Revista UIS Ingenierías

Vol. 22 Núm. 3 (2023): Revista UIS Ingenierías
Artículos

Enrutado polilineal basado en geometría para la planeación de movimiento en ordenamiento de objetos

PDF
  • Pedro Alejandro Montaño-Herrera,
  • Juan Pablo Sosa-Esquivel ,
  • Marco Antonio Jinete-Gómez
Pedro Alejandro Montaño-Herrera
Universidad Piloto de Colombia
Juan Pablo Sosa-Esquivel
Universidad Piloto de Colombia
Marco Antonio Jinete-Gómez
Universidad Piloto de Colombia
DOI: https://doi.org/10.18273/revuin.v22n3-2023005

Publicado 2023-07-11

Palabras clave

  • robótica,
  • planeación de movimiento,
  • simulación,
  • automatización,
  • visión artificial,
  • Robodk
    • ...Más
    Menos

Cómo citar

Montaño-Herrera, P. A., Sosa-Esquivel , J. P. ., & Jinete-Gómez, M. A. . (2023). Enrutado polilineal basado en geometría para la planeación de movimiento en ordenamiento de objetos. Revista UIS Ingenierías, 22(3), 55–68. https://doi.org/10.18273/revuin.v22n3-2023005

Derechos de autor 2023 Revista UIS Ingenierías

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución-SinDerivadas 4.0.

Resumen

En esta investigación se propone el método de enrutado polilineal basado en geometría como una solución a la planificación de movimiento en ejercicios de clasificación de objetos para procesos de manufactura. Este algoritmo se basa en propiedades geométricas que surgen de la interacción entre los objetos dentro del espacio de configuración. El método propuesto en este trabajo, en su fase experimental, logró generar rutas suaves con un tiempo de procesamiento de entre 62.5-125 ms en un ordenador equipado con un procesador AMD Ryzen 7 2700X Eight-Core 3.70 GHz y 16 GB de memoria RAM. En comparación con el algoritmo RRT, se observa una mayor eficiencia del 38% al 48%, lo que se traduce en una reducción de los procesos iterativos y un tiempo de respuesta más corto. Por lo tanto, el método planteado es una solución viable para resolver escenarios de planificación de movimiento en el ejercicio de ordenamiento de objetos.

PDF

Descargas

Los datos de descargas todavía no están disponibles.

Referencias

  1. E. Barleta, G. Pérez, R. Sánchez, “La revolución industrial 4.0 y el advenimiento de una logística 4.0,” p. 15, 2020.
  2. L. Y. Becerra Sánchez, “Tecnologías de la información y las Comunicaciones en la era de la cuarta revolución industrial: Tendencias Tecnológicas y desafíos en la educación en Ingeniería,” Entre Cienc. e Ing., vol. 14, no. 28, pp. 76–81, 2020, doi: https://doi.org/10.31908/19098367.2057
  3. S. M. Ross, Simulation. Academic Press, 2022.
  4. R. S. Kenett, G. Vicario, “Challenges and Opportunities in Simulations and Computer Experiments in Industrial Statistics: An Industry 4.0 Perspective,” Adv. Theory Simulations, vol. 4, no. 2, p. 2000254, 2021, doi: https://doi.org/10.1002/adts.202000254
  5. López de Lacalle, Posada, “Special Issue on New Industry 4.0 Advances in Industrial IoT and Visual Computing for Manufacturing Processes,” Appl. Sci., vol. 9, no. 20, p. 4323, 2019, doi: https://doi.org/10.3390/app9204323
  6. A. El Wahabi, I. H. Baraka, S. Hamdoune, and K. El Mokhtari, “Detection and Control System for Automotive Products Applications by Artificial Vision Using Deep Learning,” Advanced Intelligent Systems for Sustainable Development (AI2SD’2019), 2020, pp. 224–241. doi: https://doi.org/10.1007/978-3-030-36671-1_20
  7. A. N. Abbas, M. A. Irshad, H. H. Ammar, “Experimental Analysis of Trajectory Control Using Computer Vision and Artificial Intelligence for Autonomous Vehicles” arXiv - CS - Artificial Intelligence, 2021.
  8. H. Zhang, W. Lin, A. Chen, “Path Planning for the Mobile Robot: A Review,” Symmetry (Basel)., vol. 10, no. 10, p. 450, 2018, doi: https://doi.org/10.3390/sym10100450
  9. S. M. Alcántara Tacora, E. D. López Zapata, J. Peralta Toribio, R. R. Rodríguez Bustinza, “Planificación de movimiento mediante algoritmo de campos potenciales con optimización de parámetros aplicado a un manipulador antropomórfico de 6 GLD,” TECNIA, vol. 21, no. 2, 2021, doi: https://doi.org/10.21754/tecnia.v21i2.848
  10. J. Zhong, T. Wang, L. Cheng, “Collision-free path planning for welding manipulator via hybrid algorithm of deep reinforcement learning and inverse kinematics,” Complex Intell. Syst., vol. 8, no. 3, pp. 1899–1912, 2022, doi: https://doi.org/10.1007/s40747-021-00366-1
  11. L. E. Kavraki, P. Svestka, J.-C. Latombe, M. H. Overmars, “Probabilistic roadmaps for path planning in high-dimensional configuration spaces,” IEEE Trans. Robot. Autom., vol. 12, no. 4, pp. 566–580, 1996, doi: https://doi.org/10.1109/70.508439
  12. S. M. LaValle, “Rapidly-exploring random trees: a new tool for path planning,” Annu. Res. Rep., 1998.
  13. R. K. Jenamani, R. Kumar, P. Mall, K. Kedia, “Robotic Motion Planning using Learned Critical Sources and Local Sampling,” 2020 IEEE International Conference on Robotics and Automation, doi: https://doi.org/10.48550/arXiv.2006.04194
  14. H. Zhang, Y. Wang, J. Zheng, J. Yu, “Path Planning of Industrial Robot Based on Improved RRT Algorithm in Complex Environments,” IEEE Access, vol. 6, pp. 53296–53306, 2018, doi: https://doi.org/10.1109/ACCESS.2018.2871222
  15. X. Cao, X. Zou, C. Jia, M. Chen, Z. Zeng, “RRT-based path planning for an intelligent litchi-picking manipulator,” Comput. Electron. Agric., vol. 156, pp. 105–118, 2019, doi: https://doi.org/10.1016/j.compag.2018.10.031
  16. S. Chakraborty, P. S. Aithal, “ABB IRB 120-30.6 Build Procedure In RoboDK,” Int. J. Manag. Technol. Soc. Sci., vol. 6, no. 2, pp. 256–264, 2021, doi: https://doi.org/10.5281/zenodo.5782759
  17. P. Tangseng, Z. Wu, K. Yamaguchi, “Looking at Outfit to Parse Clothing,” Computer Vision and Pattern Recognition, 2017, doi: https://doi.org/10.48550/arXiv.1703.01386
  18. A. Garbev, A. Atanassov, “Comparative Analysis of RoboDK and Robot Operating System for Solving Diagnostics Tasks in Off-Line Programming,” in 2020 International Conference Automatics and Informatics (ICAI), 2020, pp. 1–5. doi: https://doi.org/10.1109/ICAI50593.2020.9311332
  19. S. Karaman, E. Frazzoli, “Sampling-based algorithms for optimal motion planning,” Int. J. Rob. Res., vol. 30, no. 7, pp. 846–894, 2011, doi: https://doi.org/10.1177/0278364911406761
  20. W. A. R. Ruiz, P. A. M. Herrera, J. P. S. Esquivel, “Tools in industry (ROBODK),” Zenodo, 2021. doi: https://doi.org/10.5281/zenodo.5768611