Robótica

Práctica 2

Javier de Lope
jdlope@@eui.upm.es

Departamento de Sistemas Inteligentes Aplicados

Universidad Politécnica de Madrid

19 de noviembre de 2012

J. de Lope (UPM) Robótica — Práctica 2 19/11/12 1 / 13

Objetivo

El objetivo de la práctica es construir un controlador borroso para guiar un

automóvil en el simulador TORCS, manejando el volante, el acelerador, el
freno y el cambio de marchas, durante una vuelta por un circuito de
pruebas.

Para la creación de las reglas y sintonización de funciones de pertenencia

se establecen dos modalidades:
1 Reglas a partir de una memoria asociativa borrosa que cubran todos
los estados de las variables de control y sintonización de funciones de
pertenencia mediante métodos clásicos.
2 Reglas, funciones de pertenencia o ambas generadas mediante un
sistema evolutivo.

J. de Lope (UPM) Robótica — Práctica 2 19/11/12 2 / 13

Variables de control

La variable de control de la dirección se define en la primera práctica

aunque en este caso utilizaremos tanto el error como su primera derivada
(d y ḋ).

Trayectoria
6
mmm
mmmmm
mm
mmm
Error
7
angular
Q
nn QQQ
nn nnn QQQ
QQQ
nn QQQ
nnn (
Dirección
PPP Yaw - guiñada
PPP
PPP
PPP
(
Error lateral

J. de Lope (UPM) Robótica — Práctica 2 19/11/12 3 / 13

Variables de control

Para el controlador para la velocidad nos basaremos también en lo definido

en la primera práctica aunque en este caso utilizaremos tanto el error
como su primera derivada (v y v̇ ).

Cambio k5 de marchas
kk kkk
kk
kkk
kkk
Velocidad / Acelerador
SSS
SSS
SSS
SSS
SS)
Freno

J. de Lope (UPM) Robótica — Práctica 2 19/11/12 4 / 13

Variables de control

Para cada variable de control se establecerán particiones de al menos

5 conjuntos que sean completas y estén solapadas según las
recomendaciones generales vistas en teorı́a.

Para la variable dirección tendremos muy a la izquierda, a la izquierda,

centrado, a la derecha y muy a la derecha (o similares).

Para la variable velocidad tendremos muy baja, baja, normal, alta y muy
alta (o similares).

Para la velocidad se tendrán que tratar los casos de los tramos rectos y los
tramos curvos independientemente.

J. de Lope (UPM) Robótica — Práctica 2 19/11/12 5 / 13

Reglas, inferencia y desborrosificación

Se usarán reglas de tipo Mandani.

Para la inferencia y desborrosificación se empleará alguno de los métodos

estudiados en la parte de teorı́a o cualquier otro de los habituales.

Especialmente, para la desborrosoficación, se pueden usar varios métodos

y estudiar y comparar los resultados.

J. de Lope (UPM) Robótica — Práctica 2 19/11/12 6 / 13

Evolución de controladores borrosos

Se definirá una población de individuos, cada individuo corresponde con un

controlador borroso del vehı́culo.

Los elementos a evolucionar podrán ser:

Los parámetros de las funciones de pertenencia de los conjuntos
borrosos (p.ej. en funciones trapezoidales, los puntos de discontuidad
y se deberá comprobar que el trapecio está bien formado).
La memoria asociativa borrosa (tabla FAM), rellenando la tabla con
funciones de pertenencia de salida.
Ambos.

J. de Lope (UPM) Robótica — Práctica 2 19/11/12 7 / 13

Evolución de controladores borrosos

El algoritmo evolutivo seguirá el siguiente esquema:

1 Se creará una población inicial de forma aleatoria (el número de
individuos será un valor a determinar). Las funciones de entrada y de
salida se inicializarán con valores aleatorios obtenidos con una
distribución uniforme.
2 Se probarán los individuos en el simulador para determinar su calidad
que irá en función, por ejemplo, del tiempo que tarda en dar una
vuelta; si no la termina, tendrá la peor calidad.
3 Se generará una nueva población a partir de la actual según cualquier
criterio (los mejores, todos, elitismo, etc.). Para las funciones se
usará mutación a partir de un generador aleatorio basado en una
distribución gausiana de media cero. Para la tabla FAM se podrá usar
tanto mutación como cruce.

J. de Lope (UPM) Robótica — Práctica 2 19/11/12 8 / 13

Evolución de controladores borrosos

Se saldrá del bucle cuando se haya alcanzado un número determiando de

iteraciones o cuando la calidad del mejor individuo o de la media de la
población supere un determinado umbral.

Se recomienda utilizar elitismo que consiste en dejar intacto al mejor

individuo de una población para la siguiente. De esta forma, nos
aseguramos que no perdemos la mejor solución encontrada hasta el
momento.

J. de Lope (UPM) Robótica — Práctica 2 19/11/12 9 / 13

Evolución de controladores borrosos

Se deberán estudiar todos los parámetros y variantes que intervienen en el

algoritmo como son el número de individuos de la población, el uso de
elitismo, la varianza de la distribución gausiana, los valores de
inicialización, las funciones de calidad usadas, etc. tanto en la
convergencia como en los resultados obtenidos.

Se recuerda que estamos tratando con procesos estocásticos por lo que

serán necesarias varias ejecuciones de cada prueba para llegar a
conclusiones válidas.

J. de Lope (UPM) Robótica — Práctica 2 19/11/12 10 / 13

Modalidades

Modalidad 1
Controladores borrosos usando memorias asociativas que cubran todos los
estados de las variables de control (dirección y velocidad) y sintonización
de funciones de pertenencia a los conjuntos de entrada y de salida
mediante métodos clásicos.

Modalidad 2
Controlador borroso usando memoria asociativa que cubra todos los
estados para una de las variables de control (dirección o velocidad) y
sintonización de funciones de pertenencia de entrada y de salida o de la
creación de la base de reglas o ambas mediante métodos evolutivos. Si no
se evolucionan los dos controladores, se podrá usar uno de los de la
primera práctica.

J. de Lope (UPM) Robótica — Práctica 2 19/11/12 11 / 13

Entrega

Cada grupo (máximo 2 personas) deberá entregar una memoria de

resultados en PDF (no se admitirá ningún otro formato) a través del
Moodle del Departamento.

La memoria debe incorporar todas las consideraciones que sean oportunas

y el comentario crı́tico de los resultados.

Se incluirá una comparación con los resultados obtenidos en la primera

práctica, concluyendo si se llegan a mejorar o no.

Para ello se podrán fijar métricas con las que se obtengan resultados
objetivos basadas en el tiempo necesitado para dar una o más vueltas, la
distancia recorrida, etc.

J. de Lope (UPM) Robótica — Práctica 2 19/11/12 12 / 13

Entrega

La fecha de entrega máxima para la segunda práctica es el domingo 6 de

enero de 2013.

Las prácticas que se entreguen mediante cualquier medio (Moodle, correo

electrónico, etc.) a partir de las 0:00 del lunes 7 no serán evaluadas, lo que
conllevará el suspenso en la práctica y en la asignatura.

La fecha de entrega es improrrogable.

J. de Lope (UPM) Robótica — Práctica 2 19/11/12 13 / 13