Evolutionary Learning of a Fuzzy Controller for Mobile Robotics

Abstract

Tehnicile inteligente bazate pe logica fuzzy, reţelele neurale şi algoritmi genetici sunt folosite cu mult succes în conducerea roboţilor autonomi. Sistemele hibride bazate pe combinaţii ale acestor tehnici pot maximiza eficienţa acestor tehnici. În această lucrare, se prezintă un sistem hibrid geno-fuzzy care foloseşte un algoritm genetic pentru optimizarea unui sistem de conducere cu logică fuzzy pentru un robot Khepera care trebuie să atingă un anumit punct în spaţiul de lucru pe traseul cel mai scurt. Algoritmul genetic optimizează funcţiile de apartenenţă şi generează reguli optimale. Rezultatele prezentate în această lucrare demonstrează validitatea abordării hibride bazată pe combinaţii ale tehnicilor inteligente de conducere. Fuzzy control systems, neural networks and genetic algorithms can be cooperatively used for designing robot control systems. This paper presents a hybrid geno-fuzzy system based on a genetic algorithm that optimizes the membership functions and the rule structure of a fuzzy controller. The robot is a Khepera mobile robot that has to follow a track and find a target. The presented results demonstrate the validity of such a hybrid approach.