Estratégia de navegação com planejamento dinâmico e algoritmo genético aplicada a robôs móveis terrestres

This work proposes a new autonomous navigation strategy assisted by genetic algorithm with dynamic planning for terrestrial mobile robots, called DPNA-GA (Dynamic Planning Navigation Algorithm optimized with Genetic Algorithm). The strategy was applied in environments - both static and dynamic - in which the location and shape of the obstacles is not known in advance. In each shift event, a control algorithm minimizes the distance between the robot and the object and maximizes the distance from the obstacles, rescheduling the route. Using a spatial location sensor and a set of distance sensors, the proposed navigation strategy is able to dynamically plan optimal collision-free paths. Simulations performed in different environments demonstrated that the technique provides a high degree of flexibility and robustness. For this, there were applied several variations of genetic parameters such as: crossing rate, population size, among others. Finally, the simulation results successfully demonstrate the effectiveness and robustness of DPNA-GA technique, validating it for real applications in terrestrial mobile robots.

Este trabalho propõe uma nova estratégia de navegação autônoma assistida por algoritmo genético com planejamento dinâmico para robôs móveis terrestres, chamada DPNA-GA (Dynamic Planning Navigation Algorithm optimized with Genetic Algorithm). A estratégia foi aplicada em ambientes - tanto estáticos, quanto dinâmicos - nos quais a localização e o formato dos obstáculos não são previamente conhecidos. A cada evento de deslocamento, uma nova rota é planejada através de um algoritmo que minimiza a distância entre o robô e o objetivo e maximiza a distância em relação aos obstáculos. Utilizando um sensor de localização espacial e um conjunto de sensores de distância, a estratégia de navegação proposta foi capaz de planejar dinamicamente percursos ótimos livres de colisão. Simulações realizadas em diferentes ambientes demostraram que a técnica fornece um alto grau de flexibilidade e robustez. Para isso, foram aplicadas diversas variações de parâmetros genéticos, tais como: taxa de cruzamento, tamanho da população, dentre outros. Finalmente, os resultados das simulações demonstram satisfatoriamente a eficácia e robustez da técnica DPNA-GA, validando-a para aplicações reais em robôs móveis terrestres.