Resumen de Implementación de un controlador de posición y movimiento de un robot móvil diferencial

Germán Fernández, Luis Hernando Ríos González, Maximiliano Bueno López

• español

  Contexto: La robótica móvil continúa siendo un área de constante actualización, donde se busca tener aplicaciones que permitan mejorar la calidad de vida de los seres humanos. Con base en lo anterior, en este artículo se presenta un novedoso diseño de un controlador de posición y movimiento para un robot móvil diferencial, utilizando redes neuronales artificiales y cuyo fin es llevarlo a aplicaciones reales en diferentes campos de acción.Método: La propuesta presentada está basada en un controlador PID, el cual ha sido sintonizado con una red neuronal y requiere conocer el modelo cinemático del robot.Resultados: Las simulaciones muestran la eficiencia del control de posición para el seguimiento de caminos explícitos, en este caso para el seguimiento de trayectorias rectilíneas y curvilíneas. La interfaz gráfica presentada permite ajustar las ganancias con facilidad y verificar el seguimiento de la trayectoria en línea.Conclusiones: De los resultados obtenidos se puede concluir que la estrategia propuesta es de fácil implementación ya que se requiere información que de manera general entregan los sensores de un robot móvil. Finalmente la sintonización realizada del controlador PID con la red neuronal permite obtener un correcto desempeño para seguimiento de trayectorias. 

• English

  Context: Mobile robotics remains being an area of constant updating, which seeks to have applications to improve the life quality of human beings. Therefore, the paper presented a novel design of a position and move controller to a differential mobile robot using artificial neural networks, which aims is to bring a real applications in different fields.Method: The proposal is based on a PID controller, which has been tuned using a neural network and requires knowledge of the kinematic model of the robot.Results: The simulations show the efficiency of the control position for following paths, in this case for tracking straight and curved paths. The graphical interface allows adjusting the gains easily and verifies the trajectory tracking online.Conclusions: From the results we can conclude that the proposed strategy is easy to implement since the required information is generally deliver by mobile robot sensors. Finally, tuning PID controller with the neural network allows obtaining a correct performance for trajectory tracking.