tr excavacion rob

7/23/2019 Tr Excavacion Rob

1/21

i

Agent-Based Control for Fuzzy Behaivor

Programming in Robotic Excavation

Fei-Yue Wang, Fellow, IEEE. (Agosto, 2004)

Nombre: Johanna Echegoyen Lpez

DNI: 72707584-F

Universidad de Salamanca

Departamento de Informtica y Automtica.

Sistemas Avanzados de Produccin

Trabajo de Doctorado 2004-2005-.


2/21

ii

Tabla de Contenido

RESUMEN........................................................................................................................................................ 1

INTRODUCCIN............................................................................................................................................ 2

1) CONTROL BASADO EN AGENTES PARA EXCAVACIN.............................................................. 4

2) COORDINACIN Y ESPECIFICACIN DE AGENTE........................................................................ 5

3) AGENTES DE CONTROL Y PRIMITIVAS DE MOVIMIENTO......................................................... 8

4) REGLAS DE CONTROL LGICO DIFUSO PARA PRIMITIVAS DE MOVIMIENTO DE

EXCAVACIN ROBTICA........................................................................................................................ 10

5) EXPERIMENTOS DE LABORATORIO................................................................................................ 13

A.TAREAS DE EXCAVACIN SIMPLE............................................................................................................ 13

B.TAREAS COMPLEJAS DE EXCAVACIN ..................................................................................................... 15

6) COMPARACIN CON OTROS ARTCULOS CIENTFICOS SOBRE EXCAVACIN

ROBTICA .................................................................................................................................................... 17

CONCLUSIONES.......................................................................................................................................... 18

BIBLIOGRAFA............................................................................................................................................ 19


3/21

1

Resumen

Este artculo discute el concepto, formulacin e implementacin del control basado enagentes para programacin difusa de comportamiento en excavacin robtica. Se introduce

el concepto de Transductores de Redes de Petri para describir la coordinacin yespecificacin de los agentes de control en excavacin, y se utilizan reglas de control difusopara implementar primitivas bsicas de movimiento.

Se construy un sistema de excavacin prototipo con manipuladores robticos PUMA y unsensor de esfuerzos/torques.

Se han realizado experimentos, cuyos resultados han demostrado que el mtodo de controlpropuesto es capaz de adaptarse continuamente y replanificar sus acciones basndose enretroalimentacin con sensores, y de completar sus tareas de excavacin en ambientesdinmicos y no estructurados.


4/21

2

Introduccin

La excavacin de tierra juega un papel esencial en actividades tales como minera,construccin, y en tratamientos de desechos peligrosos. La tendencia reciente hacia unamayor automatizacin de mquinas de movimiento de tierra tales como tractores,

bulldozers, etc, es reflejo de la necesidad de las industrias de mejorar la productividad, laeficiencia, y la seguridad.

Aunque la automatizacin de removedores de tierra ofrece grandes potenciales pero es unproblema difcil debido a que esas mquinas deben operar con recursos computacionales ysensoriales limitados, en ambientes al aire libre que pueden ser dinmicos y noestructurados, al aire libre, a menudo con poca visibilidad y en condiciones ambientalesinclementes.

En la ltima dcada, un amplio nmero de esfuerzos de investigacin se han dirigido a losmodelos, sensores, actuadores, estrategias de control y a las arquitecturas de sistemas, para

la operacin del movimiento de tierra automtica. Para el control de excavadoresautomticos, la mayora de la investigacin se ha concentrado en el tipo de excavadorbackhoe y los mtodos activos de control para la hoja cortadora han sido la base paramuchos estudios.

El mayor problema para trabajos como ste, es el requerimiento de un modelo matemticopara la interaccin entre las mquinas y el ambiente. Sin embargo, en la excavacin,especialmente en la excavacin de rocas, es imposible predecir qu ocurrir exactamente alas mquinas porque las caractersticas de los materiales en el sitio de la excavacin nopueden ser predeterminadas, y las condiciones de excavacin cambian continuamente, enla medida en que las mquinas mueven el material.

Esta complejidad implica que las mquinas automatizadas para la excavacin pueden no sercapaces de utilizar mtodos de control convencionales que estn basados en ecuacionesmatemticas, debido a que resulta imprctico o irrealizable desarrollar modelos analticospara especificar la interaccin entre la mquina excavadora y su ambiente. Por lo tanto, sedeben desarrollar nuevos mtodos de control para tales aplicaciones.

Por otro lado, los operadores humanos pueden lograr un control sofisticado de mquinasexcavadoras en ambientes dinmicos, inestructurados e impredecibles. Esto nos ha llevadoa trabajar usando programacin de comportamiento, control difuso, y redes neuronales parala excavacin automtica, desde los comienzos de la dcada de los 90.

La motivacin para este tipo de enfoque es simple: Como el proceso humano de controlpara las tareas de excavacin no requiere de modelos analticos de la interaccinmquina/ambiente, es ventajoso construir un sistema de control para la excavacin usandola experiencia y el conocimiento de los operadores humanos expertos. Tanto las pruebas delaboratorio con prototipos de mquinas excavadoras como la implementacin en campo de


5/21

3

ruedas cargadoras industriales y otro tipo de vehculos han producido resultados exitosos yhan demostrado grandes potenciales para nuestros mtodos de control propuestos.

Este artculo se centra en control basado en agentes para programacin difusa decomportamiento en excavacin robtica. La idea bsica es modificar y encapsular los

programas de comportamiento que hemos desarrollado para la excavacin en agentes decontrol para que se puedan manejar y ejecutar en un ambiente interconectado. Esto nospermitir implementar un sistema de control para excavacin robtica de alto rendimiento einteligencia con recursos computacionales y memoria limitados.


6/21

4

1) Control Basado en Agentes para Excavacin

En el enfoque convencional de control de comportamiento, la excavacin robtica esgeneralmente llevada a cabo a travs de los siguientes pasos: Especificacin de objetivos,organizacin de tareas, coordinacin de comportamiento y ejecucin de acciones. Este

enfoque est basado en la restriccin de que el sistema de control para excavacin robticadebe estar alojado y soportado enteramente por el equipo de computacin que se encuentreen el vehculo, normalmente en minas.

Sin embargo, en nuestro nuevo enfoque de control basado en agentes, asumimos que losvehculos de excavacin estn conectados a un centro de operacin, a travs de redesinalmbricas, normalmente comunicacin va satlite, como los usados actualmente poralgunos cargadores de neumticos Caterpillar, pero solo para propsitos de servicio ymantenimiento hasta ahora. La disponibilidad de la conectividad inalmbrica nos permitedisear una nueva arquitectura de control que podra utilizar recursos computacionalesadicionales para ejecutar tareas de excavacin de forma ms efectiva e inteligente sin

incrementar los costos actuales de los sistemas de implementacin.

En el control basado en agentes para la programacin de comportamiento en la excavacinrobtica, el sistema de control est dividido en dos partes: Un sistema de control local parala ejecucin de tareas y un supervisor remoto para el despacho y aprendizaje.

El sistema de control local para excavacin est soportado por un vehculo de minera ydirige sus tareas con un grupo de agentes de control por defecto que se encuentran en elvehculo y un grupo de agentes de control activos que estn provistos por un supervisorremoto, a travs de la red. Cuando la comunicacin est disponible y se permiten respuestasen tiempo real, agentes de control activos ejecutarn la tarea de excavacin y normalmente

conducirn a mejores resultados en trminos de la productividad y de daos a los vehculos.

Si la red est cada o no se permiten respuestas en tiempo real, entonces las tareas deexcavacin sern llevadas a cabo por, o bien los agentes de control activos que se ejecutanen ese momento, o por los agentes de control por defecto, ya que ellos son los nicosagentes de control disponibles para la tarea de ejecucin en esas situaciones.

El supervisor remoto est alojado en un centro remoto de operacin central, conectado alvehculo a travs de la red inalmbrica. La funcin principal de el supervisor es mantener,modificar, incluso disear agentes de control para excavacin, seleccionar y enviar unagente de control particular o un grupo de agentes de control como agentes de control

activos para la ejecucin ptima al control local, basndose en las caractersticas del sitio,capacidades del vehculo.

Las dos cuestiones clave para la supervisin remota son los algoritmos de aprendizajeefectivo para mejorar la ejecucin de los agentes de control y los algoritmos de despachopara determinar cundo y cules agentes de control sern seleccionados y programados paraser enviados para tareas de excavacin local.


7/21

5

En el enfoque de control basado en agentes, la excavacin robtica es conducida medianteespecificacin de objetivos, organizacin de tareas, coordinacin de agentes, y ejecucin demovimientos. Generalmente, un objetivo de excavacin puede ser asignado tanto por unoperador humano o seleccionado por un sistema de control a partir de un grupo de objetivos

predeterminados. Un objetivo se logra organizando apropiadamente las tareas deexcavacin en secuencias de ejecuciones. Una tarea de excavacin est conducidacoordinando agentes de control activos o por defecto, basados en retroalimentacinsensorial y las condiciones del vehculo. Finalmente, un agente de control ejecuta susfunciones a travs de una secuencia de comandos de primitivas de movimiento que sonprediseados y especificados por reglas de decisin difusas.

2) Coordinacin y Especificacin de Agente

Una Red de Petri es una herramienta formal, matemtica y grfica para el modelado de

sistemas. En 1962 Carl Adam Petri defini esta herramienta que generaliza los autmatasde estado finito. La herramienta permite especificar una variedad de sistemas concurrentes,distribuidos, asncronos paralelos, determinsticos y no determinsticos.

Las Redes de Petri son aplicadas a diferentes disciplinas: ingeniera, manufactura, negocios,qumica y ahora hasta en procesos judiciales. Como herramienta grfica, las redes de Petrial igual que los diagramas de flujo pueden ser usadas como ayuda para comunicacinvisual.

En cuanto al diseo de mquinas inteligentes, las redes de Petri son utilizadas paraformalizar el proceso de coordinacin y especificacin de agentes. Esto se logra

modelando a las tareas y a los agentes utilizando transductores (PNTs). Un PNT(Transductor de Redes de Petri) para tareas de excavacin especifica todas las secuenciasrealizables de agentes para su finalizacin, mientras que un PNT para un agente de controldefine todas las posibles secuencias de primitivas de movimiento para su ejecucin.

Un PNT M, M es una sxtupla:

M= (N, , , , , F)

Donde:

i)

N= (P,T,I,O) es una red Petrti con la marca inicial ;ii) es un alfabeto de entrada finito;iii)

es un alfabeto de salida finito;iv) es un mapa de traduccin de T x (U {}) al grupo finito de *;v) F C R() es un grupo de marcas finales;

representa el string vaco, * el grupo de todos los strings sobre , y R() el grupo demarcas alcanzables de .


8/21

6

En el modelo actual representa el grupo de fuentes de entrada al PNT, el grupo decomandos o salidas del PNT, la red Petri N y el mapeo determinan el estado detransicin y la tarea de ejecucin, y F especifican el estado inicial y el grupo de estadosfinales a ser alcanzados por el PNT, respectivamente.

Usando un PNT, el proceso de coordinacin de agentes para una tarea de excavacin TCpuede ser especificado de la siguiente manera:

TC= (Nt, a, a, t, t, Ft)

Donde:

i)

Nt= (Pt,Tt,It,Ot) es una red Petrti con la marca inicial ; subyacente a todas lassecuencias realizables de los agentes de control para la tarea de finalizacin;

ii) a es el grupo agentes de control aplicables a la TC;iii)

a es el grupo agentes activos o por defecto aplicables a la TC;iv)

t: Tt x (a U {}) => a* es un mapeo que t (t, CA) = CA donde CA es unagente activo o por defecto, en otras palabras, t (t, CA) especifica un agentealternativo o agente secuencial para ejecutar CA;

v) Ft C R(t) es y un grupo de marcas finales que indican la tarea de finalizacin.

La Figura 1 ilustra este proceso de modelado para la tarea de excavacin: Desenterrar-una-partcula ms grande de lo normal. La red Petri de la Fig. 1 especifica el proceso decoordinacin de agentes de control para esta tarea especfica, donde:

a= a= {CA2: excavacin horizontalCA4: under-partcula-followerCA9: excavacin hacia arribaCA6: extraer palaCA5: levantar pala}

Ft={(0,0,0,0,1)}


9/21

7

En la Tabla I se muestra una descripcin detallada de agentes de control para excavacin.

Similarmente, el proceso de ejecucin de primitivas de movimiento para un agente decontrol de excavacin debe ser especificado por medio de un PNT como:

CA= ((Na, p, p, a, a, Fa)Donde:

i)

Na= (Pa,Ta,Ia,Oa) es una red Petrti con la marca inicial ; subyacente a todoslos primitivas de movimiento realizables de agentes de control para la tarea definalizacin;

ii) p = p es el grupo primitivas de movimiento aplicables al agente de controlCA;

iii)

es el grupo agentes activos o por defecto aplicables a la TC;iv) a: Ta x (p U {}) => p* es un mapeo simple a (t, p) = p es asumido aqu;


10/21

8

v) Fa C R(a) es un grupo de marcas finales que indican la tarea de finalizacin delagente de ejecucin.

La Figura 2 es un ejemplo de la red PNT para un agente de control de excavacin: under-partice-follower. La red Petri de la Figura 2. Especifica el proceso de ejecucin de las

primitivas de movimiento para el agente de control, donde:p = p = {pm1, pm3, pm4, pm11, pm14}Fa={(1,0,0)}

Como se puede ver, el PNT en la Figura. 2 define cuatro secuencias posibles en un ciclo deejecucin para agentes de control under-particle-follower.

i) pm3 pm4 pm1;ii) pm3 pm4 pm11;iii) pm3 pm14 pm1;iv) pm3 pm14 pm11;

Se debe utilizar informacin on-line y en tiempo real sobre la retroalimentacin sensorialde esfuerzo/torque para determinar cual secuencia ser usada para llevar a cabo la funcinde agente de control en la excavacin actual.

3) Agentes de Control y Primitivas de Movimiento

Desde 1992, se han desarrollado una gran coleccin de programas de comportamiento paraexcavacin robtica experimental en la Universidad de Arizona. Esos comportamientos deexcavacin han sido construidos y formulados en base a las observaciones en vivo o devideos de operadores humanos expertos de cargadores de neumticos en diversas minas

abiertas. Recientemente, se han modificado y encapsulado esos comportamientos enagentes de control que puedan ejecutarse en un ambiente interconectado.

De las funciones descritas en la Tabla I, est claro que esos agentes de control tienen lassiguientes caractersticas: 1) La especificacin funcional de un agente de control individuales muy amplia para que pueda ser lograda ejecutando un nico movimiento robticosimple; y 2) Muchos trminos usados en esas descripciones son muy ambiguos o al menosno especifican con suficiente precisin. Para implementar esos agentes de control para


11/21

9

excavacin, se introducen primitivas de movimiento diseadas para ejecutar tareas simplesde excavacin.

La Tabla II es una lista de primitivas de movimiento aplicables para agentes de control autilizar para su ejecucin de tarea. Esas primitivas de movimiento son desarrolladas en

base al anlisis de las acciones bsicas de excavacin de la pala frontal de cargadores. Noteque el movimiento de la pala es plano debido a que tanto su traslacin como su rotacinestn confinados al plano vertical paralelo al eje principal del vehculo cargador.

Esas primitivas de movimiento son comandos de control que pueden traducir lainformacin disponible de la retroalimentacin sensorial, principalmente seales deesfuerzo/torque, a movimientos de la pala. Debido a la gran dificultad para interpretar esasseales de esfuerzo/torque con precisin resulta bastante natural proponer lgica difusapara su representacin e implementacin, como se describe en la siguiente seccin.


12/21

10

4) Reglas de Control Lgico Difuso para Primitivas deMovimiento de Excavacin Robtica.

En nuestro experimento de excavacin robtica, solo los datos sensoriales deesfuerzo/torque son utilizados para inferir la interaccin pala/ambiente. Sin embargo,debido a que no es posible determinar con precisin la situacin de la interaccin y la grandificultad para especificar con precisin los patrones tiles para las condiciones deexcavacin a partir de la informacin sensorial esfuerzo/torque, se utilizan reglas decontrol basado en lgica difusa para expresar las primitivas de movimiento de excavacin.

La Figura 3. Muestra el sistema de coordenadas para el brazo robtico, pala y el sensor deesfuerzo/torque de mueca. Tomando F y F como vector de variacin de esfuerzo/torquedurante dos puntos de muestreo consecutivo, y M como el vector de control movimiento dela pala, esto es:

F= (Fx, Fy, Fz, Mx, My, Mz)TF= (Fx, Fy, Fz, Mx, My, Mz)TM=(y, z, r, BV)T

Donde y y z son cambios traslacionales en la posicin de la pala a lo largo de los ejes yy z, r es el cambio rotacional de la orientacin de la pala a lo largo del eje x y BV es lavelocidad de la pala. La variacin F en las lecturas de esfuerzo/torque son usadas paradetectar colisiones entre la pala y las partculas de roca ya que generalmente es muy difcilo casi imposible diferencia la resistencia normal del movimiento dla pala usandonicamente informacin instantnea de la esfuerzo/torque.

Por ejemplo, el movimiento dig-foward-and-rotate-up (excava hacia adelante y rota haciaarriba) (pm9) se especifica mediante el siguiente grupo de reglas de decisin difusas:


13/21

11

Donde (PL, PM PS, ZR, NS, NM, NL) es un grupo de trminos lingsticos difusos paragrande positivo, medio positivo, pequeo positivo, cero, pequeo negativo, medio negativoy grande negativo.

La Figura 4. Ilustra las funciones de pertenencia para esos trminos. Note que cuando secomputa, el universo del discurso de seales de entrada y salida se normalizan linealmenteen intervalos [-1000. 1000] y [-100, 100] respectivamente. Un factor de escala grande seutiliza para seales de entrada para alcanzar una alta resolucin, mientras que un factor deescala pequeo se aplica para evaluar los controles de salida debido a que normalmente susvalores son bastante pequeos en nuestros experimentos de laboratorio.


14/21

12

Utilizando el procedimiento estndar para el razonamiento difuso y la desfuzzificacin,se puede obtener un valor para conducirlas primitivas de movimiento. La primitiva dig-foward-and-rotate-up puede obtenerse con el conjunto de reglas expuestas anteriormenteuna vez que estn disponibles la lectura actual de esfuerzo/torque y su variacin.

En general, la primitiva de movimiento pmi puede ser implementada como un grupo dereglas de decisin difusas de la siguiente manera:

Donde ni es el nmero de reglas para pmi, y Qi1, Qi1 y Ui1 son trminos lingsticos parala posicin y orientacin de la pala, las seales esfuerzo/torque y su variacin, y comandos

de control de movimiento respectivamente.

Como ya sealamos en la seccin III, en un agente de control, se puede habilitar ms deuna primitiva de y ponerlas a competir para la tarea de ejecucin. Por lo tanto, se debellevar a cabo un proceso de arbitraje para determinar cul primitiva de movimiento serseleccionada para la accin (o para el disparo en trminos del lenguaje de las redes Petri).Una regla de arbitraje razonable es seleccionar primitivas de movimiento basadas en losniveles en los cuales las precondiciones de sus reglas difusas son satisfechas.


15/21

13

En este artculo el valor promedio de las entradas de las funciones de pertenencia de unaprimitiva de movimiento es usado como arbitraje, esto es, la primitiva de movimiento conel ms alto valor promedio de entrada de las funciones de pertenencia, el cual esthabilitado bajo la marca actual de un agente de control para excavacin, sern

seleccionados para las tareas de ejecucin. Cuando el ms alto valor promedio de entradade las funciones de pertenencia, de un agente de control est por debajo de un valor umbral,un nuevo agente de control debe ser llamado en el mbito local, o sobre la red, parareemplazar el agente de control actual que est ejecutndose, para continuar la tarea.

Adems se introduce una regla similar de arbitraje para resolver la competicin para laejecucin de agentes de control en un PNT para una tarea de excavacin. Se define el msalto valor promedio de las funciones de pertenencia de entrada de todas las primitivas demovimiento habilitadas de un agente de control como su fuerza de disparo. El agente decontrol con la mayor fuerza de disparo, que est habilitado bajo la marca actual para latarea de excavacin, ser seleccionado para la ejecucin. Varios resultados experimentalesllevados a cabo en laboratorio han demostrado la efectividad de esas reglas simples dearbitraje, como se podr ver en la siguiente seccin.

5) Experimentos de Laboratorio

Para probar y demostrar la efectividad del mtodo propuesto de control basado en agentespara excavacin robtica, se desarroll un prototipo experimental en el Laboratorio deRobtica y Automtica de la Universidad de Arizona. El sistema est compuesto por: Unyacimiento de excavacin, un sensor de esfuerzo/torque, un brazo robtico PUMA con unpala de excavacin, una tarjeta interfaz para recibir y alojar agentes de control, y un

control remoto supervisor que realiza el mantenimiento de todos los agentes de control deexcavacin y comunica las tareas de excavacin y los agentes con tarjeta de interfaz y elbrazo PUMA, va Internet.

A. Tareas de Excavacin Simple

El primer grupo de experimentos robticos fue diseado para probar y evaluar la ejecucinde los agentes de control individuales para tareas simples de excavacin. La Figura 6muestra los resultados de un agente de control para excavacin over-particle-follower. La

funcin de este agente de control es hacer que la orientacin dla pala siga el contorno de lapartcula, rotando el pala, inclinndolo hacia arriba cuando pasa sobre la parte frontal de laroca y rotando e inclinando hacia abajo mientras se mueve hacia abajo a lo largo de la roca.

De esta manera, la pala tratar de excavar paralelamente en la superficie de la roca. Estopermite reducir la resistencia encontrada durante la excavacin mientras permite subir y/odescender rpidamente por en frente o por detrs de la roca. Este agente se utiliza para


16/21

14

diversas tareas de excavacin robtica debido a que puede ser usado para descubrir objetosenterrados (invisibles) sin daar tanto la pala ni el objeto enterrado.

La Figura 7 ilustra que la ejecucin de un agente de control under-particle-follower

usado para excavar grandes rocas. Esta ejecucin experimental muestra que la pala tieneque hacer contacto dos veces antes de que este pueda avanzar por debajo de la roca, uncomportamiento que imita las acciones de los humanos, usando una pala para excavar pordebajo de la roca.

Para ello, el agente de control primero repite la secuencia de movimientos primitivos:move-backward (pm3), move-down (pm4) y move-foward down-and-rotate-up (pm11)hasta que la inclinacin de la pala alcanza el punto vertical debajo del punto inicial decontacto, y entonces comienza la secuencia de rotate-up (pm14) y move-forward (pm1)hasta que la pala est en posicin horizontal. Note que en la ltima secuencia, se llama a laprimitiva de movimiento move-backward (pm3), pero sta no es ejecutada.

Los resultados de estos dos experimentos, as como tambin en otros, han demostradoadaptabilidad de los agentes de control para excavacin robtica en condicionesdesconocidas y su efectividad en tareas simples, en ambientes no estructurados.


17/21

15

B. Tareas Complejas de Excavacin

El segundo grupo de experimentos fue diseado para validar y evaluar la capacidad,ejecucin y coordinacin de agentes de control para completar tareas de excavacinrobtica complejas. Las siguientes Figuras presentan los resultados alcanzados para latarea de excavacin de loading along a horizontal plane and removing buried rocks whenencountered, or loading over the rocks to expose its surface if they cannot be removed

(cargar a lo largo de un plano horizontal y removiendo rocas enterradas cuando estas seanencontradas, o cargar por encima de las rocas para destapar su superficie si estas no puedenser removidas. Para realizar estos experimentos, se enterraron dos rocas en el lugar de laexcavacin.

La Figura 8 muestra la trayectoria de inclinacin de la pala en el primer experimento. Alprincipio, el agente de control entry-point-mover coge la pala para seleccionar el puntode entrada y cuando la pala entra en contacto con la roca, se activa el agente horizontal-digger hasta que se encuentra una gran roca en el punto A.

En ese momento la retroalimentacin sensorial de esfuerzo/torque deduce que se encuentraante una superficie inclinada hacia arriba y que se encuentra lejos de la pala, lo cual indicaque puede ser ms fcil cargar a travs de la parte superior de la roca, por lo tanto se llamaal agente over-particle-follower para que acte.

La pala pasa exitosamente sobre la parte superior y baja por la parte de atrs de la rocahasta que alcanza la elevacin inicial de excavacin. Puesto que la pala no percibe que seencuentra llena, se selecciona nuevamente al agente horizontal-digger para que continela tarea de excavacin. En el punto B, se llama una vez ms al agente over-particle-follower ya que se detecta otra roca y la pala ya ha cargado otros materiales. Finalmente,en el punto C, la pala detecta que se encuentra llena y por lo tanto se emplea el agente decontrol pala-lifter para completar la tarea de carga.


18/21

16

En la Figura 9 se muestra otro experimento. En este caso, la pala hace contacto con la

superficie de una gran partcula y excava por debajo para removerla con el agente decontrol under-particle-follower. Se selecciona este agente debido a que la pala est casisiempre vaca y la fuerza Fy y Fz indican que la roca no est orientada hacia arribaabruptamente lo cual significa que la roca no est enterrada profundamente.

Mientras se est ejecutando este agente en el punto A, resulta que las reglas de arbitrajedeciden abortar el procedimiento debido a que la pala no puede rotar hacia abajo por locual se selecciona el agente bucket-extrator para recuperar la pala y seguidamente seejecuta el agente over-particle-follower hasta alcanzar el punto B donde la pala regresa asu elevacin de excavacin original y entonces se activa el agente horizontal-digger.Finalmente, en el punto C la pala se encuentra llena y es removida por el agente bucket-

lifter.

Estos resultados experimentales indican que el control basado en agentes para excavacinrobtica puede emular las habilidades bsicas y el comportamiento de los operarioshumanos en excavaciones para llevar a cabo tareas complejas de excavacin en ambientesdesconocidos.


19/21

17

6) Comparacin con otros Artculos Cientficos sobreExcavacin Robtica

Como comentamos antes, en este artculo, las redes de Petri son utilizadas para formalizarel proceso de coordinacin y especificacin de agentes.

Otro modelo comnmente usado para coordinacin de agentes y especificacin es lamquina de estados finita (FMS).

Una aplicacin prctica sobre este mtodo de coordinacin de agentes es descrito en elartculo Experimental Robotic Excavation with Fuzzy Logic and Neural Networksde Xiaobo Shi, Paul J.A. Lever, Fei-Yue Wang (Abril, 1996).

En este artculo los objetivos, las tareas y los comportamientos se especifican mediante eluso de la FMS, basndose en excavacin heurstica y la experticia de los operarioshumanos.

No obstante, aunque los resultados a diversos experimentos demuestran la habilidad delsistema para completar las tareas de excavacin con efectividad, tenemos que decir que lasredes de Petri son ms apropiadas para ejecutar estas tareas.

La principal ventaja de las redes Petri sobre la mquina de estados finita es la capacidadque tienen las redes Petri para representar cooperacin, paralelismo, y conflictos enambientes y recursos compartidos.

Una red de Petri es una herramienta para el modelado de sistemas de informacin que sonconsiderados no determinsticos, concurrentes, paralelos, asncronos, distribuidos y/oestocsticos.


20/21

18

Conclusiones

Este artculo presenta un control basado en agentes para programacin de comportamientodifuso en excavacin robtica y los correspondientes resultados experimentales en una

ambiente de excavacin simulada usando un manipulador robtico PUMA.

En este enfoque, el problema de control para excavacin robtica es resuelto mediante ladescomposicin de tareas complejas en varias acciones simples que pueden serimplementadas mediante agentes de control a travs de primitivas de movimientos.

Los transductores de redes Petri y las reglas de decisin basadas en lgica difusa sonusados para especificar los agentes de control y las primitivas de movimiento para llevar acabo las tareas de excavacin. Los experimentos de laboratorio validan este enfoque ydemuestran su efectividad.

El desarrollo de la tcnica de control es un paso inicial para lograr excavaciones robticasautnomas en aplicaciones del mundo real. Se estn realizando importantes esfuerzos paraaplicar esta tcnica a los cargadores de neumticos industriales para operaciones en minas ystos sern reportados en nuestros trabajos futuros.


21/21

Bibliografa

[1] Agent-Based Control for Fuzzy Behaivor Programming in Robotic Excavation Fei-

Yue Wang, Fellow. IEEE Transactions on Fuzzy Systems, Vol 12, N 4, (August, 2004),Pages: 540-548

[2] Experimental Robotic Excavation with Fuzzy Logia and Neural Networks Xiaobo

Shi, Paul J.A. Lever, Fei-Yue Wang. IEEE, International Conference on Robotics and

Automation Minneapolis, Minnesota, (April 1996) Pages: 957-962

[3] Agent-Based Control Systems Nicholas R. Jennings and Stefan Bussman. IEEEControl Systems Magazine, (June 2002). Pages: 61-73

tr excavacion rob

Documents