Robots mviles basados en conciencia Proyecto FIC

Coordinadora: Daniela Lopz De Luise Integrantes: Nelson Biedma Leonardo Isoba Gabriel Barrera Lucas Rancez David Trejo

Fast Intelligent - Conceptualizer

FIC

Objetivos
Desarrollar un sistema capaz de asesorar al controlador de un robot con mobilidad propia basado en codelets. Implementacin de un entorno de desarrollo para sistemas basados en conciencia.

Alcance
Desarrollar el prototipo de un sistema asesor para controlador de robot mvil autnomo, en entornos dinmicos y con conceptualizacin de obstculos.

FIC
El sistema pretende proveer la informacin necesaria para que el controlador pueda:
Reconocer obstculos aprendidos; Definir acciones nuevas; Reconocer y aprender nuevos obstculos; Reconocer y actuar en consecuencia en ambientes peligrosos (hostil)

AlgOC
Entorno de desarrollo, ensayo y optimizacin de programas utilizando conceptos fluidos y alto nivel de percepcin. Modeliza conceptos fluidos, y da los medios para su manipulacin.

Descripcin Funcional
Inicio del sistema:
Se carga el conocimiento previo inicial, dominio del problema (FIC) Inicio de RTC, notificacin y establecimiento de protocolo con FIC Al iniciar, el Robot, comienza a enviar la informacin captada al RTC Se genera el mapa inicial (mapa dinmico) con la informacin procesada Parte de la informacin es enviada a FIC para establecer el estado inicial del sistema y la actualizacin de la Base de Datos local de Conocimiento Dinmico.

Funcionamiento
Deteccin de obstculo y notificacin al RTC Solicitud de informacin al robot y envo a FIC Reconocimiento de obstculo o inclusin de concepto. Asesoramiento a RTC Con informacin actualizada el RTC decide la modificacin del comportamiento del robot.

Arquitectura FIC

Mtricas y Caracterizacin
La aplicacin de mtricas proporciona un criterio unificado para la evaluacin del desempeo de los robots mviles utilizando diferentes algoritmos de control. SL1: distancia media de los obstculos medidos por todos los sensores. SL2: distancia mnima media de los obstculos. SL3: tiempo medio necesario para evitar un obstculo. SD1: promedio de la distancia mnima desde los sensores a cada obstculo durante toda la trayectoria. PL: distancia total recorrida por el robot. Perodos de control: cantidad de muestras durante toda la trayectoria. Est relacionado con el nmero de decisiones tomadas por el planificador de ruta para alcanzar la meta. Be: funcin de la curvatura empleada para la evaluacin de la suavidad del movimiento.

Mtricas y Caracterizacin

Caracterizar el problema de la localizacin de esta manera es muy til para reconocer automticamente el tipo de ambiente. Esto es muy importante cuando hay un ecosistema robtica.

Fusin de datos de sensores

Combinar informacin proveniente de GPS, Gyro, Acelerometro, Ultrasonido con el objetivo de proporcionar una descripcin completa del ambiente.

Hallazgos
Se comprob que Flexo, LIDA e IDA no aplican en la robtica y dicha apliaciones no llegaron a ser viables en la vida real. Se teoriz el aprendizaje por medio de conceptos. Implementacin del algoritmo de Montercarlo en manera Difusa. Mejora del algoritmo tradicional para odometra. Desarrollo de mtricas estandarizadas, por primera vez se estableci un protocolo unificado. Aportando a la creacin de un protocolo en la IEEE.

Publicaciones
An autonomous robot prototype using Concept Learning model. ICSCA 2010. Lightweight mobile robot data processing. 2010 ALIO. An autonomous robot prototype using Concept Learning model. Presentado en el 4 Torneo Regional de Inteligencia Computacional IV. Buenos Aires, 2010. Robot Localization Using Consciousness. Journal of Pattern Recognition Research (JPRR). 2011. Consciousness for Robot Controller: Autonomous Mobile Robot Adaptation. 40 Jornadas Argentinas de Informtica. August 2011. Performance evaluation for autonomous mobile robots. Espaa. ICAART 2012. 15-18 de febrero de 2013. Colaboracin en el estandar IEEE P1873/D1 (Robot Map Data Representation for Navigation).

Reconocimientos
Banco Rio bank prize for the direction of the research project, FIC: Indexacin de sonidos (FIC: Sound indexing). July 31st , 2007. Prize TRIC IV : special mention to FIC project in AIGroup, for the relevant contribution to the field. 2010. Paper: An autonomous robot prototype using concept learning model.

Seminarios
Sistema robtico basado en conceptos (Robotic system based on consciousness). Universidad de Palermo. IEEE Buenos Aires. Argentine. Mayo 2009 Un prototipo de Robot autnomo usando el concepto de modelo de aprendizaje (A robotic prototype using consciousness model for learning). ICSCA 2010. USA. Sistemas de modelizacin de conciencia (Consciousness models). Universidad de Palermo. IEEE. Buenos Aires, Argentine. August 2010. Prcticas y fundamentos de Sistemas Expertos (Expert systems, fundamentals and applications). Work-shop. Palermo Unviersity. June 2011. Elevator pitch: 1st National Meeting of PLATA. Platform for EU-Latin American projects. October 2011.

 Implementar el entorno de desarrollo (AlgOC) en otros proyectos que utilicen aprendije conceptual. Reconocer y conceptualizar familias de objetos en el ambiente. Utilizar estadsticas y bitcoras para optimizar los procesos realizados por los algoritmos a fin de una respuesta ms ptima del robot. Implementar la memoria a largo plazo del sistema conceptualizador, con mtricas, y patrones de bsqueda. Administrar y crear conceptos difusos. Fusin de los datos enviados por sensores mediante una placa integradora. Desarrollo de una nueva plataforma robtica movil.

Trabajo a futuro