logo móvil
Contáctanos

Desarrollando un algoritmo de aprendizaje automático para robots de servicio en aplicaciones industriales

Autores: Kulaç, Nizamettin; Engin, Mustafa

Idioma: Inglés

Editor: MDPI

Año: 2023

Descargar PDF

Acceso abierto

Artículo científico
2023

Desarrollando un algoritmo de aprendizaje automático para robots de servicio en aplicaciones industriales


Categoría

Tecnología de Equipos y Accesorios

Subcategoría

Diseño de equipos y herramientas

Palabras clave

Robots
Sector de servicios
Robot móvil autónomo
áreas industriales
Algoritmo
órdenes de trabajo

Licencia

CC BY-SA – Atribución – Compartir Igual

Consultas: 20

Citaciones: Sin citaciones


Descripción
Los robots, que han sido mayormente efectivos en áreas como instalaciones industriales, agrícolas y de producción, han comenzado a ocupar un lugar en el sector de servicios, ya que sus tecnologías se han vuelto más económicas y accesibles. Esta situación ha atraído la atención de empresas e investigadores y ha acelerado los estudios sobre este tema. En este estudio, se desarrolló un algoritmo para que el robot móvil autónomo sirviera en áreas industriales. En línea con este estudio, se logró que el robot móvil autónomo mapease el entorno de trabajo, determinara la estación de trabajo en este entorno y luego realizara operaciones de transporte entre estas estaciones de trabajo de acuerdo con una orden de trabajo dada. Después de que el robot móvil cumplió con la orden de trabajo, entró en un estado de espera hasta que se recibiera una nueva orden de trabajo. Para que el robot móvil ahorrara energía, se aseguró que esperara cerca del punto donde se recibía la orden de trabajo con más frecuencia, mediante el uso de aprendizaje automático en la posición de espera. Los algoritmos desarrollados fueron diseñados utilizando el entorno NI LabVIEW y luego simulados en el entorno RobotinoSIM y probados físicamente utilizando la plataforma de robot móvil autónomo Robotino. Los resultados experimentales mostraron que el mapeo y la información de ubicación utilizando una cámara RGB, odometría y un código QR eliminaron errores de ubicación permanentes, y el robot completó 50 órdenes de trabajo con un 100% de precisión.

Otros recursos que podrían interesarte

Temas Virtualpro