| dc.description.abstract | RESUMEN: Diversas investigaciones utilizan los Algoritmos Genéticos (AG) en su versión estándar para resolver el problema de la locomoción de los robots con patas, coinciden que estos algoritmos demandan un alto costo computacional y un mayor consumo de energía, por el procesamiento de cientos de individuos y las operaciones que se ejecutan en cada generación para encontrar la convergencia a las soluciones.
Esta investigación doctoral se enfoca a las áreas de oportunidad detectadas en el estado del arte, se diseñó un nuevo micro-Algoritmo Genético o Bio-Inspirado Segmentado que debido a su población reducida y la segmentación de los individuos, disminuye el tiempo de procesamiento y el espacio en memoria para ejecutar el micro AG segmentado, lo anterior permite implementarlo en un sistema embebido (SE) multi-núcleos y ejecutar tareas en paralelo lo que también contribuye a reducir el tiempo de procesamiento y lograr el aprendizaje de la locomoción de un robot cuadrúpedo con tres grados de libertad en cada pata. El robot se diseñó y fabricó en el CIDETEC.
Es de interés en esta investigación utilizar técnicas de inteligencia artificial por medio de un micro Algoritmo Genético segmentado (µAGs) es más rápido para encontrar las soluciones con respecto a un µ AG sin perder las potencialidades de un AG estándar, este nuevo algoritmo es aplicable para el aprendizaje de locomoción en robots de dos, cuatro, seis y ocho patas, además de contribuir en estos sistemas en una mayor autonomía en el medio ambiente o interiores, con la finalidad de darles aplicaciones en tareas de riesgos para el ser humano, tareas militares, zonas de derrumbes, tareas en el espacio, el mar y aplicaciones en la naciente industria 4.0, nuevas técnicas de inspección por patrones, sistemas de controles inteligentes que requieren del aprendizaje y mejora continua.
Palabras claves: Algoritmos Genéticos (AG), micro Algoritmo Genético (µAG), micro Algoritmo Genético segmentado (µAGs), aprendizaje, locomoción.
ABSTRACT: Several investigations use the Genetic Algorithms (GA) in its standard version to solve the problem of robot locomotion with legs, agree that these algorithms demand a high computational cost and a greater energy consumption, by the processing of hundreds of individuals and the operations that are executed in each generation to find the convergence to the solutions.
This doctoral research focuses on the areas of opportunity detected in the state of the art, a new micro-Algorithm Genetic or Segmented Bio-Inspired was designed that, due to its reduced population and the segmentation of individuals, decreases the processing time and the space in memory to execute the segmented micro GA (sµGA), the previous allows to implement it in an embedded system (ES) multi-cores and execute tasks in parallel which also contributes to reduce the processing time and achieve the learning of the locomotion of a quadruped robot with three degrees of freedom in each leg. The robot was designed and manufactured at CIDETEC.
It is of interest in this research to use artificial intelligence techniques by means of a sµGA it is faster to find the solutions with respect to micro GA without losing the potential characteristics of a standard GA , this new algorithm is applicable for the learning of locomotion in robots of two, four, six and eight legs, besides contributing in these systems in a greater autonomy in the environment or interiors, with the purpose of giving them applications in tasks of risks for the human being, military tasks, landslide zones, tasks in space, the sea and applications in nascent industry 4.0, new inspection techniques by patterns, intelligent control systems that require learning and continuous improvement. | |
