MODULAR NEURAL NETWORKS ARCHITECTURE FOR NAVIGATING MOBILE ROBOT IN CHANGING ENVIRONMENTS
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 environnementsd'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.
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
Comment citer
Numéro
Rubrique
Licence
Les auteurs publiant dans cette revue acceptent les termes suivants :- Les auteurs détiennent le droit d'auteurs et accordent à la revue
le droit de première publication, avec l’ouvrage disponible simultanément [SPÉCIFIER LA PÉRIODE DE TEMPS] après publication, sous la licence Licence d’attribution Creative Commons qui permet à d'autres de partager l'ouvrage en en reconnaissant la paternité et la publication initiale dans cette revue. - Les auteurs peuvent conclure des ententes contractuelles additionnelles et séparées pour la diffusion non exclusive de la version imprimée de l'ouvrage par la revue (par ex., le dépôt institutionnel ou la publication dans un livre), accompagné d'une mention reconnaissant sa publication initiale dans cette revue.
- Les auteurs ont le droit et sont encouragés à publier leur ouvrage en ligne (par ex., dans un dépôt institutionnel ou sur le site Web d'une institution) avant et pendant le processus de soumission, car cela peut mener à des échanges fructueux ainsi qu'à un nombre plus important, plus rapidement, de références à l’ouvrage publié (Consulter The Effect of Open Access).
