autores han desarrollado distintas soluciones que combinan técnicas de Evolución por Capas con Redes Neuronales Evolutivas dando lugar a controladores formados por varias redes. En este tipo de soluciones la elección del módulo a utilizar en cada caso no es un problema de fácil solución. Este artículo está enfocado en la presentación de un nuevo mecanismo evolutivo que permite combinar los módulos que resuelven las distintas partes de un problema dando lugar a una única red neuronal recurrente. De esta forma, se trabaja con módulos simples que son entrenados independientemente del problema a resolver. La comunicación entre ellos se establece por evolución dando lugar a una única red neuronal que representa a la solución deseada. El método propuesto en este artículo ha sido utilizado para resolver el problema de evasión de obstáculos y alcance de objetivos utilizando un robot Khepera II. Las pruebas realizadas tanto en el ambiente simulado como sobre el robot real han arrojado resultados muy satisfactorios. Finalmente se incluyen algunas conclusiones junto con líneas de trabajo futuras
In general, complex control tasks can be solved by dividing them into simpler ones which are easier to handle. Several authors have developed different solutions that combine Layer Evolution techniques with Evolving Neural Networks, giving rise to controllers made up by several networks. In this type of solution, the selection of the module to be used in each case is not an easy problem to solve. This paper is focused on the presentation of a new evolving mechanism that allows combining the modules which solve the different parts of a problem, giving place to a single recurrent neural network. In this way, simple modules which are trained independently of the problem to solve are used. The communication among them is established by evolution, which gives rise to a single neural network representing the expected solution. The proposed method in this paper has been used to solve the problem of obstacle evasion and target reaching using a Khepera II robot. The tests carried out, both in the simulated environment and over the real robot, have yielded really successful results. Finally, some conclusions, together some future lines of work, are presented
VII Workshop de Agentes y Sistemas Inteligentes (WASI)
Red de Universidades con Carreras en Informática (RedUNCI)
Materia
Ciencias Informáticas
Robótica
Robotics
Neural nets
Redes Neurales (Computación)
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/22662

id SEDICI_5c84a2e85344649d7a979d056b7416f0
oai_identifier_str oai:sedici.unlp.edu.ar:10915/22662
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Modular creation of neuronal networks for autonomous robot controlOsella Massa, Germán LeandroVinuesa, Hernán LuisLanzarini, Laura CristinaCiencias InformáticasRobóticaRoboticsNeural netsRedes Neurales (Computación)En general, las tareas de control complejas pueden ser resueltas dividiéndolas en módulos más específicos y fáciles de manejar. Varios autores han desarrollado distintas soluciones que combinan técnicas de Evolución por Capas con Redes Neuronales Evolutivas dando lugar a controladores formados por varias redes. En este tipo de soluciones la elección del módulo a utilizar en cada caso no es un problema de fácil solución. Este artículo está enfocado en la presentación de un nuevo mecanismo evolutivo que permite combinar los módulos que resuelven las distintas partes de un problema dando lugar a una única red neuronal recurrente. De esta forma, se trabaja con módulos simples que son entrenados independientemente del problema a resolver. La comunicación entre ellos se establece por evolución dando lugar a una única red neuronal que representa a la solución deseada. El método propuesto en este artículo ha sido utilizado para resolver el problema de evasión de obstáculos y alcance de objetivos utilizando un robot Khepera II. Las pruebas realizadas tanto en el ambiente simulado como sobre el robot real han arrojado resultados muy satisfactorios. Finalmente se incluyen algunas conclusiones junto con líneas de trabajo futurasIn general, complex control tasks can be solved by dividing them into simpler ones which are easier to handle. Several authors have developed different solutions that combine Layer Evolution techniques with Evolving Neural Networks, giving rise to controllers made up by several networks. In this type of solution, the selection of the module to be used in each case is not an easy problem to solve. This paper is focused on the presentation of a new evolving mechanism that allows combining the modules which solve the different parts of a problem, giving place to a single recurrent neural network. In this way, simple modules which are trained independently of the problem to solve are used. The communication among them is established by evolution, which gives rise to a single neural network representing the expected solution. The proposed method in this paper has been used to solve the problem of obstacle evasion and target reaching using a Khepera II robot. The tests carried out, both in the simulated environment and over the real robot, have yielded really successful results. Finally, some conclusions, together some future lines of work, are presentedVII Workshop de Agentes y Sistemas Inteligentes (WASI)Red de Universidades con Carreras en Informática (RedUNCI)2006-10info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf1255-1266http://sedici.unlp.edu.ar/handle/10915/22662enginfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/2.5/ar/Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-29T10:55:07Zoai:sedici.unlp.edu.ar:10915/22662Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 10:55:08.153SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Modular creation of neuronal networks for autonomous robot control
title Modular creation of neuronal networks for autonomous robot control
spellingShingle Modular creation of neuronal networks for autonomous robot control
Osella Massa, Germán Leandro
Ciencias Informáticas
Robótica
Robotics
Neural nets
Redes Neurales (Computación)
title_short Modular creation of neuronal networks for autonomous robot control
title_full Modular creation of neuronal networks for autonomous robot control
title_fullStr Modular creation of neuronal networks for autonomous robot control
title_full_unstemmed Modular creation of neuronal networks for autonomous robot control
title_sort Modular creation of neuronal networks for autonomous robot control
dc.creator.none.fl_str_mv Osella Massa, Germán Leandro
Vinuesa, Hernán Luis
Lanzarini, Laura Cristina
author Osella Massa, Germán Leandro
author_facet Osella Massa, Germán Leandro
Vinuesa, Hernán Luis
Lanzarini, Laura Cristina
author_role author
author2 Vinuesa, Hernán Luis
Lanzarini, Laura Cristina
author2_role author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
Robótica
Robotics
Neural nets
Redes Neurales (Computación)
topic Ciencias Informáticas
Robótica
Robotics
Neural nets
Redes Neurales (Computación)
dc.description.none.fl_txt_mv En general, las tareas de control complejas pueden ser resueltas dividiéndolas en módulos más específicos y fáciles de manejar. Varios autores han desarrollado distintas soluciones que combinan técnicas de Evolución por Capas con Redes Neuronales Evolutivas dando lugar a controladores formados por varias redes. En este tipo de soluciones la elección del módulo a utilizar en cada caso no es un problema de fácil solución. Este artículo está enfocado en la presentación de un nuevo mecanismo evolutivo que permite combinar los módulos que resuelven las distintas partes de un problema dando lugar a una única red neuronal recurrente. De esta forma, se trabaja con módulos simples que son entrenados independientemente del problema a resolver. La comunicación entre ellos se establece por evolución dando lugar a una única red neuronal que representa a la solución deseada. El método propuesto en este artículo ha sido utilizado para resolver el problema de evasión de obstáculos y alcance de objetivos utilizando un robot Khepera II. Las pruebas realizadas tanto en el ambiente simulado como sobre el robot real han arrojado resultados muy satisfactorios. Finalmente se incluyen algunas conclusiones junto con líneas de trabajo futuras
In general, complex control tasks can be solved by dividing them into simpler ones which are easier to handle. Several authors have developed different solutions that combine Layer Evolution techniques with Evolving Neural Networks, giving rise to controllers made up by several networks. In this type of solution, the selection of the module to be used in each case is not an easy problem to solve. This paper is focused on the presentation of a new evolving mechanism that allows combining the modules which solve the different parts of a problem, giving place to a single recurrent neural network. In this way, simple modules which are trained independently of the problem to solve are used. The communication among them is established by evolution, which gives rise to a single neural network representing the expected solution. The proposed method in this paper has been used to solve the problem of obstacle evasion and target reaching using a Khepera II robot. The tests carried out, both in the simulated environment and over the real robot, have yielded really successful results. Finally, some conclusions, together some future lines of work, are presented
VII Workshop de Agentes y Sistemas Inteligentes (WASI)
Red de Universidades con Carreras en Informática (RedUNCI)
description En general, las tareas de control complejas pueden ser resueltas dividiéndolas en módulos más específicos y fáciles de manejar. Varios autores han desarrollado distintas soluciones que combinan técnicas de Evolución por Capas con Redes Neuronales Evolutivas dando lugar a controladores formados por varias redes. En este tipo de soluciones la elección del módulo a utilizar en cada caso no es un problema de fácil solución. Este artículo está enfocado en la presentación de un nuevo mecanismo evolutivo que permite combinar los módulos que resuelven las distintas partes de un problema dando lugar a una única red neuronal recurrente. De esta forma, se trabaja con módulos simples que son entrenados independientemente del problema a resolver. La comunicación entre ellos se establece por evolución dando lugar a una única red neuronal que representa a la solución deseada. El método propuesto en este artículo ha sido utilizado para resolver el problema de evasión de obstáculos y alcance de objetivos utilizando un robot Khepera II. Las pruebas realizadas tanto en el ambiente simulado como sobre el robot real han arrojado resultados muy satisfactorios. Finalmente se incluyen algunas conclusiones junto con líneas de trabajo futuras
publishDate 2006
dc.date.none.fl_str_mv 2006-10
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/22662
url http://sedici.unlp.edu.ar/handle/10915/22662
dc.language.none.fl_str_mv eng
language eng
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)
dc.format.none.fl_str_mv application/pdf
1255-1266
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1844615810038890496
score 13.070432