An Artificial Intelligence approach for Forestry Robotics in Environment Survey and Inspection

La navigazione forestale con sistemi autonomi è un argomento che ha visto di recente un rapido aumento di interesse. Sebbene sembri naturale per gli esseri umani, essere in grado di raggiungere un obiettivo può rivelarsi difficile o impossibile per un robot mobile a causa dei problemi legati alla natura dell'ambiente. In questo lavoro proponiamo un approccio per controllare un robot in un ambiente forestale; il metodo impiega una rete neurale artificiale (ANN) addestrata con il metodo NeuroEvolution of Augmented Topologies (NEAT) e Genetic Programming (GP). Vengono studiati modelli per la cinematica, la percezione e la cognizione del robot. In particolare, la percezione si basa su un modello di raycasting adattato all'ANN. Viene eseguita un'analisi approfondita di una serie di parametri dell'ambiente e del robot e viene eseguita un'analisi comparativa.

Forest navigation with autonomous systems is a topic which has seen a rapid increase in interest recently. While it appears natural to humans, being able to reach a target can prove difficult or impossible to a mobile robot because of the issues related to the nature of the environment. In this work we propose an approach to control a robot in a forest environment; the method employs an Artificial Neural Network (ANN) that is trained with the NeuroEvolution of Augmented Topologies (NEAT) method and Genetic Programming (GP). Models for the kinematics, perception, and cognition of the robot are studied. In particular, perception is based on a raycasting model which is tailored on the ANN. An in-depth analysis of a number of parameters of the environment and the robot is performed and a comparative analysis is carried out.