Descripción del Curso:
Este curso está concebido como un taller que complementa la formación teórica cubierta en CI5433. Su propósito es ofrecer la
oportundad de desarrollar un proyecto en el área de aprendizaje de máquina.
Objetivo Específico:
Se desea generar comportamientos de navegación reactiva y
evitación de obstáculos en el robot miniatura Khepera,
reproduciendo y modificando el trabajo propuesto por Floreano y Mondada (1996).
El procedimiento consiste en aplicar un algoritmo genético simple
para evolucionar los pesos sinápticos y umbrales de una red neuronal
que controla los movimientos del robot. Se compararán los
resultados de evolucionar un robot simulado y un robot físico.
Horario: Jueves 3:30pm
Resultados Esperados (entregas):
- Semana 7
- Finalizar proyecto de Osuna.
- Descansar un poquito.
- Semana 8
- Lectura en profundidad del artículo de Florano and Mondada (1996):
Evolution of Homing Navigation in a Real Mobile Robot. Los estudiantes
deben entender los detalles del problema, la solución, los experimentos
y los resultados de este trabajo.
- Instalación del simulador de Khepera en la máquina de
Miliani en el GIA (en Linux) y prueba de ejemplos.
- Repaso de algoritmos genéticos.
- Semana 9
- Implementación y pruebas de un algoritmo genético simple.
Se recomienda implementar código propio, pero está permitido
buscar en el web alguna libreriía existente. En todo caso, el
estudiante debe entender el funcionamiento del algoritmo y tener en
mente que este algoritmo debe ser usado desde el simulador.
- Implementación en el simulador de un algoritmo Braitenberg
para la evitación de obstáculos. Se pueden utilizar los pesos
del Braitenberg del programa BRA-0.1 instalado en la computadora de MYS-202C.
- Semana 10
- Implemetación de un método de entrenamiento de la
red neuronal utilizada por Floreano and Mondada (1996). Nótese
que los autores no proponen una solución basada en entrenamiento
de redes neuronales para la obtención de los pesos sinápticos.
- Inicio de la implementación en el simulador del experimento de la
sección III: Navigation and Obstacle Avoidance (Floreano and
Mondada, 1996).
- Semana ASOVAC
- Debugging, experimentos de evolución de los pesos sinápticos,
resultados simulados.
- Prueba en el robot físico de los pesos sinápticos
óptimos obtenidos en la simulación.
- Elaboración del informe.
- Semana 11
- Evolución de la red neuronal utilizando el robot físico.
- Mejoras al trabajo de Floreano and Mondada (1996).
- Comparación del trabajo en simulación y el trabajo en el
robot físico.
- Semana 12
- Pruebas comparativas de los métodos y resultados de Floreano and
Mondada (1996), Verschure et al. (1992) (ya implementado por Miliani)
y Braitenberg (1984).
- Informe Final.
El informe (camera-ready) debe cumplir con el formato de la revista
IEEE Transactionson Robotics and Automation . Miliani está
familiarizado con el formato, y además pueden consultar la revista
en la biblioteca.
Observaciones sobre el Informe:
La elaboración de un artículo debe ser una tarea realizada cuidadosamente. Generalmente son rechazados entre un 50% y un 70% de los artículos
enviados a conferencias y revistas de prestigio. Muchos factores influyen en el rechazo de un artículo, comenzando por el título del mismo.
Los árbitros de estas publicaciones, aunque son personas de renombre en el
área, no tienen conocimiento del trabajo que se describe en el artículo.
Si el artículo no describe claramente el problema y su solución,
con seguridad será rechazado, dada la imposibilidad del
árbitro de entender de qué se trata el texto. La abundancia de errores ortográficos es por sí sola una razón de peso
para rechazar un trabajo. El título y el resumen deben dar
una buena idea del contenido del artículo y deben motivar la
lectura, puesto que con sólo leer estas partes las demás
personas deciden si leer o no el artículo completo.
La organización del artículo es fundamental. Será difícil
para el árbitro entender el artículo si las ideas no son presentadas
de manera coherente. La descripción de los experimentos realizados
y los resultados cuantitativos obtenidos le permiten al árbitro determinar
la validez e importancia de la investigación realizada. Además,
el problema y la solución no están aislados del resto del
mundo. De alguna manera la introducción y la conclusión deben
tener una visión más amplia que relacione el trabajo realizado con el
área de investigación.
Los artículos pueden ser rechazados automáticamente sin haber
sido leidos, sólo por no cumplir con el formato requerido.
Adicionalmente, se espera que la calidad sea "camera-ready", es decir,
en la fecha prevista el artículo debe estar listo para ser publicado
(lo cual se hace "fotografiando" cada página). Baja calidad de
impresión (especialmente de las figuras), correcciones a mano, y
artículos incompletos son totalmente inaceptables.
Bibliografía preliminar:
- Floreano, D. and Mondada, F. (1994):
Automatic creation of an autonomous agent: Genetic evolution of a
neural-network driven robot". From animals to animats III.
- Verschure, P.F.M.J., Krose, B.J.A., and Pfeifer, R (1992): Distributed
adaptive control: The self-organization of structured behavior. Robotics
and Autonomous Systems 9, 181-196.
- Mitchell (1997): Machine Learning. McGraw-Hill.
- Haykin, S. (1999): Neural Networks: A comprehensive foundation. Prentice Hall.
- Goldberg, D. (1989): Genetic Algorithms in Search, Optimization and
Machine Learning. Addison-Wesley.
- Arkin, R. C. (1998): Behavior-Based Robotics. MIT Press.
|
