MODULAR NEURAL NETWORKS ARCHITECTURE FOR NAVIGATING MOBILE ROBOT IN CHANGING ENVIRONMENTS

Auteurs-es

  • F HENDEL University of Sciences and Technology of Oran
  • N BERRACHED University of Sciences and Technology of Oran
  • G BOUVIER UMR 8053 France

Mots-clés :

Robots mobiles intelligents, réseaux de neurones modulaires (MNN), apprentissage, navigation réactive, classification d'environnements.

Résumé

Cet article traite le problème de la navigation des robots mobiles dans des environnements
d'intérieur inconnus. La plupart des travaux se basant sur les réseaux de neurones (NN) pour
traiter ce problème utilise un seul réseau qui reçoit et analyse toute l'information disponible, ce
qui engendre en général plusieurs inconvénients : temps d’apprentissage relativement long,
exemples d’apprentissage souvent contradictoires, minimums locaux, et une pauvre capacité
de généralisation finale. Le travail présenté dans cet article évite ces problèmes par l'utilisation
d’une architecture de contrôle modulaire (stratégie « diviser pour régner ») combinant un
module pour la classification d'environnements avec plusieurs comportements pour la
navigation réactive. Les comportements sont appris par les réseaux de neurones modulaires
(MNN). La coordination entre les divers comportements se fait à la fois d'une manière
coopérative et concurrentielle.
Pour vérifier la validité de notre approche, une interface graphique est mise au point. Elle
nous a permis de tester l’architecture proposée dans plusieurs situations différentes, et qui se
rapprochent de la réalité. Dans tous les cas les résultats obtenus sont très encourageants, et
illustrent l'efficacité de cette architecture.

Bibliographies de l'auteur-e

F HENDEL, University of Sciences and Technology of Oran

1Research Laboratory
in Intelligent Systems
Electronic Department

N BERRACHED, University of Sciences and Technology of Oran

1Research Laboratory
in Intelligent Systems
Electronic Department

G BOUVIER, UMR 8053 France

Laboratoire Images et
Signaux de Grenoble
(LIS)

Références

Acosta L., Marichal G. N., Moreno L., Mendez J. A.

and Rodrigo J. J.; “ Obstacle Avoidance Using the

Human Operator Experience for a Mobile Robot”;

Journal of Intelligent and Robotic Systems, 27, pp.

–319, 2000.

Althaus P. and Christensen H. “Behavior coordination

in structured environments”, Advanced Robotics, Vol.

, N°. 7, pp. 657–674, 2003.

Berlanga A., Sanchis A., Isasi P., And Molina J.

“Generalization Capabilities of Co-evolution in

Learning Robot Behavior” Journal of Robotic Systems

(10), pp.455–467, 2002.

Bishop C.M., ″Neural network for pattern recognition”,

Oxford University Press, 1995.

S. Branko “An integrated learning approach to

environment modeling in mobile robot navigation”,

Neurocomputing, N° 57, pp. 215-238, 2004.

Brooks R.A., “Intelligence without representation”,

Artificial Intelligence, N° 47, 1991, pp. 139-159.

Carme T., “Robot adaptivity”, Robotics and

Autonomous Systems, N°.15, pp. 11-23, 1995.

Freeman J. and Saad D., "Radial basis function

networks: generalization in over realizable and

unrealizable scenarios '', Neural Network, N°. 9, pp.

- 1529, 1996.

F. Hendel, L. Mesbahi, et N. Berrached, "Application

des réseaux de Kohonen à la localisation des robots

mobiles ", Conférence Maghrébine sur le génie

électrique de Constantine le 05 et 06 novembre 2001

Hendel F. et Berrached N., ″Navigation des robots

mobiles par les réseaux de neurones″, Conf. Int.

CSS'95, Rabat, Maroc, Oct. 95 (in French).

Hendel F., Mesbahi L, et Berrached N. «Application

des réseaux RBF à la reconnaissance d’environnements

d’un robot mobile autonome ", Conf. Inter. CIP,

CDTA, Algérie, pp. 392 – 398, 9 - 11 juin 2001 (in

French).

Meng M., ″Mobile robot navigation using neural

network and non metrical environment″, IEEE Trans.

On Control Systems, Vol.13, No.5, pp. 30-39, 1993.

Mesbahi L, Hendel F., Berrached N. et Benyettou A.,

« Implementing Temporal RBF for reactive navigation

of robot mobile » Inter. Arab Journal of Information

Technology, Vol. 2, N°. 4, pp. 275 - 280, 2005.

F. HENDEL, N. BERRACHE, G. BOUVIER

Pérez José P., Simo G.B. E., and Blanes M. M. F.,

“Differentiating walls from corners using the amplitude

of ultrasonic echoes”, Robotics and Autonomous

Systems N°.50, pp. 13–25, 2005.

Rylatt M., Carnekhi C. and Routten T., “Connectionist

Learning in Behaviour Based Mobile Robots: A

Survey”, Artificial Intelligence Review 12, pp. 445–

, 1998.

Simon Yang X, and Meng M., “Neural Network

Approaches to Dynamic Collision-Free Trajectory

Generation,”, IEEE Transactions on Systems, Man, and

Cybernetics —Part B:, Vol. 31, N°. 3, June 2001.

Sueira J. C., "Cost functions to estimate a posteriori

probabilities in multiclass problems'' IEEE transactions

on Neural Network, vol. 10, N°. 3, pp. 645-6551999.

Tresp V., Hollatz J., and Subutai A., “Representing

Probabilistic Rules with Networks of Gaussian Basis

Functions” Machine Learning, 27, pp. 173–200, 1997.

Yong-Kyun Na. and Se-Young Oh., “Hybrid Control

for Autonomous Mobile Robot Navigation Using

Neural Network Based Behavior Modules and

Environment Classification”, Autonomous Robots

N°15, pp.193–206, 2003.

Téléchargements

Publié-e

2008-06-01

Comment citer

HENDEL, F., BERRACHED, N., & BOUVIER, G. (2008). MODULAR NEURAL NETWORKS ARCHITECTURE FOR NAVIGATING MOBILE ROBOT IN CHANGING ENVIRONMENTS. Sciences & Technologie. B, Sciences De l’ingénieur, (27), 71–80. Consulté à l’adresse https://revue.umc.edu.dz/b/article/view/213

Numéro

Rubrique

Articles

Articles similaires

Vous pouvez également Lancer une recherche avancée d’articles similaires à cet article.