Resumen

El algoritmo reactivo en un entorno desconocido es muy útil para lidiar con obstáculos dinámicos que pueden cambiar inesperada y rápidamente, ya que el espacio de trabajo es dinámico en aplicaciones de la vida real, y este trabajo se centra en el entorno dinámico y desconocido mediante la actualización en línea de datos en cada paso hacia un objetivo específico; percibir y evitar los obstáculos que se presenten en su camino hacia el objetivo mediante el entrenamiento para tomar la acción correctiva ante cada posible desviación es uno de los problemas más desafiantes en el campo de la robótica. Este problema se resuelve proponiendo un Sistema de Inteligencia Artificial (SIA), que trabaja en el comportamiento de Vehículos Autónomos Inteligentes (VAI) como lo hacen los humanos en el reconocimiento, aprendizaje, toma de decisiones y acción. En primer lugar, el uso del SIA y algunos métodos de navegación basados en Redes Neuronales Artificiales (RNA) para entrenar conjuntos de datos proporcionó un alto Error Cuadrático Medio (ECM) al entrenar en la herramienta MATLAB Simulink. Se utilizaron técnicas de estandarización para mejorar el rendimiento de los resultados del entrenamiento de la red en MATLAB Simulink. En cuanto a los sistemas basados en conocimiento, las RNA pueden adaptarse bien en una forma apropiada. La adaptación está relacionada con la capacidad de aprendizaje, ya que la red puede considerar y responder a nuevas restricciones y datos relacionados con el entorno externo.

• Materias:Algoritmo genético Sensores Controlador difuso Planificación de ruta
• Subjects:Genetic algorithm sensors Fuzzy controller Path planning
• Palabras claves:Algoritmo reactivo; Entorno desconocido; Obstáculos dinámicos; Datos de actualización en línea; Sistema de inteligencia artificial; Redes neuronales artificiales
• Keywords:Reactive algorithm; Unknown environment; Dynamic obstacles; Online updating data; Artificial intelligence system; Artificial neural networks