In this thesis, a new approach to path-planning is proposed. A proposed path-planning uses a neural network and evolutionary programming as its learning algorithm. A neural network is used to produce a control sequence of a robot manipulator. Evolutionary programming is adopted as a learning algorithm of a neural network. This method takes the robot dynamics into consideration while the path is searched with a cost function that includes input energy, fixed time constraint, position error, and so on. The advantage of this method is that it can simply find a cost optimal path of a robot manipulator without any complex mathematical formulation. Depending on cost functions, the proposed path-planning can result in not only a simple path but also a collision-free path. In addition, this method result in a universal path-planning. The neural network learns several paths that lead to fixed points in advance. Then a universal path-planning refers to obtaining the path that leads to a point in the vicinity of fixed points without learning phase of a neural network. A universal path-planning owes the generalization capability of neural networks.
본 논문은 매니퓰레이터의 새로운 경로계획방법을 제안한다. 경로 계획이란 주어진 제약과 목적을 만족시키면서, 매니퓰레이터를 초기 위치에서 최종 위치까지 갈 수 있는 경로를 정하는 과정이다.
제안된 경로계획은 매니퓰레이터의 제어 순열을 만드는 데 신경망을 도입하며 그의 학습방법으로 진화프로그래밍을 이용한다. 매니퓰레이터의 동역학을 동원하여 이와 연관된 제어에너지, 최종위치 오차등으로구성된 비용함수가 최소가 되는 경로를 구하게 된다. 이 방식의 장점은 간단한 일을 수행하는 경로뿐만 아니라 비용함수의 정의에 따라 장애물이 있는 환경에서의 경로도 쉽게 구할 수 있다는 점이다. 게다가, 유니버설 경로계획(universal path-planning)도 가능한데 이는 사전에 정해진 몇몇 좌표에 도달하는 경로를 신경망이 학습한후 신경망의 일반화 특성을 이용하여 학습된 좌표근방의 학습하지 않은 좌표에 도달하는 경로를 구하는 것이다.
