Driving Mobile Robots using a Deep LSTM Architecture: An Experimental Approach

Authors

Keywords:

LSTM, Mobile Robots, Deep Learning

Abstract

Driving a mobile robot consists in moving the robot to its goal position quickly, without colliding with obstacles, and with no deviations from the planned path. This process requires a skilled pilot, with expertise and well trained. Among the various techniques available to help pilots to drive mobile robots, many of them are based on automatic learning approaches, as deep learning. This work presents the proposal of a new approaching for applications using a deep Long-Short Term Memory (LSTM) architecture, to assist the driving activities in mobile robots, using data extracted from an expert pilot as the main source of learning data. The main contributions of this proposal are i) a new application of the architecture for deep LSTM; ii) a new information data fusion strategy in the guidance command stage; and iii) a large number of tests in scenarios using a real mobile robot.

Downloads

Download data is not yet available.

Author Biographies

Thúlio Noslen S. Santos, University of Brasilia

Possui bacharelado em Engenharia de Controle e Automação pela Universidade de Brasília (2019). Suas principais áreas de interesse são robótica, visão computacional e aprendizagem profunda.

Marcus Vinicius Lamar, University of Brasilia

Possui graduação em Engenharia Elétrica pela Universidade Federal do Rio Grande do Sul (1991), mestrado em Engenharia Elétrica pela Universidade Federal de Santa Catarina (1996) e doutorado Engenharia Elétrica e da Computação pelo Instituto de Tecnologia de Nagoya, Japão (2001) em Visão Computacional e Redes Neurais. Atualmente é Professor Associado da Universidade de Brasília, atuando nas áreas de Inteligência Artificial e Visão Computacional.

Carla M. Koike, University of Brasilia

Possui graduação em Engenharia Elétrica pela Universidade Federal do Ceará (1991), mestrado em Engenharia Elétrica pela Universidade Federal de Santa Catarina (1994) e doutorado em Imagem, Visão e Robótica - INP Grenoble , França (2005). Atualmente é Professora Associada da Universidade de Brasília, atuando nas áreas de Robótica móvel, robótica educacional e Aprendizagem Ativa.

Flávio de Barros Vidal, University of Brasilia

Recebeu o grau de Engenheiro Eletricista pela Universidade Federal de Juiz de Fora (UFJF) em 2002, Mestre e Doutor em Engenharia Elétrica pela Universidade de Brasília (UnB) em 2005 e 2009, respectivamente. Atualmente é Professor Associado do Departamento de Ciência da Computação(CIC) da UnB, atuando nas áreas de visão computacional, aprendizagem profunda, ciências forenses e biometria.

3631

Published

2021-06-01

How to Cite

S. Santos, T. N. ., Vinicius Lamar, M. ., Koike, C. M., & de Barros Vidal, F. . (2021). Driving Mobile Robots using a Deep LSTM Architecture: An Experimental Approach. IEEE Latin America Transactions, 19(3), 481–489. Retrieved from https://latamt.ieeer9.org/index.php/transactions/article/view/3631