Modelo de detección y seguimiento de anomalías en entornos monitoreados por agentes robóticos inteligentes

Abstract

En diversas partes del planeta existen entornos que requieren ser monitoreados en tiempo real para evitar catástrofes tales como incendios, derrames de petróleo o fugas radioactivas. En la presente proyecto de tesis se propone un modelo basado en agentes robóticos inteligentes para el proceso de detección y seguimiento de anomalías generadas por cambios drásticos en variables físicas. El modelo propone un enfoque basado en inteligencia artificial bayesiana para determinar el comportamiento de los gentes robóticos a partir de la evidencia tomada por los sensores de variables físicas del entorno. Adicionalmente, se integra una nueva propuesta en el proceso de seguimiento basado en la técnica de control Proporcional Integral Derivativo (PID). En la parte preliminar se realiza una revisión de literatura sobre las técnicas de detección y seguimiento de perímetros de anomalías con sensores robóticos; posteriormente se describe el modelo propuesto y se valida sobre la plataforma de desarrollo y simulación de sensores móviles MobSim. Finalmente se evalúa el desempeño y se compara la propuesta con otras técnicas relacionadas para llegar a un análisis de resultados y conclusiones./ Abstract: Around the world there are environments that need to be monitored in real time to prevent disasters such as fires, oil spills and radiation leaks. In this thesis project we propose a model based on intelligent robotic agents for detection and tracking anomalies generated by drastic changes in physical variables. The model proposes an approach based on Bayesian artificial intelligence to determine the behavior of robotic people from the evidence taken by the sensors of physical variables in the environment. Additionally, it integrates a new proposal in the monitoring process technique based on proportional integral derivative (PID). The introductory part is a review of techniques for detecting and monitoring perimeters with a robotic sensor network. Then, we desribe the proposed model and it is validated on the development platform and simulation of mobile sensors MobSim. Finally, performance is evaluated and compared with related techniques to get results and conclude