Sistema de control para robots móviles autónomos basado en habilidades reactivas

Un robot autónomo móvil debe ser capaz de adaptarse de manera flexible a cambios que se produzcan en el entorno sin la necesidad de decirle qué hacer en cada momento. La aptitud de un robot de decidir cómo actuar ante una determinada situación y de reaccionar adecuadamente ante eventos para ejecutar sus tareas de manera segura va a depender de cómo estén distribuidas las capacidades de deliberación y reacción en él. La arquitectura de control híbrida AD se basa en la forma en la que se organizan los procesos mentales humanos. Consta de dos niveles: uno Deliberativo que está relacionado con la capacidad de razonar, y otro Automático que está relacionado con las capacidades de ejecutar acciones de manera automática. Uno de los objetivos de esta tesis consiste en el desarrollo del nivel Au­tomático de la arquitectura AD. Este nivel permite al robot disponer de la necesaria reactividad para responder rápidamente a cambios que se produzcan en el entorno. Está formado por habilidades automáticas que incluyen las capacidades de percepción y acción del robot y por acciones reflejas que permiten al robot responder de manera prioritaria ante determinados estímulos. En esta tesis se ha definido una estructura genérica para habilidades que facilita su programación, integración y modificación en la arquitectura de control de manera que no afecte al resto de los componentes que constituyen dicha arquitectura. Las habilidades pueden ejecutarse en paralelo, son acti­vadas por el nivel Deliberativo cuando se necesitan para llevar a cabo una determinada tarea y generan sus propios eventos notificándoselo a aquellas habilidades que se hayan registrado en ella para recibirlos. También se propone tres diferentes métodos de generación de habilidades complejas a partir de habilidades ya existentes denominados secuenciación, adición de salidas y flujo de datos. Estos tres métodos no son excluyentes sino que pueden darse en una misma habilidad. El nivel Deliberativo tiene que conocer cuales son las habilidades au­tomáticas de las que dispone para ejecutar una tarea determinada. Se presenta una base de datos que contiene información acerca de las habilidades automáticas que le puede servir al nivel Deliberativo para razonar o tomar decisiones. Por último, se propone un algoritmo de aprendizaje por refuerzo basado en redes neuronales que permite a un robot móvil aprender habilidades sensorimotoras automáticas sencillas. De esta manera, el robot es capaz de aprender a adaptarse y a reaccionar para mejorar su actuación. El algoritmo de aprendizaje propuesto trabaja con espacios de entrada y salida continuos y señal de refuerzo continua.An autonomous mobile robot must be able to flexibly adapt its behaviors without explicitly being told what to do in each situation. Robot 's decision capacity to react to events in arder to carry out its tasks safely depends on how its deliberation and reaction capacities are organized on it. The hybrid control architecture called AD is based on how mental processes are performed in humans. It has two levels: one is the Deliberative level which is related to reasoning capacity and the another is the Automatic level which is related to execution of automatic actions. One of the objectives of this PhD Thesis is to develop the Automatic level of the architecture AD. This level allows the robot to react to changes took place in the environment. It is formed by automatic skills which include the robot's perception and action capacities, and by reflex actions which allow the robot to respond with priority to a specific stimulus. A generic structure for skills is defined which makes its programming, modification and integration easier so it does not affect the other architec­ture's components. Skills can execute parallel, are activated by the Deliber­ative level and generate their own events notifying them to skills which have registered at it in order to receive the events. Three different methods are also proposed for generating complex skills from simple ones called sequencing, output addition and data fiow. These methods are not exclusive but they can be in the same skill. The Deliberative level has to know what are the available automatic skills in order to perform a task. A data base is presented which contains infor­mation about skills useful for the Deliberative level for reasoning or taking decisions. Finally, a reinforcement learning algorithm is proposed based on neural networks which allows a mobile robot to learn simple automatic sensorimotor skills. In this case, the robot is capable of learning to adapt and react in order to improve its performance. The proposed learning algorithm works with continuous inputs and outputs and continuous reinforcement signal.Doctor por la Universidad Carlos III de Madrid. Programa en Tecnologías IndustrialesPresidente: Carlos Balaguer Bernaldo de Quirós.- Secretario: Luis Enrique Moreno Lorente.- Vocales: Jesús Manuel de la Cruz García, Fernando Morilla García y Antonio Barriento