Learning Visual Functions for a Mobile Robot with Genetic Programming

Created by W.Langdon from gp-bibliography.bib Revision:1.7642

@PhdThesis{Barate:thesis,

• author = "Renaud Barate",
• title = "Learning Visual Functions for a Mobile Robot with Genetic Programming",
• title_fr = "Apprentissage de fonctions visuelles pour un robot mobile par programmation genetique",
• school = "ENSTA",
• year = "2008",
• address = "32 Bd Victor, Paris 75015, France",
• month = nov,
• note = "In French",
• email = "Contact : Antoine.Manzanera@ensta.fr",
• keywords = "genetic algorithms, genetic programming, Vision, mobile robotics, obstacle avoidance",
• hal_id = "pastel-00004864",
• URL = "http://www.ensta.fr/~manzaner/Publis/these-barate.pdf",
• URL = "https://hal.inria.fr/tel-00811614v1",
• size = "149 pages",
• abstract = "Existing techniques used to learn artificial vision for mobile robots generally represent an image with a set of visual features that are computed with a hard-coded method. This impairs the system's adaptability to a changing visual environment. We propose a method to describe and learn vision algorithms globally, from the perceived image to the final decision. The target application is the obstacle avoidance function, which is necessary for any mobile robot. We formally describe the structure of vision-based obstacle avoidance algorithms with a grammar. Our system uses this grammar and genetic programming techniques to learn controllers adapted to a given visual context automatically. We use a simulation environment to test this approach and evaluate the performance of the evolved algorithms. We propose several techniques to speed up the evolution and improve the performance and generalization abilities of evolved controllers. In particular, we compare several methods that can be used to guide the evolution and we introduce a new one based on the imitation of a recorded behavior. Next we validate these methods on a mobile robot moving in an indoor environment. Finally, we indicate how this system can be adapted for other vision based applications and we give some hints for the online adaptation of the robot's behavior.",
• resume = "En robotique mobile, les techniques d'apprentissage qui utilisent la vision artificielle representent le plus souvent l'image par un ensemble de descripteurs visuels. Ces descripteurs sont extraits en utilisant une methode fixee a l'avance ce qui compromet les capacites d'adaptation du systeme a un environnement visuel changeant. Nous proposons une methode permettant de decrire et d'apprendre des algorithmes de vision de maniere globale, depuis l'image percue jusqu'a la decision finale. L'application visee est la fonction d'evitement d'obstacles, indispensable a tout robot mobile. Nous decrivons de maniere formelle la structure des algorithmes d'evitement d'obstacles bases sur la vision en utilisant une grammaire. Notre systeme utilise ensuite cette grammaire et des techniques de programmation genetique pour apprendre automatiquement des controleurs adaptes a un contexte visuel donne. Nous utilisons un environnement de simulation pour tester notre approche et mesurer les performances des algorithmes evolues. Nous proposons plusieurs techniques permettant d'accelerer l'evolution et d'ameliorer les performances et les capacites de generalisation des controleurs evolues. Nous comparons notamment plusieurs methodes d'evolution guidee et nous en presentons une nouvelle basee sur l'imitation d'un comportement enregistre. Par la suite nous validons ces methodes sur un robot reel se deplacant dans un environnement interieur. Nous indiquons finalement comment ce systeme peut etre adapte a d'autres applications utilisant la vision et nous proposons des pistes pour l'adaptation d'un comportement en temps reel sur le robot.",
• notes = "Francais. Universite Pierre et Marie Curie - Paris VI",

}

Genetic Programming entries for Renaud Barate

Citations