Cooperative strategy to reduce path length in risky environments

• Autores: José Andrés Chaves Osorio, Jimy Alexander Cortes Osorio, Edward Andrés González Rios
• Localización: Tecnura: Tecnología y Cultura Afirmando el Conocimiento, ISSN-e 2248-7638, ISSN 0123-921X, Vol. 27, Nº. 78, 2023, págs. 42-72
• Idioma: inglés
• Títulos paralelos:
  • Estrategia cooperativa para reducir la longitud de la ruta en entornos riesgosos
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    Objetivo: Diseñar un sistema de inteligencia artificial que con base a información del entorno pueda recomendar la ruta más corta a un individuo que quiera desplazarse entre dos puntos con el menor riesgo de contagio con coronavirus COVID-19.

    Metodología: La estrategia cooperativa para la reducción de rutas involucra un sistema de administración y monitoreo y dos agentes exploradores. Los agentes exploradores están equipados con algoritmos de planificación de rutas (GBFS y A*) mejorados con heurísticas de tipo incremental a fin de encontrar dos conjuntos diferentes de rutas preliminares (la primera en dirección inicio-meta y la segunda en dirección opuesta). Posteriormente, el sistema de administración y monitoreo estima de forma preliminar el camino más corto para cada planificador de rutas y luego se obtiene el camino más corto comparando los caminos obtenidos con cada uno de los planificadores de rutas. Esta investigación surge dentro del campo de la inteligencia distribuida en robótica para determinar los beneficios de las interacciones del trabajo en equipo frente al trabajo individual. En este estudio se ejecutaron 300 pruebas que involucran la estrategia cooperativa utilizando diez ambientes diferentes.

    Resultados: Los resultados de este artículo ilustran que en el 79 % de las situaciones analizadas, las rutas estimadas más cortas obtenidas por la estrategia cooperativa fueron aún más cortas que las rutas preliminares encontradas individualmente por los planificadores de rutas. Adicionalmente, en más del 20,5 % de las pruebas realizadas se obtuvieron reducciones de ruta significativas (superiores al 100 % en relación con la ruta más corta).

    Conclusiones: En este trabajo se diseñó un sistema de inteligencia artificial, cuyas pruebas muestran un buen desempeño. El sistema inteligente utiliza Inteligencia Distribuida implementada en un equipo cooperativo formado por un sistema de administración y monitoreo y dos agentes exploradores, los cuales, con base a información del entorno, recomiendan el camino más corto a un individuo o vehículo o robot que quiera desplazarse entre dos puntos ubicados en un entorno con riesgo de contagio de coronavirus COVID-19.

    Financiamiento: Este trabajo es financiado en parte por la Universidad Tecnológica de Pereira a través del VIIE, Nombre del proyecto: sistema de obtención de rutas más seguras bajo situación de pandemia caso covid-19, Código del proyecto: 3-20-11 y en parte por la Universidad Nacional de Colombia.

  • English

    Objective: Design an artificial intelligence system based on information from the environment that can recommend the shortest path to an individual or vehicle, or robot that moves between two points with the lowest risk of contagion with coronavirus COVID-19.

    Methodology: The cooperative strategy for path reduction involves a management and monitoring system and two explorer agents. Explorer agents are equipped with path planning algorithms (GBFS and A*) enhanced with incremental heuristics in order to find two different sets of preliminary paths (the first in direction start-goal and the second in the opposite direction). Subsequently, a management and monitoring system estimates a preliminary shortest path for each path planner then obtains a shortest path by comparing the paths attained with the path planners. This research emerges within the field of distributed intelligence in robotics to determine the benefits of teamwork interactions compared to individual work. In this study, 300 tests that involve the cooperative strategy were executed using ten different environments.

    Results: The results of this paper illustrate that in 79 % of analyzed situations, definitive shortest estimated paths obtained by cooperative strategy outperformed preliminary paths found individually by path planners. Over 20.5 % of tested cases yielded significant path reductions (greater than 100 % in relation to the shortest definitive path).

    Conclusions: In this work, an artificial intelligence system was designed, whose tests show a good performance. The intelligent system uses Distributed Intelligence implemented in a cooperative team formed by a management and monitoring system and two explorer agents, who, based on information from the environment, recommend the shortest path to an individual or vehicle or robot who wants to travel between two points located in an environment at risk of contagion with coronavirus COVID-19.

    Financing: This work was supported in part by the Universidad Tecnológica de Pereira through Vicerrectoría de Investigaciones Innovación y Extensión, Project name: Sistema de obtención de rutas más seguras bajo situación de pandemia caso covid-19, Project code: 3-20-11, and in part by the Universidad nacional de Colombia.