Planificación de Rutas Energéticamente Eficientes para Robots Serpiente Utilizando un Algoritmo A* Mejorado con...

Área de la Ciencia:

• Robótica
• Inteligencia Artificial
• Planificación de Rutas

Sus antecedentes:

• Los robots tipo serpiente ofrecen una movilidad superior en terrenos difíciles debido a su flexibilidad.
• Los métodos actuales de planificación de rutas a menudo priorizan las rutas más cortas sobre la eficiencia energética.
• La navegación eficiente es crucial para las operaciones de los robots serpiente en entornos confinados o accidentados.

Objetivo del estudio:

• Desarrollar un método de planificación de rutas energéticamente eficiente para robots tipo serpiente.
• Mejorar la seguridad, la eficiencia energética y el rendimiento de las tareas de los robots serpiente.
• Abordar las limitaciones de los algoritmos de planificación de rutas existentes que descuidan la optimización energética.

Principales métodos:

• Se desarrolló un Modelo de Estimación del Consumo de Energía (ECEM) para el movimiento 3D.
• Se integró el ECEM en una función heurística para un algoritmo A* mejorado.
• Se mejoró el algoritmo A* con Deep Reinforcement Learning (Dueling Double-Deep Q-Network - D3QN).

Principales resultados:

• El algoritmo A* mejorado con D3QN propuesto redujo significativamente el consumo de energía.
• Se logró una reducción del consumo de energía del 3,39% al 27,26% en comparación con los algoritmos A* tradicionales y A* bidireccional.
• Se demostró una planificación de rutas eficaz en entornos 3D complejos.

Conclusiones:

• La integración del aprendizaje profundo por refuerzo y las heurísticas adaptativas mejora la planificación de rutas de los robots serpiente.
• El método propuesto mejora la eficiencia energética y la aplicabilidad práctica de los robots serpiente.
• Este enfoque ofrece una solución viable para la navegación consciente de la energía en terrenos complejos.