Uso de la Inteligencia Artificial para Incrementar la Autonomía de un Robot Móvil Mindstorms NXT en Tareas de Clasificación de Patrones
Abraham Esteban Gamarra Moreno1, Juan Gamarra Moreno2, Job Daniel Gamarra Moreno3
1 Universidad Nacional del Centro del Perú, Av. Mariscal Castilla N° 3909, Huancayo, Perú
2 Universidad Nacional Mayor de San Marcos, Calle Germán Amézaga N° 375, Lima, Perú
3 Universidad Continental, Av. San Carlos 1980, Huancayo, Perú
Recibido el 16 de junio del 2018. Aceptado el 5 de julio del 2018
Resumen
La inteligencia artificial es un área que intenta dotar de inteligencia a las máquinas y entre los tópicos que desarrolla están los sistemas expertos, la lógica difusa, los sistemas de planificación, los algoritmos de búsqueda, la computación evolutiva, redes neuronales artificiales entre otros. Los tópicos de la inteligencia artificial que utiliza este artículo son la visión artificial y las redes neuronales artificiales; además utiliza el microbot o robot móvil Mindstorms NXT, que tiene una capacidad limitada en el procesamiento, así como en el almacenamiento de información. La limitación del robot móvil se da porque no tiene a bordo un computador potente para procesar los algoritmos de visión artificial y de las redes neuronales artificiales; por lo que se utiliza un computador externo para realizar su control a través de la tecnología bluetooth. El procesamiento de los algoritmos de visión artificial y de redes neuronales artificiales se realiza en el computador externo y las acciones que ejecuta el robot móvil son enviadas a este, a través de la comunicación bluetooth. El artículo considera que existe autonomía en un robot móvil, cuando este realiza sus acciones sin intervención humana y los indicadores seleccionados para medir esta autonomía son la localización autónoma de los patrones a reconocer y el reconocimiento autónomo o clasificación de estos patrones. La implementación de la localización autónoma de los patrones a reconocer utiliza sensores ópticos, sensores ultrasónicos y el lenguaje de programación C#; así como el reconocimiento autónomo de patrones utiliza una cámara inalámbrica ubicada en el robot móvil, algoritmos de visión artificial, redes neuronales artificiales y el lenguaje de programación visual basic .NET. Los resultados muestran que el promedio del indicador porcentaje de patrones localizados en forma correcta en el entorno por el robot móvil Mindstorms NXT es de 37.81% cuando no se usa la inteligencia artificial y es de 97.18% cuando se usa la inteligencia artificial. Además, el promedio del indicador porcentaje de patrones reconocidos en forma correcta en el entorno por el robot móvil Mindstorms NXT es de 46.25% cuando no se usa la inteligencia artificial y es de 96.87% cuando se usa la inteligencia artificial.
Descriptores: inteligencia artificial, visión artificial, redes neuronales, clasificación de patrones, sensores ópticos, sensores de ultrasonido, microbots, Mindstorms NXT.
Abstract
Artificial intelligence is an area that tries to equip the machines with intelligence and among the topics developed are expert systems, fuzzy logic, planning systems, search algorithms, evolutionary computation, artificial neural networks among others. The topics of artificial intelligence used in this article are artificial vision and artificial neural networks; also uses the microbot or mobile robot Mindstorms NXT, which has a limited capacity in the processing, as well as in the storage of information. The limitation of the mobile robot is because it does not have a powerful computer on board to process artificial vision algorithms and artificial neural networks; so an external computer is used to perform its control through bluetooth technology. The processing of artificial vision algorithms and artificial neural networks is done on the external computer and the actions performed by the mobile robot are sent to it, through bluetooth communication. The article considers that there is autonomy in a mobile robot, when it performs its actions without human intervention and the indicators selected to measure this autonomy are the autonomous localization of the patterns to be recognized and the autonomous recognition or classification of these patterns. The implementation of the autonomous localization of the patterns to be recognized uses optical sensors, ultrasonic sensors and the C # programming language; as well as the autonomous recognition of patterns uses a wireless camera located in the mobile robot, artificial vision algorithms, artificial neural networks and the visual basic .NET programming language. The results show that the average of the indicator percentage of patterns correctly located in the environment by the Mindstorms NXT mobile robot is 37.81% when artificial intelligence is not used and it is 97.18% when artificial intelligence is used. In addition, the average of the indicator percentage of patterns correctly recognized in the environment by the Mindstorms NXT mobile robot is 46.25% when artificial intelligence is not used and is 96.87% when using artificial intelligence.
Keywords: artificial intelligence, artificial vision, artificial neural networks, pattern classification, optical sensors, ultrasound sensors, microbots.
Simply Coded Evolutionary Artificial Neural Networks on a Mobile Robot Control Problem
