Engenharia Elétrica
URI permanente desta comunidadehttps://repositorio.fei.edu.br/handle/FEI/21
Navegar
3 resultados
Resultados da Pesquisa
Dissertação Uso de aprendizado por reforço para otimização do controle de caminhada de um robô móvel humanóide(2015) Silva, I. J.Os atuais robôs humanoides ainda possuem instabilidade no andar dinâmico comparado com o andar humano. Apesar de existirem robôs móveis com rodas que possuem uma boa estabilidade, a busca pelo desenvolvimento dos robôs humanoides se dá pelo fato de que a locomoção com pernas é a melhor forma de locomoção em ambientes com descontinuidades no piso. Existem várias técnicas de geração de caminhada que vêm sendo desenvolvidas para robôs humanoides, porém, até o momento, nenhuma delas apresentou resultados satisfatórios se comparados com o andar humano. No entanto, sabe-se que há restrições construtivas, porque os robôs humanoides atuais, para se assemelharem aos seres humanos, precisam ser construídos com dispositivos e preceitos análogos a estrutura física do corpo humano. No robô humanoide se usa metais ao invés de ossos, motores no lugar de músculos, fios no lugar dos nervos e microprocessadores no lugar do cérebro, com isso, o resultado operacional acaba sendo diferente se comparado ao ser humano. Ao longo dos anos, várias propostas vêm sendo apresentadas para solucionar a questão da estabilidade dos robôs humanoides durante a caminhada. Algumas propostas apresentaram o aprendizado por reforço como solução, entretanto cada uma delas apresentou diferentes formas de implementação do aprendizado com diversos algoritmos. Seguindo essa linha de pesquisa, este trabalho propõe um algoritmo de aprendizado por reforço com generalizações temporais para otimizar os valores dos parâmetros do sistema de controle do andar em um robô humanoide, buscando um andar rápido e estável. Foram realizados experimentos simulado. Os resultados experimentais permitiram concluir que o algoritmo proposto foi capaz de aprender quais são os melhores valores de parâmetros do gerador de caminhada, através da observação do desempenho da caminhada executada pelo robô humanoide.- Otimização da locomoção em robôs móveis humanoides utilizando inteligência de enxame(2018) Moraes, F. P.É comum encontrarmos robôs capazes de se locomover utilizando trilhos, esteiras e rodas. Estes meios de locomoção são eficientes para robôs em alguns casos como por exemplo um galpão ou locais com pisos lisos e continuo. Entretanto, em locais com muitos desníveis ou descontinuidades, como por exemplo montanhas, escombros de um prédio ou uma escada, a locomoção utilizando rodas, trilhos ou esteiras se torna prejudicada. Já a locomoção utilizando pernas é capaz de obter um ótimo desempenho em locais com ou sem desníveis e com ou sem continuidade, porém, este tipo de locomoção é mais complexo, o que torna mais desafiador obter uma caminhada eficiente. Esta dissertação propõem o uso de um algoritmo de otimização chamado Particle Swarm Optimization (PSO) para encontrar os valores de parâmetros que gerem um caminhar rápido e estável para um robô móvel humanoide. Estes parâmetros serão utilizados pelo robô humanoide desenvolvido pelo Centro Universitário da FEI para participar de competições de futebol de robôs como a RoboCup, na categoria KidSize da liga humanoide. É abordado neste trabalho as principais variações de PSO, as principais técnicas de geração de caminhada em robôs humanoides, cinemática e arquitetura de controle chamada de Arquitetura em Cruz. Os resultados obtidos neste trabalho demonstraram que o PSO é capaz de melhorar a caminhada do robô humanoide.
- Filtro de partículas aplicado à localização de robôs móveis no domínio da Robocup Humanoide(2017) Almeida, A. C.Para que robôs humanoides possam jogar futebol competitivamente de maneira autônoma é necessário que os robôs conheçam suas posições no campo, essa informação é essencial para o desenvolvimento de estratégias. A posição pode ser estimada a partir do conhecimento de como o robô se move pelo domínio e por observações feitas pelo próprio robô. Mas isso não é uma tarefa trivial. Os movimentos executados pelos robôs são imprecisos, além de problemas não modeláveis que surgem por problemas da parte física do robô. As observações feitas pelo robô são ruidosas, o que impedem que informações precisas de direção e distância sejam obtidas, pois seus poucos sensores estão em constante movimento devido ao balanço necessário para manter o robô em movimento. É comum encontrar trabalhos acadêmicos sobre localização de robôs autônomos para diversos domínios, mas são poucos os trabalhos que lidam com um domínio tão restrito quanto o deste trabalho. Além disso, os trabalhos sobre este domínio apresentam algoritmos e resultados que não são reprodutíveis, devido às diferenças de hardware e software dos robôs utilizados. Assim, este trabalho implementa um sistema de localização, baseado no algoritmo de localização de Monte-Carlo, para que robôs humanoides autônomos sejam capazes de estimar suas posições no domínio. O sistema implementado apresenta um método para estimar o quanto o robô se move ao longo do tempo e métodos diferentes para calcular quanto cada partícula representa a posição do robô real, além de métodos para se recuperar de erros de estimativa, para alterar a quantidade de partículas conforme o necessário e para estimar qual a melhor observação que o robô poderá fazer em instantes futuros. Foram realizados experimentos simulados e em robôs reais que validam os métodos implementados e mostram que os métodos propostos são eficientes para resolver o problema de localização. Por fim, trabalhos futuros incluem verificar o funcionamento do sistema em situação de jogo, além da expansão do sistema para um domínio genérico para observar o funcionamento dos métodos propostos e compará-las à outros métodos do estado da arte.