Engenharia Elétrica
URI permanente desta comunidadehttps://repositorio.fei.edu.br/handle/FEI/21
Navegar
5 resultados
Resultados da Pesquisa
Agora exibindo 1 - 5 de 5
Dissertação Autolocalização qualitativa para um robô móvel utilizando informação das sombras(2009) Fenelon, V.O raciocínio espacial qualitativo faz parte do senso comum humano. Percebemos o ambiente por nossos sentidos e o principal deles é a visão. então é a partir do que vemos aliado ao nosso raciocínio espacial que somos capazes de lidar com nosso mundo. Também conseguimos interpretar esse mundo tridimensional em representações bidimensionais. Há tempos artistas notaram que a sombra tem um papel relevante na nossa percepção de formas, profundidade e movimento, e mais recentemente os psicólogos procuraram entender essa influência. Então a sombra, que muitas vezes é considerada um ruído, é também fonte de informações. Com isso, uma nova teoria surgiu, aliando raciocínio espacial qualitativo à informações sobre sombras, nessa teoria é possível determinar a posição do observador a partir da observação da csombra. Um robô que percebe o mundo somente através de imagens capturadas de uma única câmera utilizando um raciocíniosobre sombra, consegue obter resposta sobre sua localização relativa, dando o seu posicionamento qualitativo relacionado à fonte de luz e ao objeto que provocou a sombra. A visão computacional desempenha papel importante neste trabalho, contudo nos concentramos em desenvolver um sistema de raciocínio espacial qualitativo explorando a capacidade de utilizar sombra como fonte de informação para localização e profundidade. Foi encontrada também uma solução para corresponder sombra como objeto que a provocou. Os resultados confirmaram que sombra pode ser fonte de informação útil para um robô móvel.Dissertação Aprendizado por reforço acelerado por heurísticas no domínio do futebol de robôs simulado(2007) Celiberto Jr., L. A.O aprendizado por reforço é uma técnica muito conhecida para a solução de problemas quando o agente precisa atuar com sucesso em um local desconhecido por meio de tentativa e erro. Porém, esta técnica não é eficiente o bastante para ser usada em aplicações com exigências do mundo real, devido ao tempo que o agente leva para aprender. Este trabalho apresenta o uso do Aprendizado por Reforço acelerado por heurísticas, no domínio da robótica móvel, utilizando para testes a plataforma do Robocup 2D simulação. Esta plataforma vem sendo usada cada dia mais no meio científico, a qual possiblita fazer inúmeros experimentos com jogadores virtuais, sem sofrer com problemas que comumente são encontrados em sistemas reais, além de manterem sempre as mesmas características de ambiente. O principal problema abordado neste trabalho é o uso da aceleração por heurísticas no Aprendizado por Reforço. Porém esta aceleração só é possível se primeiro for resolvido o problema de como desenvolver um sistema com Aprendizado por Reforço no Robocup 2D. Tal sistema apresenta diversos desafios, sendo o maior deles o tamanho do ambiente, o que gera grande dificuldade para um agente aprender uma política de decisões. Para solucionar este problema forma propostas formas de generalizar os estados, sem causar qualquer interferência no aprendizado. As experiências realizadas foram feitas sem o uso das heurísticas e depois com o uso das heurísticas. para a validação do trabalho, cada experimento foi repetido dez vezes, e seus resultados médios comparados através de uma análise estatística. Os resultados indicam algumas vantagens no uso das heurísticas, possibilitando a definição de algumas diretrizes importantes para a aplicação do uso de heurísticas no domínio do futebol de robôs simulado.Dissertação Uma arquitetura de alocação de tarefas para sistemas multi-robôs utilizando aprendizado por reforço(2011) Gurzoni Junior, José AngeloAgentes operando em domínios multiagentes precisam cooperar e coordenar suas ações, e em alguns casos, competir com adversários ao mesmo tempo. Muitos destes domínios são também dinâmicos, como o futebol de robôs, a exploração submarina, planetária ou os ambientes com presença humana, criando a necessidade de que os agentes sejam capazes de tomar decisões complexas e se adaptar rapidamente a novas condições. Na literatura existem resultados positivos à respeito da aplicação do Aprendizado por Reforço em problemas complexos, em parte porque os agentes que utilizam esta técnica aprendem por experiência, sem a necessidade de modelos do ambiente em que operam. Porém, os requisitos computacionais do Aprendizado por Reforço são ainda restritivos, especialmente em domínios que necessitam de resposta em tempo real. Por outro lado, muitos dos sistemas de alocação de tarefas em multi-robôs encontrados na literatura tem tempos de execução e custo computacional baixos, ideais para estas aplicações. Este trabalho apresenta uma arquitetura de alocação de tarefas em sistemas multi-robôs em que os agentes participam de leilões pelas funções de alto nível disponíveis e utilizam Aprendizado por Reforço para aprender o valor de cada uma destas funções, dada a situação em que a equipe de robôs se encontra. A arquitetura foi aplicada a uma equipe de futebol de robôs da categoria RoboCup Small Size. Foram comparados os desempenhos do mecanismo de alocação de tarefas quando agentes utilizavam valores de seus lances ajustados manualmente, quando os valores eram aprendidos por aprendizado por reforço e também por aprendizado por reforço com heurísticas. Os resultados dos experimentos mostram que,o sistema de alocação de tarefas proposto é capaz de aumentar significativamente o desempenho da equipe, quando comparado com algoritmos em que o comportamento da equipe é pré-programado.- Método centrado no usuário para construção de robôs autônomos visando a interação com humanos(2018) Masiero, A. A.O cenário da robótica no mundo tem mudado com o passar dos últimos anos. Antes o ambiente de robô tinha seu foco apenas na indústria, e agora existe uma ênfase maior nos chamados robôs de serviços. A International Federation of Robotics (IFR) define robôs de serviços como qualquer robô que esteja fora de um cenário industrial. Eles encontram-se em áreas como agricultura, hospitais, hotéis, escritórios e residências. Dessa maneira, a necessidade de interação entre os robôs e os seres humanos torna-se inevitável. Assim, pesquisadores têm se dedicado a criação de projetos cada vez mais preocupados com a interação social entre humanos e robô. Técnicas de experiência do usuário, controle e inteligência artificial são empregadas nos trabalhos de interação humano-robô com o intuito garantir mais qualidade no contato entre ambos. Entretanto, os projetos de interação humano-robô discutidos na literatura têm foco em pequenas partes da interação, como controle de toque, naturalidade dos gestos e movimentos, desvios de obstáculos, reconhecimento de pessoas, entre outros. Essas partes se preocupam mais com o comportamento e habilidades do robô do que com o usuário. Há a falta de um método sistêmico que possibilite a documentação, evolução e manutenção de robôs autônomos de serviço. Além do método sistêmico, um método que seja centrado no usuário é importante dada a atividade conjunta ao ser humano. Essa tese apresenta um método centrado no usuário para a construção de um robô autônomo, que tem como foco a interação entre humanos e robô. O método proposto é aplicado em um estudo de caso baseado em um cenário doméstico, onde o robô interage através de voz e possui navegação totalmente autônoma. A técnica de Personas é utilizada para identificar o perfil do usuário e um classificador Bayesiano é apresentado como meio de ilustrar a proposta de uma parte da etapa de tomada de decisão do robô. Os resultados mostram a importância de método, principalmente pela evolução do projeto e manutenções que foram necessárias durante os testes na aplicação do estudo de caso.
- Implementação e testes de uma teoria de raciocínio espacial qualitativo baseado em profundidade e movimento(2016) Oliveira, C. P. T.Levando em consideração o ponto de vista de um observador, o movimento de objetos em seu campo de visão e seu próprio movimento alteram a percepção espacial que ele possui sobre o domínio em que ele está inserido. Este trabalho investiga uma teoria de raciocínio espacial qualitativo baseada em percepções de profundidade e movimento do ponto de vista de um robô móvel. O sistema utiliza a estrutura do Cálculo de Situações para lidar com ações e suas consequências sobre movimento para processar informação espacial entre um ou mais objetos em cena. A entidade básica da teoria é um perfil de profundidade de campo gerado diretamente pelos sensores do robô, em forma simplificada através de um corte horizontal. Foi utilizada a linguagem de programação Prolog, e os testes foram realizados sobre sequências de ações que um robô móvel executa enquanto observa dois objetos em seu domínio. Os testes demonstraram que a teoria foi capaz de inferir todas as onze relações espaciais de transição esperadas, e que possui abertura para investigações futuras de relações espacias em outros eixos, e não apenas na horizontal.