Traducido del indonesio al español - www.onlinedoctranslator.
com
Actas de EECSI 2018, Malang - Indonesia, 16-18 de octubre de 2018
Diseño de controlador de lógica difusa para líder-seguidor
Navegación del robot
Tresna Dewi, Yudi Wijanarko, Pola Risma y Yurni Oktarina
Departamento de Ingeniería Eléctrica
Politécnico estatal de Sriwijaya
Palembang, Indonesia
tresna dewi@polsri.ac.id , wijanarko yudi@polsri.ac.id , polarisma@polsri.ac.id y yurni oktarina@polsri.ac.id
Abstracto—Los robots móviles se aplican en todas partes en la vida del ser humano, desde las industrias hasta los
domésticos. Este fenómeno la convierte en una de las asignaturas más estudiadas de la ingeniería electrónica. La
navegación es siempre un problema para este tipo de robot, para garantizar que pueda terminar su tarea de forma
segura. Darle un "cerebro" es una de las formas de crear un robot de navegación autónomo. El controlador de lógica
difusa es una buena opción para el "cerebro", ya que no necesita un modelo matemático preciso del sistema. Solo
utilizando las entradas de los sensores es suficiente para diseñar un controlador efectivo. Este documento presenta un
diseño FLC para robots seguidores de líder. Este diseño FLC es la mejora de la aplicación FLC en un solo robot móvil de
dos impulsos diferenciales. La relación entre el líder y el robot seguidor se modela linealmente como un sistema de
resorte-amortiguador. La simulación demuestra la viabilidad del método propuesto en varios entornos, y este
documento también muestra que el método puede extenderse fácilmente a la formación de un líder y más de un
seguidor. La investigación de este artículo se ha introducido en el aula como medio de enseñanza-aprendizaje para
mejorar la participación e interés de los estudiantes en las clases relacionadas con la robótica y la robótica. Este
documento también es parte de nuestra campaña y alienta a los profesores y estudiantes a utilizar software de código
abierto y de bajo costo, ya que no todas las universidades de los países en desarrollo pueden permitirse el costoso
software de alta gama. La investigación de este artículo se ha introducido en el aula como medio de enseñanza-
aprendizaje para mejorar la participación e interés de los estudiantes en las clases relacionadas con la robótica y la
robótica. Este documento también es parte de nuestra campaña y alienta a los profesores y estudiantes a utilizar
software de código abierto y de bajo costo, ya que no todas las universidades de los países en desarrollo pueden
permitirse el costoso software de alta gama. La investigación de este artículo se ha introducido en el aula como medio
de enseñanza-aprendizaje para mejorar la participación e interés de los estudiantes en las clases relacionadas con la
robótica y la robótica. Este documento también es parte de nuestra campaña y alienta a los profesores y estudiantes a
utilizar software de código abierto y de bajo costo, ya que no todas las universidades de los países en desarrollo
pueden permitirse el costoso software de alta gama.
Términos del Índice—Controlador de lógica difusa, Robot móvil, La formación en algunos casos se puede simplificar en un controlador estático.
Formación líder-seguidor, Navegación.
YoNTRODUCCIÓN
Los robots móviles se aplican en todas partes, en la industria y el hogar,
desde ser un robot de transporte, una aspiradora o simplemente con fines
de entretenimiento, como un robot para perros. Una estrategia de
navegación debe estar bien diseñada para garantizar que el robot funcione
correctamente. La estrategia de navegación para el robot móvil autónomo
incluye alcanzar el objetivo, evitar obstáculos y seguir las paredes. Un robot
móvil a menudo se aplica en un entorno dinámico en constante cambio que
crea complejidad para el robot. La planificación del movimiento se convierte
en una parte crucial del sistema de navegación para garantizar que el robot
pueda alcanzar un objetivo o un punto final, los objetivos a ser interceptados
por el robot pueden ser estáticos y dinámicos (un objetivo en movimiento)
[1]. Esta planificación de movimiento se puede generar en tiempo real (en
línea) o pre-mapeada (fuera de línea). La planificación del movimiento en
tiempo real requiere una inteligencia específica instalada en el robot. Una IA
(inteligencia artificial) plantada puede crear un robot inteligente que
funcione mejor que los que no tienen IA.
Uno de los tipos de IA más aplicados es la lógica difusa y ha sido un
tema muy debatido en robótica desde que fue introducido por
978-1-5386-8402-3 / 18 / $ 31.00 © 2018 IEEE
Zadeh en 1965 [2]. La lógica difusa permite un enfoque lingüístico para
procesar los datos inciertos utilizando reglas diseñadas. Este método es
mejor para sistemas complejos que no son fáciles de modelar con
matemáticas exactas. En lugar de pasar por el valor exacto, el conjunto
lingüístico de lógica difusa funciona utilizando reglas SI-ENTONCES
alimentadas por un motor de interferencia. Las reglas se utilizan para
codificar el comportamiento del movimiento del robot contra el objetivo
(objetivo estático [3] y dinámico [4]), obstáculos y muros encontrados. En
este método, incluso las reglas no tan efectivas son suficientes. Un robot
móvil es un sistema no lineal complejo y sufre las limitaciones no
holonómicas; por lo tanto, una técnica como la lógica difusa es muy
adecuada para la estrategia de planificación de la navegación [5] - [11].
La aplicación de un grupo de robots móviles simples (robot
enjambre) es mejor que desplegar un robot sofisticado [12] -
[17]. Cuantos más robots controlen, más complejo e incierto es
el sistema, por lo que la aplicación de un controlador de lógica
difusa (FLC) es apropiada en esta situación. El controlador de
un robot se puede extender a un grupo de robots en una
formación líder-seguidor. El controlador para líder-seguidor
diseños [16] [17].
Este artículo propone un método para la planificación del
movimiento de robots en formación líder-seguidor mejorando /
extendiendo el FLC para un solo robot. El sistema de navegación se
desarrolla combinando varias condiciones que puede encontrar el
robot, como alcanzar el objetivo, evitar obstáculos y seguir la pared.
Las evitaciones de obstáculos son proporcionadas por los sensores de
proximidad conectados a los robots. Los sensores adecuados tanto
para el líder como para el seguidor también se utilizan para que los
seguidores de pared mantengan al robot siguiendo las paredes a una
cierta distancia. El líder está configurado para alcanzar un objetivo
estático, mientras que el seguidor está configurado para seguir al líder
considerando al líder como un objetivo en movimiento a perseguir. El
sensor de proximidad adjunto al frente del robot seguidor está
asignado para mantener una distancia segura del líder. La salida de los
robots es la velocidad de las ruedas derecha e izquierda. El sistema se
actualiza online hasta llegar al objetivo.
La novedad de este estudio es la mejora del diseño de FLC
para un solo robot que sigue un objetivo en movimiento hacia
FLC para un robot de formación líder-seguidor. La viabilidad
del método propuesto se presenta en la simulación con varios
entornos utilizando MobotSim [20]. los
298
 Actas de EECSI 2018, Malang - Indonesia, 16-18 de octubre de 2018

SCILAB [19] muestra la relación entre la entrada y la salida del sistema.

Esta investigación también tiene como objetivo enseñar a los
estudiantes en la clase de robótica cómo diseñar controladores de
robots y animarlos a ser proactivos en el aprendizaje y diseño de robots
[21] [22] [23].

II. METROOBILE ROBOTS METROODELING

A. Modelado cinemático de un solo robot

El robot móvil considerado en este artículo es un robot móvil de dos Higo. 2: Modelado del sistema de resorte-amortiguador del robot líder seguidor
ruedas accionado por diferencial, presentado [en la fig. 1]. los
La posición y orientación del robot es q = xy los T,
] [
Las velocidades de traslación y rotación son q̇ = dóndeYXφ̇
y yT , Entrada de control v y se definen como
son la posición de los robots, y son las velocidades de
-- - -
porque 0 []
traslación en X y y-eje, es la orientación del robot, y = es la --=- pecado 0- v (5)
velocidad de rotación. 0 1
La cinemática inversa del robot se da como
[] donde en este estudio v y se define como las entradas de control.
R= F ( )
x, ̇, ϕ , (1) B. Modelado de la formación líder-seguidor
L
El modelado dinámico de las relaciones del robot líder y seguidor se
1
dónde R = 1 2r · vR y L = 2r · vL. vR y vL son ruedas considera como un sistema resorte-amortiguador, como se muestra en la
velocidades de traslación. fig. 2. Este modelado es una representación de sensores de proximidad
Por lo tanto, de la ec. 1, la velocidad del robot es conectados al seguidor [16]. El sistema de resorte-amortiguador también se
utiliza para modelar la relación entre los sensores de proximidad conectados
R L,
v=r (2) al líder y los obstáculos y paredes encontrados. El modelo virtual de resorte-
2
amortiguador se puede utilizar para describir el comportamiento de los
y robots de flocado donde el resorte define la fuerza de atracción hacia el líder
r( ) y el amortiguador define la fuerza repelente.
= R - θ̇L . (3)
2L
La dinámica del robot líder seguidor dada en la fig. 2 son
dónde L es la mitad del ancho del robot, r es el radio de las ruedas, y R

y L son las velocidades de la rueda derecha e izquierda.

Los robots presentados en la fig. 1 sufre la restricción no
holonómica
v = porque + pecado.
Significa que el robot solo se mueve en curvatura y no en un movimiento lateral
hacia los lados, por lo tanto 0 = porque θ - Y pecado .
1) Dinámica del líder
F = METROL L +BL L +B( L - XF ) +K (XL XF), (6)
2) Dinámica de seguidores
(4)
B( L - XF ) +K (XL XF) = METROF F +BF F , (7)
dónde F es la fuerza aplicada al líder del robot, la fuerza considerada
aquí, es la fuerza de atracción virtual producida por el objetivo. B es la
constante de amortiguamiento, K es la constante del resorte,BL y BF son
las fricciones de Coulomb de las ruedas del líder y del seguidor. METRO
Ly METROF son la masa de robots líderes y seguidores. XL y XF son la
representación del desplazamiento de líder y seguidor a lo largo de y
-eje.
La distancia entre el líder y el robot seguidor está dada por

D = (XL XF)2 (yL yF)2 (8)

Se considera que el objetivo tiene una fuerza virtual que atrae al
robot líder, y la trayectoria del líder generado se considera como la
trayectoria de referencia virtual para el seguidor. El error de
seguimiento de la trayectoria entre el líder y el robot seguidor se
puede escribir de la siguiente manera.

--- - -
mi1 porque pecado 0 XL XF
midist = -mi2- = - pecado porque 0--yL yF - (9)
Higo. 1: robot único en sus marcos de coordenadas
mi3 0 0 1 L F

299
 Actas de EECSI 2018, Malang - Indonesia, 16-18 de octubre de 2018

TABLA I: Reglas basadas en el diseño FLC están instalados en el robot; sin embargo, solo cuatro se utilizan para el
Aporte Producción reconocimiento de distancia para evitar obstáculos y mantener la
No
S1 S2 S3 S8 Cámara
Izquierda Derecha
distancia segura al robot líder.
Neumático Neumático
FLC está diseñado mediante la creación de una base de datos para
1 norte norte norte norte Detectar Parada Parada

2 norte norte norte METRO Detectar Parada lento definir las variables lingüísticas y las reglas difusas basadas en. La Tabla
3 norte norte METRO F Detectar lento Medicina I muestra las reglas consideradas en este artículo. La lingüística de la
4 norte norte METRO norte Detectar lento Parada
tabla I se traduce en funciones de pertenencia de las entradas de los
5 norte METRO F METRO Detectar lento Medicina

6 norte METRO F F Detectar Rápido Medicina

sensores, que se muestran en la fig. 4. La fuzzificación mostrada en la
7 norte METRO norte norte Detectar lento lento fig. 3 mapea los números nítidos en un conjunto difuso que solía
8 norte METRO norte METRO Detectar Parada lento activar el conjunto difuso asociado. El motor de inferencia maneja la
9 METRO F METRO F Detectar Rápido Rápido
forma de combinar las reglas y representa la base de conocimientos
10 METRO F METRO norte Detectar lento Medicina

11 METRO F F METRO Detectar Medicina Rápido del sistema. La defuzzificación convierte cada una de las conclusiones
12 METRO F F F Detectar Medicina Rápido de los motores de inferencia en una única y nítida no difusa, y la salida
13 METRO norte norte norte Detectar Medicina lento FLC será la entrada a los robots.
14 METRO norte norte METRO Detectar Medicina lento
15 METRO norte METRO F Detectar Medicina lento
Condiciones de entrada para sensores de proximidad (S1,S2,S3, yS8)
dieciséis METRO norte METRO norte Detectar Medicina Medicina en la tabla I son N para cerca, M para medio y F para lejos. Cerca,
17 F METRO F METRO Detectar Medicina Medicina medio y lejos muestran la distancia entre el robot y los obstáculos o
18 F F F Detectar Rápido Medicina
entre el robot seguidor y el robot líder. Los resultados de salida son la
METRO

19 F METRO norte norte Detectar Rápido Medicina

20 F METRO norte METRO Detectar Medicina lento velocidad de las ruedas, que se divide en cuatro condiciones, parada,
21 F F METRO F Detectar Rápido Medicina lenta, media y rápida. En este documento, la condición de la cámara
22 F F METRO norte Detectar lento Rápido
solo se limita a 2 estados, detección y no detección, ya que el robot se
23 F F F METRO Detectar Medicina Rápido
mueve si la cámara detecta el objeto (líder u objetivo), entonces las
24 F F F F Detectar Rápido Rápido

Nota: N es cercano, M es medio, F es lejano reglas se simplifican solo para la detección de la cámara.
y Med es velocidad media.

IV. RESULTADOS Y DISCUSIÓN

III. FUZZY LOGIC Ccontrolador DESIGN La viabilidad del FLC propuesto diseñado se prueba en el software
MobotSim mediante el diseño de robots líder-seguidor en varios
El FLC diseñado en este documento se basa en el diseño de FLC para
entornos. El FLC está diseñado utilizando el editor BASIC integrado de
un solo robot, y las reglas basadas en reglas se mantienen simples. El
MobotSim. Los robots se despliegan en un entorno que incluye varios
sistema de resorte-amortiguador se adopta entre el líder y el seguidor.
obstáculos que se consideran paredes, y se considera que el objetivo
La trayectoria virtual del líder se establece mediante una fuerza
tiene una fuerza virtual atractiva. Los robots se mueven desde el inicio
atractiva emitida por el objetivo, y esta trayectoria del líder se convierte
hasta el final utilizando sensores de distancia para mantener la
en la trayectoria de referencia para el robot seguidor. El seguimiento se
distancia segura a los obstáculos y los robots líderes.
puede definir como un acto de acercarse a un objeto en movimiento
Los robots colocados en los puntos de partida se muestran en la fig.
haciendo coincidir su ubicación y velocidad; por lo tanto, el seguidor
6a, 7a, 8a, 9a y 10a, y los robots que alcanzan el objetivo mostrado en
debe hacer coincidir su posición y velocidad con el líder.
la fig. 6b, 7b, 8b, 9b y 10b. Higo. 6 a 10 muestran que los robots líderes
Higo. 3 muestra el diseño FLC propuesto en este estudio donde
evitan obstáculos y mantienen la distancia a la pared en la distancia
las entradas son de sensores de proximidad y cámara. En este
deseada, y los robots seguidores mantienen la distancia segura con el
estudio actual, se considera que la cámara adjunta está en dos
líder mientras evitan los obstáculos y siguen la pared al mismo tiempo.
estados solamente, detecta o no detecta. La aplicación de la
El robot implementado en este trabajo se basa en el sistema real, por lo
cámara para el líder es reconocer el objetivo del robot líder y para
que el rango de distancias considerado en esta investigación
el robot seguidor identificar al líder. La cámara en este artículo no
presentada en la fig. 4 también se basa en los robots reales. Las
tiene un papel significativo; sin embargo, la inclusión de una
trayectorias de los robots muestran que el robot seguidor sigue al líder
cámara sirve para preparar las reglas del sistema real, que es un
desde el principio hasta el final. La simulación de un líder y un seguidor
proyecto en curso en este momento. Ocho sensores de proximidad
puede extenderse fácilmente a más de un seguidor, como se muestra
en la fig. 11.
El material presentado en este trabajo fue parte de las simulaciones
presentadas a los estudiantes a nivel de licenciatura en nuestra
Politécnica. El proceso de enseñanza-aprendizaje se mejora al
involucrar la participación activa de los estudiantes. La mejora se llevó a
cabo mediante la introducción de varios software de simulación y
alentando a los estudiantes a diseñar sus robots y entornos. El software
introducido es software de bajo costo como este MobotSim y software
de código abierto, ya que no todos los politécnicos en los países en
Higo. 3: Diagrama de bloques para el diseño del controlador FLC
desarrollo pueden permitirse el costoso

300
 Actas de EECSI 2018, Malang - Indonesia, 16-18 de octubre de 2018

software de gama alta. Este documento también forma parte de nuestra

campaña y anima a los profesores y estudiantes que trabajan con robótica a
utilizar software de código abierto y de bajo coste [23].

(a) Robots en posición inicial

(b) Robots en posición final

Higo. 4: función de pertenencia de la entrada de sensores
Higo. 6: Entorno 1

(a) Robots en posición inicial

Higo. 5: sistema de salida (b) Robots en posición final

Higo. 7: Entorno 2

301
 Actas de EECSI 2018, Malang - Indonesia, 16-18 de octubre de 2018
V. CONCLUSIONES
FLC es un buen enfoque para diseñar un sistema de navegación para
un robot móvil, ya que este tipo de controlador no requiere un modelo
matemático exacto del sistema. El modelado matemático de un robot
móvil impulsado por dos diferenciales sufre la restricción no
holonómica y los sensores conectados no pueden resolverse mediante
una simple integración matemática. Al usar FLC, se pueden tomar
datos de los sensores como entradas para el
(a) Robots en posición inicial
(b) Robots en posición final
Higo. 8: Entorno 3
(a) Robots en posición inicial
(b) Robots en posición final
Higo. 9: Entorno 4
302
controladores. Este documento presenta una mejora / extensión del
diseño FLC para un robot a los robots de formación líder-seguidor. La
relación entre líder y seguidor se modela como un sistema virtual de
resorte-amortiguador como se presentó en nuestro trabajo anterior
[16]. La viabilidad del método propuesto se prueba mediante
simulaciones de robot líder y seguidor en simulación utilizando SCILAB
para la representación de entrada-salida y MobotSim para mostrar la
implementación a robots móviles. Los resultados de la simulación
muestran la efectividad del método propuesto por
(a) Robots en posición inicial
(b) Robots en posición final
Higo. 10: Entorno 5
(a) 3 Robots en posición inicial
(b) 3 Robots en posición final
Higo. Robot 11: 1 líder y 2 seguidores
 Actas de EECSI 2018, Malang - Indonesia, 16-18 de octubre de 2018

mostrando que el robot seguidor sigue al líder en todo el [15] R. Al-Jarrah, A. Shahzad y H. Roth, "Planificación de ruta y coordinación de
entorno. El método propuesto se puede desarrollar fácilmente movimiento para sistemas de múltiples robots usando Neuro-Fuzzy
probabilístico", IFAC-PapersOnLine, vol. 48, número 10, págs. 46-51, 2015.
para más de un seguidor, como se muestra en la fig. 11. https://doi.org/10.1016/j.ifacol.2015.08.106.
El método y el software utilizado también se introducen en el aula del [16] T. Dewi, P. Risma e Y. Oktarina, “Wedge Formation Control of Swarm
autor, como un medio para aumentar la participación de los estudiantes en Robots”, El 14o Seminario de Electrónica Industrial, Instituto
Politécnico de Ingeniería Electrónica de Surabaya (EEPIS), Indonesia,
el proceso de enseñanza-enseñanza aprendizaje. Al mejorar la participación págs. 294-298, 2012.
de los estudiantes, también se espera mejorar la creatividad y la [17] V. Karpov e I. Karpova, "Algoritmos de elección de líderes para enjambres
estáticos", Arquitecturas cognitivas inspiradas biológicamente, vol. 12, págs.
comprensión de los estudiantes sobre materias relacionadas con la robótica
54-64, 2015. https://doi.org/10.1016/j.bica.2015.04.001.
en Sriwijaya State Polytechnic. Este documento también es parte de nuestra [18] MA Molina-Villa, DR Avendaño-Flórez, LE Solaque-Gusman, y
campaña de estímulo y promoción para que los profesores y estudiantes NF Velasco-Toledo, "Controlador de lógica difusa para robótica móvil
cooperativa implementado en el enfoque de formación de líder-seguidor",
utilicen el software de código abierto y de bajo costo para el proceso de
Revista Facultad de Inineria, Universidad de Antioquia, no. 76, págs. 19-29
enseñanza-aprendizaje [23], ya que no todas las universidades y escuelas de 2015.
politécnicas de los países en desarrollo pueden permitirse el alto costo -final [19] https://www.scilab.org/, consultado el 12 de octubre de 2017.
[20] http://www.mobotsoft.com/, consultado el 12 de octubre de 2017.
de software.
[21] P. Shakouri, O. Duran, A. Ordys y GCollier, "Enseñanza del control lógico
difuso basado en una implementación robótica",Volúmenes de actas
REFERENCIAS de la IFAC, vol. 46, números. 17, págs. 192-197, 2013. https://doi.org/
10.3182/20130828-3-UK-2039,00047
[1] T. Dewi, N. Uchiyama y S. Sano, "Servicio de control de robot móvil para [22] A. Pandey y DR Parhi, "Simulación de MATLAB para la navegación de un robot móvil
rastrear un objeto en movimiento evitando colisiones", 2015 IEEE con obstáculos en un entorno desordenado utilizando un controlador lógico difuso
International Workshop on Advanced Robotics and its Social Impacts basado en reglas mínimas", Actas de la 2da Conferencia Internacional sobre
(ARSO), Francia, 2015, DOI: 10.1109 / ARSO.2015.7428197. Innovaciones en Automatización y Ingeniería Mecatrónica ICIAME 2014,
[2] LA Zadeh, “Fuzzy Sets. Control de la información ”, vol. 8, págs. 338-353, 1965. Tecnología de Procedimientos, vol. 14, Vallabh Vidyanagar, 2014, 28-34. https://
doi.org/10.1016/j.protcy.2014.08.005.
[3] NH Singh y K. Thongam, "Navegación de robots móviles con lógica [23] T. Dewi, P. Risma, Y. Oktarina y M. Nawawi, "Simulación de redes
difusa en entornos estáticos",Procedia neuronales para evitar obstáculos y robot seguidor de paredes como
Ciencias de la Computación, vol. 125, págs. 11-17 de 2018, ISSN 1877-0509, herramienta de ayuda para el proceso de enseñanza-aprendizaje en el
https://doi.org/10.1016/j.procs.2017.12.004. aula",Actas de la Primera Conferencia Internacional de Ingeniería y
[4] K. Benbouabdalah y Z. Qi, "Diseño de un controlador de lógica difusa para un Tecnología Aplicada de 2017 (ICEAT), Mataram, 2017, págs. 705-717.
robot móvil que rastrea un objetivo en movimiento", 2012 2do Congreso http://conference.fgdt-ptm.or.id/index.php/iceat/index.
Internacional de Informática y Tecnología de Redes, vol. 44, págs. 117-127,
2017. https://doi.org/10.1016/j.asoc.2016.03.018.
[5] SG Tzafestas, "Introducción al control de robots móviles",
1S t Ediciones.Elsevier, págs. 269-305, 2014.
https://doi.org/10.1016/B978-0-12-417049-0.00002-X. ISBN
9780124171039.
[6] O. Obe e I. Dumitrache, "Fuzzy Control of Autonomous Mobile
Robot", UPB Sci. Toro, vol. 72, no. 3, Serie C, págs. 173-186, 2010.
[7] H. Omrane, MS Masmoudi y M. Masmoudi, "Control basado en lógica difusa
para la navegación autónoma de robots móviles", Inteligencia
computacional y neurociencia, vol. 2016, ID de artículo 9548482, 10 páginas,
2016. doi: 10.1155 / 2016/9548482
[8] AS Al Yahmedi y MA Fatmi, "Navegación basada en lógica difusa de
robots móviles, avances recientes en robótica móvil", Dr. Andon
Topalov (Ed.), 2011, págs. 287-310, ISBN: 978-953-307-909-7,
InTech, disponible en: http://www.intechopen.com/books/recent-
advances-in-mobile-robotics/fuzzy-logic-based-navigation
-ofmobile- robots
[9] S. Nurmaini, B. Tutuko, K. Dewi, V. Yuliza y T. Dewi, "Mejora de la
precisión de la postura de un sistema de robot móvil no
holonómico con un universo de discurso variable",Telkomnika, vol.
15, n. ° 3, págs. 1265-1279, 2017. DOI: http://dx.doi.org/10.12928/
telkomnika.v15i3.6078.
[10] F. Abdessemed, K. Benmahammed y E. Monacelli, "Un controlador reactivo de
base difusa para un robot móvil no holonómico", Robótica y sistemas
autónomos, vol. 47, págs. 31-46, 2004.
[11] A. Pandey, "Navegación de planificación de ruta de un robot móvil con evitación de
obstáculos mediante el controlador de lógica difusa", 2014 IEEE 8th International
Conference on Intelligent Systems and Control (ISCO), Coimbatore, 2014, 36-41.
DOI: 10.1109 / ISCO.2014.7103914.
[12] T. Dewi, N. Uchiyama, S. Sano y H. Takahashi, "Swarm Robot Control for
Human Services and Moving Rehabilitation by Sensor Fusion", Revista
de robótica, vol. 2014, artículo ID 278659, 11 páginas, 2014. https://
doi.org/10.1155/2014/278659.
[13] S. El Ferik, MT Nasir y U. Baroudi, "A Behavioral Adaptive Fuzzy controller of
multi robots in a cluster space", Computación blanda aplicada, vol. 44, págs.
117-127, 2017. https://doi.org/10.1016/j.asoc.2016.03.018.
[14] SK Pradhan, DR Parhi y AK Panda, "Técnicas de lógica difusa para la
navegación de varios robots móviles", Computación blanda aplicada, vol. 9,
págs. 290-304, 2009. doi: 10.1016 / j.asoc.2008.04.008

303