In English
In recent years, research on techniques for developing controllers for autonomous robots has been conducted. Evolutionary Algorithms are among the most popular tools used in this type of problem, mostly for its capacity to adapt to the environment. Nevertheless, they are usually applied to produce a controller that will not continue its adjustment after concluding this process. This causes trouble to a controller when it is used in a dynamic environment. In this paper, the combination of a state-of-the-art modular neuro-evolution algorithm with a specific evolutionary algorithm is proposed. The former method is used to generate the controller while the later is used to adjust it during its operation. As a result, an adaptable controller based on a minimal topology neural network is obtained. The method proposed was tested in a goal-reach problem with satisfying results. Finally, conclusions are presented.
In Spanish
En los últimos años se han realizado diversas investigaciones en técnicas para el desarrollo de controladores para robots autónomos. Los Algoritmos Evolutivos son una de las herramientas más utilizadas en este tipo de problemas por su capacidad de adaptación al entorno. Sin embargo, en su mayoría, la aplicación se concentra en la fase de generación del controlador no permitiendo realizar adaptaciones posteriormente. Esto perjudica la aplicación del controlador en ambientes dinámicos.
Este artículo propone extender la evolución del controlador a lo largo de su vida útil combinando un método basado en evolución de módulos neuronales con un algoritmo evolutivo específico. El primer método es utilizado para producir los controladores mientras que el segundo ajusta al controlador durante su funcionamiento. Como resultado, se obtiene un controlador adaptable en la fase de ejecución basado en una red neuronal de arquitectura mínima. La propuesta de este artículo fue medida en la resolución de problemas del tipo alcance de objetivos con resultados satisfactorios.
Finalmente, se exponen las conclusiones.