MEJORAMIENTO EN APRENDIZAJE DE MOVIMIENTOS EN ROBOTS A PARTIR DE UNA RED t-HYPERNEAT

REYES ROBLES, PABLO GABRIEL

2018

Descargar documento

Robots de extremidades móviles son recurrentes en temas de investigaciòn relacionados a la robótica bio-inspirada e inteligencia artificial, teniendo como objetivo final poder otorgar autonomía en sus movimientos y acciones. En este proyecto de titulación se ha investigado sobre m´etodos de neuroevolución aplicados para la generación de caminatas en robots con extremidades móviles, específicamente el algoritmo Hipercubo basado en el Aumento de Topologías (HyperNEAT), que permite la evolución de redes de gran escala usando regularidades geométricas para un problema descrito haciendo uso del algoritmo Neuroevolución basado en el Aumento de Topologías (NEAT). A partir de HyperNEAT se desarrolló t-HyperNEAT que agrega retardos de tiempo en la excitación de las señales en el substrato de la red. Ambos algoritmos han sido utilizado para la generaci´on de caminatas en robots móviles, viendo en -HyperNEAT movimientos más naturales y complejos. En base a los resultadosconocidos en trabajos previos esta memoria propone la implementaci´on del método de Evolución de substrato en una red HyperNEAT (ES-HyperNEAT) que permite la generación de substratos que no posean topologías fijas a partir de una red NEAT. El propósito de este algoritmo pretende buscar estructuras de red ideales para la realización de caminatas en robots con extremidades móviles y evitar la información redundante en un substrato con nodos posicionados de forma manual. Finalmente los resultados de los entrenamientos utilizando ES-HyperNEAT demuestran una gran diversidad en los movimientos aprendidos por el robot alcanzando la solución al problema en menor cantidad de iteraciones que en su predecesor.

ES-HYPERNEAT||¿-HYPERNEAT||HYPERNEAT||NEUROEVOLUCION||RED NEURONAL ARTIFICIAL;