Implementacion de los Algoritmos ANT y BFS en la Navegacion de Robot en Exteriores

Jaime Andres Rincon Aranago e-mail: jairinar@posgrado.upv.es, jarain78@gmail.com June 5, 2012

Abstract Existen diferentes t ecnica para implementar una navegaci on aut onoma en robots, en este articulo se abordara como realizar la navegaci on en exteriores utilizando como referencia puntos de GPS, caso muy similar con el problema de el viajante, por lo que se opto por utilizar el algoritmo ATN. No obstante el algoritmo ANT solo entrega la mejor ruta entre diferentes ciudades o en esta situaci on coordenadas de GPS, haciendo necesario dise nar otro algoritmo que permita que el robot pase por todos los puntos; conociendo la existencia de obst aculos entre los diferentes puntos se utilizo el algoritmo BSF (Breadth Search First), utilizando la librer a [1] ai.pathnder.*. 1 ai.pathnder.*. algoritmos de IA, para la navegacion de robots en exteriores utilizando puntos de GPS. El primero el algorimto ANT, se encargara de la creacion de rutas globales, y el segundo el BFS, se encargara de crear las de rutas locales.

PROCEDIMIENTO

En gura 1 se observa el procedimiento que se sigui o para encontrar la mejor ruta con el algoritmo ANT.

INTRODUCCION

Normalmente cuando los robots se desplazan de un sitio a otro, se presentan problemas logisiticos, como por ejejmplo en la generacion de rutas de desplazamiento: Evadir los obtaculos en las trayectorias y lograr el objetivo de ir de un punto A un punto B. En la actualidad se estan implementando algoritmos de IA para poder Figure 1: Diagrama de Bloque para la Imhacer que los robots puedan navegar en plementacion de el Algoritmo ANT espacios irregulares, utilizando algoritmos como ATN[6], Path Finding [7]. En este articulo se plantea la utilizacion de dos
1

http://www.robotacid.com/PBeta/AILibrary/Pathnder/index.html

2.1

Coordenada de GPS:

Son los puntos por donde se desea que el robot navegue. Estas coordenadas son introducidas por el usuario en grados decimales, y son obtenidas por medio de Google Earth o directamente de un GPS comercial.

primero la m axima y la m nima coordenada UTM X y UTM Y. El escalado tambi en se utiliza para visualizar los puntos de GPS en la interfaz y a su vez para mostrar que tan cerca esta el robot de cada uno de los objetivos, como se muestra en la gura 2.

2.2

Conversi on UTM:

El formato UTM[4], permite convertir las coordenada (latitud, longitud) a coordenada cartesianas (x,y), transformando la elipse de la tierra a un plano, facilitando los c alculos de distancia entre puntos. La distancia se obtiene aplicando la ecuaci on de la distancia elucida dando como resultado una medida en unidades de metros.

Dist(P1 , P2 ) = (1)

(X2 X1 )2 + (Y2 Y1 )2

Las formulas de escaldo en (x,y) se muestra en el apendice 1.

2.3

Algortimo ANT:

Figure 2: Escalado de Puntos y Visualizacion de el Robot en la Interfaz

Es un algoritmo ANT[1] inspirado en las colonias de hormigas, que permite obtener la mejor ruta, enviado un numero de hormigas de forma aleatoria por todos los puntos, hasta que encuentra la mejor ruta, cuando esta ruta no es mejorada el algoritmo se detiene y entrega el mejor resultado en coordenadas UTM, las cuales se tendr an que convertir a grados decimales, aplicando el proceso opuesto visto en la secci on dos.

2.5

Algoritmo BFS:

2.4

Google Earth:

El algoritmo BFS genera grafo, permitiendo una b usqueda en profundidad; En la gura 3. se observa como el algoritmo BFS, interere en la navegaci on de el robot, entre los puntos objetivo P0 , P1 ...P7 .

Las coordenadas generadas por el algoritmo ANT, se transcriben en una plantilla b asica para luego ejecutarla con google Earth. Luego las coordenadas UTM X y UTM Y son escaladas para poder ser representados en el espacio de trabajo de el algoritmo BFS. Para el escalado es necesario obtener 2

Figure 4: Puntos Iniciales y Resultados

Figure 3: Diagrama de Bloque para la Implementacion de el Algoritmo BFS

ALPHA 0.9

BETA 0.9

RHO 0.5

QVAL 400

Tiempo (ms) 890

2.6

Coordenadas de GPS Resultado Algoritmo ANT:

Las coordenadas de GPS introducidas al algoritmo BFS, son el resultado del algoritmo ANT, estas son transformadas a UTM para luego ser escaladas al espacio del BFS, en el cual se convertir an en las posiciones objetivo o Goals.

Donde: ALPHA : par ametro asociado con el nivel de feromonas BETA : par ametro asociado con la visibilidad RHO: Evaporaci on QVAL: cantidad de fermonas depositas en el camino En la tabla 1. se muestra el cambio de coordenadas de grados decimales a coordenadas cartesianas de los puntos mostrados en las im agenes.

3
3.1

RESULTADOS
Latitud 39.480721 39.48066 Longitud -0.340625 -0.340292 -0.340159 -0.340398 -0.340711 -0.340374 -0.340046 -0.339738 UTM X 728729.0 728723.0 728750.0 728752.0 728770.0 728758.0 728807.0 728780.0 UTM Y 4373501.0 4373470.0 4373472.0 4373455.0 4373474.0 4373496.0 4373465.0 4373454.0

Algoritmo ANT:

39.480469 39.480459

El resultado de implementar el algoritmo ANT se observa en la gura 4: El tiempo necesario para ejecutar el algoritmo ANT y los par ametro de inicio se muestran a continuaci on:

39.480448 39.480303 39.480287 39.480377

Tabla 1

3.2

Algoritmo BFS:

El algoritmo BFS inicia en un nodo ra z que en este caso es la posici on donde se encuentra el robot y un nodo objetivo que es el punto o coordenada de GPS, a la cual debe llegar, como se muestra en la siguiente gura 5.:

Figure 5: Representaci on de el Objetivo y el Robot Como se observa entre el robot y el objetivo, no existe ning un obst aculo, esto Figure 6: Representaci on del Objetivo, el se debe a que los sensores encargados Obst aculo y el Robot de realizar la detecci on de objetos, no han encontrado ning un obst aculos en la trayectoria del robot, estos sensores de tipo infrarrojo, permiten medir distancias entre 10 cm y 150 cm, cuando los sensores detectan un obst aculo en la trayectoria de el robot, el algoritmo representa dichos obst aculo como una zona no transitable por el robot y lo representa colocando el recuadro en color negro, como se muestra a continuaci on en la gura 6.:

Apendice 1

Formula de Escalado

Las formulas de escaldo en (x,y) se muestra a continuaci on: (U T M X U T M Xi nputM inimo) (Xo utputM aximo Xo utputM inimo) A= (U T M Xi nputM aximo U T M Xi nputM inimo) + Xo utputM inimo Donde: UTMX: Coordenada UTM X, a normalizar. UTMXinput M nimo: Es la m nima coordenada en X de mi resultado. UTMXinput M aximo:Es la m aximo coordenada en X de mi resultado. Xoutput M nimo:Es el m aximo valor en el cual naliza nuestra escala. B= (U T M Y U T M Yi nputM inimo) (Yo utputM aximo Yo utputM inimo) (U T M Yi nputM aximo U T M Yi nputM inimo) + Yo utputM inimo Donde: UTMY: Coordenada UTM Y, a normalizar. UTMYinput M nimo: Es la m nima coordenada en Y de mi resultado. UTMYinput M aximo: Es la m aximo coordenada en Y de mi resultado. Youtput M nimo: Es el m nimo valor en el cual inicia nuestra escala. Youtput M aximo: Es el m aximo valor en el cual naliza nuestra escala.

Referencia

References
[1] M. Tim Jones AI APPLICATION PROGRAMING. 2nd Edition. [2] Tarik Terzimehic, Semir Silajdzic, Vedran Vajnberger, Jasmin Velagic and Nedim Osmic, Path Finding Simulator for Mobile Robot Navigation. Department of Automatic Control and Electronics Faculty of Electrical Engineering, University of Sarajevo Sarajevo, Bosnia and Herzegovina e-mail: tt14762, ss14717, vv14824, jasmin.velagic, nedim.osmic@etf.unsa.ba [3] Je Dozier Improved Algorithm for Calculation of UTM and Geodetic Coordinates. September 1980, Washington, D.C

Department of Automatic Control and Electronics Faculty of Electrical Engineering, University of Sarajevo Sarajevo, Bosnia and Herzegovina e-mail: tt14762, ss14717, vv14824, jasmin.velagic, nedim.osmic@etf.unsa.ba

[4] Coordinate Conversions Made Easy IBM. http://www.ibm.com/developerworks/java/library/jcoordconvert/ [5] KML Tutorial Google earth. https://developers.google.com/kml/documentation/kmlt ut. [6] SO-LOST: An Ant-Trail Algorithm for Multi-Robot Navigation with Active Interference Reduction Seyed Abbas Sadat, Richard T. Vaughan. Autonomy Lab, School of Computing Science Simon Fraser University, BC, Canada sas21, vaughan@sfu.ca [7] Path Finding Simulator for Mobile Robot Navigation Tarik Terzimehic, Semir Silajdzic, Vedran Vajnberger, Jasmin Velagic and Nedim Osmic. 6