Teses e Dissertações

URI Permanente para esta coleção

Navegar

Submissões Recentes

Agora exibindo 1 - 20 de 116
  • Dissertação
    Análise de técnicas de navegação de robôs autônomos em ambientes dinâmicos e incertos
    (2023) Costa, Leonardo da Silva
    Este trabalho propõe o estudo de sistemas de navegação para robôs móveis em ambientes dinâmicos e incertos. Para isso, foi feita uma comparação entre dois algoritmos de planejamento global de trajetória e um algoritmo de desvio de obstáculos, sendo eles: Multi Robot A Star (MRA*), Dynamic Visibility Graph A Star (DVG+A*) e Probabilistic Safety Barrier Certificates (PrSBC), respectivamente. Para que os algoritmos fossem escolhidos, foi realizada uma profunda pesquisa bibliográfica, comparando as técnicas utilizadas nos trabalhos mais recentes. A escolha dos algoritmos de planejamento considerou dois fatores: baixo tempo computacional e capacidade de coordenar os trajetos de diversos robôs simultaneamente. Já o algoritmo de desvio de obstáculo foi escolhido com base em três fatores: baixo tempo computacional, garantia teórica de que não haverá colisões e possibilidade de aplicar para diversos robôs simultaneamente. Os algoritmos escolhidos foram testados em diversos cenários, no domínio do futebol de robôs com times de 6, 11 e 16 robôs, para isso, foi utilizado o simulador grSim. No primeiro cenário de teste foi executada uma troca de posição antipodal, o qual é um teste bastante utilizado na literatura para testar algoritmos de desvio de obstáculos. Nesse teste foi possível verificar a vantagem em utilizar o MRA*, que coordena os trajetos para múltiplos robôs. O segundo cenário de teste consiste em uma movimentação dos robôs sob marcação do time oponente. Nesse teste o objetivo foi investigar a influência de robôs sem um algoritmo de desvio de obstáculo agindo em conjunto com os robôs controlados pelo PrSBC e os planejadores globais. Para a avaliação foram utilizadas 7 métricas: tempos de planejamento, de atualização do mapa, de navegação e de desvio de obstáculos, velocidade média geral, distância mínima entre os robôs e número de colisões. Em cada cenário foram testadas três combinações entre os algoritmos: DVG+A*, DVG+A* com PrSBC e MRA* com PrSBC. Com essas combinações foi verificada a eficácia em possuir um algoritmo de desvio de obstáculos, e as vantagens em possuir trajetos coordenados para múltiplos robôs em comparação aos trajetos gerados individualmente. A partir dos experimentos realizados foi possível identificar pontos positivos e negativos de cada algoritmo. No teste antipodal o MRA* dominou praticamente todas as métricas, ficando atrás somente no tempo de planejamento. O PrSBC evitou todas as colisões, independente da quantidade de robôs. No segundo cenário os resultados foram mais distribuídos, o DVG+A* foi o algoritmo de menor tempo de navegação e maior velocidade média, porém, também foi o que causou mais colisões. Ao acrescentar o PrSBC foi possível minimizar o número de colisões em detrimento da velocidade dos robôs e tempo de navegação. O MRA* com PrSBC foi a combinação com resultados mais equilibrados, com um número baixo de colisões, velocidade média razoável e tempo de navegação mais baixo que o DVG+A* com PrSBC. Enfim, através deste trabalho foi possível investigar as características de algoritmos de planejamento tanto individual, quanto coordenado, aplicados ao futebol de robôs. Também foi analisada a importância da inclusão de um algoritmo dedicado para o desvio de obstáculos. Partindo dos resultados obtidos foi possível concluir que, para múltiplos robôs o algoritmo de planejamento coordenado entrega o melhor desempenho considerando as métricas estabelecidas, o algoritmo de desvio de obstáculos é capaz de evitar todas as colisões, contanto que todos os robôs utilizem o algoritmo, e ao incluir robôs não controlados é possível evitar a maioria das colisões, obtendo a menos de uma colisão por teste.
  • Dissertação
    Aprendizado por reforço profundo com redes recorrentes aplicado a negociação do minicontrato futuro de dólar
    (2023) Kinoshita, J. K.
    Recentemente há um aumento exponencial no uso de técnicas de aprendizado de máquina no mercado financeiro, principalmente para negociação de ações, na tentativa de prever o seu preço futuro. O objetivo desse projeto é desenvolver um sistema de negociação inteligente para o Minicontrato Futuro de Dólar, baseado no uso de aprendizado por reforço, usando o Deep Recurrent Q learning, um modelo de Redes Neurais Convolucionais combinadas com as Redes Neurais Recorrentes. O treinamento foi baseado em uma base da dados históricos do ativo e o agente realizou três ações: comprar, vender, manter o ativo, sempre visando o máximo retorno financeiro. Os experimentos realizados demonstraram que o sistema proposto teve um desempenho melhor do que as estratégias de Buy and Hold, um modelo baseado na Deep Q Network, um Fundo Cambial e uma estratégia baseada no indicador técnico MACD. Palavras-chave: Aprendizado por Reforço Profundo. Redes Neurais Convolucionais. Redes Neurais Recorrentes. Long Short-Term Network. Deep Recurrent Q Network. Mercado Futuro
  • Dissertação
    A inclusão escolar da criança com deficiência neuromotora no projeto de robótica educacional no ensino fundamental
    (2023) Canet, Ana Maria Diniz
    A Robótica Educacional favorece o desenvolvimento do raciocínio, o trabalho em equipe e a socialização de conhecimentos. Neste trabalho, utilizando esta tecnologia educacional como mediadora da aprendizagem, questionou-se seu potencial inclusivo para alunos com deficiência, dessa forma, esta pesquisa é qualitativa e quantitativa, envolve três fases: pesquisa bibliográfica, questionário respondido pelos Professores de Apoio aos Projetos Pedagógicos de Tecnologias Educacionais (PAPP TEC) das Escolas Municipais de São Bernardo do Campo e estudo de caso envolvendo dois alunos do Ensino Fundamental – Anos Iniciais (1° ao 5° ano) com diagnóstico de encefalopatia crônica não evolutiva (ECNE), com quadro motor de tetraparesia. Os objetivos deste trabalho são: elencar quais são as estratégias e os recursos de tecnologia assistiva necessários para que crianças com diagnóstico de encefalopatia crônica não evolutiva, com quadro motor de tetraparesia, que estejam cursando o Ensino Fundamental – Anos Iniciais (1° ao 5° ano), consigam realizar as atividades propostas nas aulas de Robótica Educacional, verificar o potencial inclusivo da robótica educacional e quais são as dificuldades que os professores de robótica apresentam na inclusão de alunos com deficiência. As hipóteses levantadas são: a de que com as adaptações necessárias o aluno consiga melhorar seu desempenho funcional e realizar as atividades escolares com maior autonomia e independência e que a robótica apresenta potencial inclusivo. O estudo de caso utilizou para a avaliação do desempenho funcional a filmagem da criança antes e depois do uso das adaptações, a CIF (Classificação Internacional de Funcionalidade), o PEDI (Pediatric Evaluation of Disability Inventory) e a entrevista semiestruturada da PAPP TEC. Conclui-se que, a robótica virtual através de um software com varredura de tela e pranchas interligadas demonstrou ser uma possibilidade para adaptação de crianças que não tem acesso convencional as peças de montagem e programação do robô, principalmente as com deficiência neuromotora severa que obtém o acesso por acionador. Houve melhora de seu desempenho ocupacional e possibilitou sua participação nas atividades como protagonista e não apenas como observadora. No questionário e na entrevista semiestruturada foi apontado pelos professores a necessidade de ações formativas, ações colaborativas com os profissionais de apoio (Equipe de Orientação Técnica e professores especialistas nas áreas das deficiências) e de acesso à tecnologia assistiva para o desenvolvimento do potencial inclusivo da robótica
  • Dissertação
    Machine learning methods for vessel type classification with underwater acoustic data
    (2022) Domingos, Lucas Cesar Ferreira
    A identificaçãodeembarcaçõesemambientesdetráfegocontroladopodeserbenéfica para manutençãodabiodiversidadeeproteçãodosambientescosteirosderegiõesprotegidas, gerandocontribuiçõesparaacomunidadelocaleparaoecossistema.Nesseâmbito,vê-se latente anecessidadedemelhorestécnicasdeidentificaçãoeclassificaçãodeembarcações, proporcionando mecanismosparamelhoradestessistemas.Sinaissonorossubaquáticossão mais difíceisdeseremmascaradosouomitidosduranteanavegaçãodeumaembarcaçãoquando comparados comoutrasfontesdedados,proporcionandoumafonteconfiáveleresistentea fraudes parasistemasdeclassificação,porém,estessofreminterferênciasdascondiçõesdomeio em queseencontram.Nestetrabalho,umametodologiafoipropostapararealizaraclassificação de sinaissonorossubaquáticosprovenientesdeembarcaçõesutilizandotécnicasdeaprendizado de máquina,considerandotambémasvariáveisambientais,comoadistânciaentreoshidrofonese as embarcações.Umacomparaçãorelativaàperformancedasredesneuraisconvolucionaismais comuns foirealizadautilizandoaarquiteturadaVGGedaResNet18.Tambémforamrealizadas comparações entreostrêsfiltrosdepré-processamentoscomumentepresentesnaliteratura,os espectrogramasMel,osfiltrosGamma,eatransformadadeconstanteQ,proporcionandoum estudosobreoimpactodetaisvariáveisnaclassificaçãofinal.Devidoaescassezdeconjuntos de dadosanotadosparaestudodesteproblema,umconjuntodedadosanotadosfoiproposto utilizando comobaseossinaissonorosdainiciativaOceanCanadaNetwork.Osresultados obtidos atingiramaacuráciade94.95%noconjuntodedadospropostousandoCQTcomofiltro de pré-processamentoparaumaredeneuralconvolucionalbaseadanaResNet.Oscódigosfontes para reproduçãodostestes,assimcomoparaobtençãododataset,estãodisponibilizadosde maneira gratuita e pública para fins acadêmicos
  • Dissertação
    O impacto da inclusão de índices sociais e macroeconômicos na detecção automática de fake news
    (2022) Carvalho, B. C. P. dos S.
    As fake news são notícias falsas que possuem a intenção de se apresentar como verdadeiras, causando assim diversos impactos na sociedade, sejam econômicos e financeiros, políticos, ou até em saúde pública. A detecção automática de fake news teve um avanço importante nos últimos anos, porém existe a carência de trabalhos em língua portuguesa, principalmente devido à baixa oferta de bases nesta língua. Pode-se evidenciar, também, que os trabalhos existentes são focados na detecção automática utilizando-se as características linguísticas ou nos padrões de dispersão das mesmas em mídias sociais. Com isso, este trabalho traz uma abordagem complementar à tarefa de detecção automática desses tipos de textos, incluindo o estudo do possível impacto da inclusão de índices sociais e macroeconômicos, como taxa de inflação e desemprego, no desempenho dos modelos. O trabalho foca na utilização dos classificadores SVM, Random Forest e Naive Bayes, além do conhecido modelo Bag of Words para extração das características linguísticas
  • Dissertação
    Uso de redes neurais profundas para previsão de curto prazo do preço da criptomoeda ethereum
    (2022) Lopes, Eduardo José Costa
    A criptomoeda se tornou um ativo popular nos mercados financeiros globais, o que significa que não apenas investidores individuais, mas também empresas de gestão de ativos em todo o mundo estão considerando essa nova classe de investimento. A principal contribuição desta pesquisa é abordar um problema univariado de previsão intra-diário com granularidade horária que compara arquiteturas de Redes neurais Artificiais Profundas e com mecanismos de atenção para a moeda intrínseca do Ethereum (ETH). Os resultados obtidos nos ajustes dos modelos e na predição levando-se em consideração séries históricas de dados recentes mostraram que a rede convolucional temporal TCN está contida no grupo de modelos mais acurados e com melhor retorno financeiro, superando outras arquiteturas consideradas em termos de tempo de processamento e o modelo ARIMA considerado como linha de base
  • Dissertação
    Análise do impacto da quantidade de pontos de Wi-Fi na localização de robôs sequestrados em ambientes internos utilizando técnicas de redes neurais artificiais recorrentes
    (2022) Pegorelli Neto, A.
    A localização de robôs em ambientes fechados, onde o Global Positioning System (GPS) não pode atuar, é um constante desafio dos sistemas que envolvem robôs autônomos. Soluções baseadas em análise de radiofrequência apresentam alta complexidade devido à natureza dos sinais, passíveis de diversas interferências em ambientes quanto maior a quantidade de equipamentos eletrônicos, além da movimentação de pessoas e objetos, aumentando a dificuldade de processamento das informações tratadas. As limitações de processamento e uso de energia em dispositivos móveis também limitam a implementação de hardware embarcado capaz de realizar cálculos complexos exigidos em diversas soluções para o processamento e análise das informações em tempo hábil para apresentar eficácia na atuação. Com a portabilidade desses sistemas robotizados encontramos um novo desafio, o sequestro de robôs, quando o usuário movimenta o robô manualmente, sem nenhuma notificação no sistema e dificultando o processo de localização. Neste trabalho é proposto um estudo das mais recentes técnicas de localização em ambientes fechados, utilizando redes neurais recorrentes, como a Gated Recurrent Unit (GRU) e a Long-Short Term Memory (LSTM) para o tratamento de dados de potência de sinal Wi-Fi, ou Received Signal Strength (RSS), assim como a aplicação da técnica k-Nearest Neighbors (KNN) para casos onde ocorre o sequestro de robôs. O estudo foi feito a partir de um simulador construído dentro do ambiente virtual Webots® a partir do fingerprinting de um ambiente real com 6 pontos de acessoWi-Fi. Funções de distribuição acumulada foram utilizadas para avaliar cada um dos 3 sistemas para diversas combinações de pontos de acesso, níveis de ruído e níveis de atenuação simulados. Os resultados mostram que os sistemas de redes neurais recorrentes podem alcançar acurácia entre 0.44m±0.39m para LSTM, e 0.50m±0.38m para GRU, enquanto para a proposta baseada em KNN, temos 0.68m±0.73m, demonstrando a capacidade dos sistemas avaliados de se recuperarem após um evento de sequestro de robôs, mantendo resultados semelhantes aos observados sem a ocorrência de tais eventos
  • Dissertação
    Estudo da implementação de um escalonador baseado no algoritmo earliest-deadline-first por hardware para o IHM-PLASMA usando conceitos de processamento paralelo
    (2022) Krause, Igor
    Este projeto de pesquisa tem por objetivo implementar um novo bloco escalonador de tarefas de um sistema operacional baseado em tarefas, que foi implementado por hardware, para executar o processamento paralelo de instruções, intitulado Interlocked-Hardware- Microkernel (IHM), que é capaz de realizar a troca de tarefas em apenas dois ciclos de relógio (clock), a fim de aumentar a eficiência do processamento das instruções do microprocessador Plasma, que apresenta arquitetura do tipo Reduced Instruction Set Computer (RISC), utilizando-se o mínimo de recursos de hardware possível. Inicialmente este trabalho focou no estudo do microprocessador Plasma e posteriormente no estudo desse mesmo componente com a implementação do IHM em sua arquitetura. Foram estudados e documentados, de forma detalhada, o funcionamento e a arquitetura de todos os blocos básicos que compõem o sistema IHM. É esperado que outros projetistas de hardware possam se beneficiar com este projeto de pesquisa para implementar essa mesma estratégia de processamento paralelo de instruções em outros microprocessadores com a arquitetura RISC que executam sistemas operacionais baseados em tarefas. O novo bloco escalonador que foi incorporado ao IHM foi implementado com o algoritmo chamado Earliest-Deadline-First (EDF), que tende a tornar o sistema operacional baseado em tarefas (Hard real-time Systems) ainda mais eficiente que aqueles que são implementados com outros algoritmos, segundo a literatura atual. Essa nova solução de hardware realizada por este trabalho de pesquisa para o IHM foi simulada e analisada utilizando-se o Simulador Quartus Prime da Intel® e testado num kit didático com Field-Programmable Gate Array (FPGA) a fim de verificar o seu comportamento em termos de processamento de instruções em relação ao microprocessador Plasma original que usa um sistema operacional baseado em tarefas por software. Os resultados experimentais repetiram os dados da tese de Leandro P. Dantas de que o sistema IHM se torna mais eficiente quanto mais trocas de tarefas tem no sistema. Eles também mostraram que o papel do sistema IHM de realizar o escalonamento de tarefas economiza mais tempo da CPU (1015 ciclos de clock com algoritmo utilizado neste estudo) do que o papel de realizar a troca de contexto (140 ciclos de clock), o que não foi observado na tese de Leandro P. Dantas
  • Tese
    Representação de conhecimento no domínio da navegação social em robôs de serviço
    (2022) Pimentel, A. M. P.
    A navegação social é uma área de pesquisa que vem crescendo nos últimos anos. Entretanto, compartilhar ambientes com o ser humano de forma socialmente aceitável ainda é um desafio tanto no ambiente doméstico quanto comercial. A precisão e a segurança são características necessárias na navegação social e constituem um desafio, no entanto, o conforto humano é o principal objetivo nas interações que envolvem seres humanos. Como contribuições deste trabalho, é proposta a representação de conhecimento no domínio da navegação social utilizando ontologia, sendo utilizada aqui para gerar camadas de mapas semânticos para a navegação de robô social. Neste trabalho é apresentado o problema atual da navegação social em robôs de serviço, os principais conceitos relacionados com esta área, uma revisão do estado da arte e é proposto um modelo de navegação social utilizando ontologia como base para representação de conhecimento neste domínio. Portanto, este trabalho tem como objetivo, especificar uma nova ontologia que possa unificar e formalizar a representação de conhecimento no domínio da navegação social encontrados na literatura, enquanto otimiza de forma incremental os métodos utilizados em ontologia aplicada na navegação de robôs móveis. Este trabalho também traz o estudo comparativo de métodos, que estão diretamente ligados à segurança, à naturalidade dos robôs e ao conforto do ser humano. Também foi aplicado um estudo de caso incremental na plataforma Home Environment Robot Assistent (HERA) promovendo uma melhor navegação social. Vários ambientes, tipos de obstáculos, pessoas simuladas de forma estática e dinâmica utilizando modelos de força social, interagindo com outras pessoas e objetos foram avaliados, variando algoritmos de planejamento local e global, e mapas de custos. Aspectos de segurança e precisão em termos de tempo e espaço estimados, assim como o respeito ao espaço pessoal foram observados. Experimentos exaustivos foram realizados para cada método ou combinação de ambiente utilizando os parâmetros otimizados de cada método em um total de 84.120 experimentos. Com esses resultados, foi possível selecionar uma configuração para este sistema de navegação, enquanto o modelo de representação de conhecimento com ontologia foi desenvolvido. Nos experimentos reais foi possível observar a influência de uma navegação comum e de uma navegação social sobre o conforto do ser humano. Ao final deste estudo, é apresentada a estrutura atual da ontologia para navegação social como contribuição para a literatura e uma navegação otimizada com base nesta ontologia aplicada a plataforma robótica HERA
  • Dissertação
    Avaliação do uso de modelos de aprendizado de máquina estatístico para previsão de diagnóstico para doenças infecciosas
    (2022) Fragoso, R. A.
    Nos últimos anos o mundo se deparou com a pandemia do COVID-19 e consequentemente com o avanço de tecnologias e campos de estudo em relação a doenças infecciosas. Com isso, a área de Inteligência Artificial, especificamente dentro da medicina, ganhou mais visibilidade e trouxe avanços e novos estudos, como sobre classificação de pacientes, a partir dos seus dados e exames clínicos, estarem potencialmente infectados pela doença. Isso pode ser explorada para melhorar as tomadas de decisões médicas, principalmente em situações em que os exames específicos para a doença não estejam disponíveis. Neste trabalho, é proposto o desenvolvimento de uma solução de Aprendizado de Máquina que visa realizar essa classificação entre paciente infectados e não infectados. Para isso, foram utilizados para treino e avaliação os dados disponibilizados por instituições de saúde em parceria com a (FAPESP, 2020). O processo de modelagem estatística passa por todas etapas do seu desenvolvimento, tendo o foco na métrica de sensibilidade, dando maior importância nos resultados dos exames para as pessoas que realmente estão infectadas. Os resultados obtidos mostraram que esse campo de estudo tem um potencial promissor e que com a presença de um exame de hemograma completo e outros exames complementares é possível alcançar até 80% de sensibilidade, indicando que a cada 100 pacientes realmente infectados, 80 deles seriam diagnosticados como positivos. Com isto, a medicina pode se beneficiar dessas metodologias para auxiliar no combate em situações de surtos, epidemias ou até outras pandemias
  • Dissertação
    Reconhecimento de emoções através da fala aplicado a robôs de assistência doméstica
    (2022) Meyer, T. S. B. M.
    Por meio da fala, que privilegia a natureza funcional e interativa do texto, é possível averiguar as circunstâncias espaço-temporais, as condições de produção e recepção do discurso, os propósitos explícitos como informar, explicar, convencer etc. Condições essas que permitem aproximar a interação entre humanos à interação entre humanos e robôs tomando-a natural e sensível às informações. No entanto, não basta compreender o que é falado, faz-se necessário o reconhecimento de emoções para a interação desejada. Verificou-se a validez do uso de redes neurais para seleção de características e para o reconhecimento de emoções. Para isso propõe-se o uso de Redes Neurais e comparação de modelos, como redes neurais recorrentes e redes neurais profundas, com intuito de realizar a classificação das emoções através dos sinais de fala para verificar a qualidade do reconhecimento. Espera-se possibilitar a implementação em robôs de um ambiente doméstico, como o robô HERA da equipe RoboFEI@Home, que tem como foco robôs de serviço autônomos para o ambiente doméstico. Foram realizados testes utilizando-se apenas os Coeficientes Cepstrais da Frequência-Mel, bem como testes com diversas características do Delta-MFCC, contraste espectral e o espectrograma-Mel. Para realizar o treinamento, validação e testes das redes neurais, usufruiu-se a base de dados eNTERFACE'05, que possui 42 locutores de 14 nacionalidades diferentes falando o idioma inglês. Os dados da base escolhida são vídeos que, para o uso nas redes neurais, foram convertidos em áudios. Constatou-se como resultado uma classificação de 52% de acertos quando empregada a rede neural profunda, quando verificado o uso da rede neural recorrente, sendo a classificação com acurácia igual 44%. Os resultados apresentam maior acurácia quando apenas os Coeficientes Cepstrais da Frequência-Mel são usados para a classificação, utilizando o classificador com a Rede Neural Profunda e em apenas um caso é possível observar um maior acerto por parte da Rede Neural Recorrente, que se dá no uso de diversas características e na configuração de 73 para o tamanho do Batch e 100 épocas de treinamento
  • Tese
    Collaborative spatial reasoning for environment mapping using unmanned aerial vehicles
    (2022) Sécolo, A. C.
    The goal of this project is the investigation of existing spatial reasoning formalism for collaborative systems, in order to interpret a scene from multiple viewpoints in the task of environment mapping. Motivated by the increasing need of interaction between humans and robots, Qualitative Spatial Reasoning (QSR) theories are integrated into a single formalism for modeling the perceptions of remotely operated Unmanned Aircraft Vehicles (UAV). Qualitative theories enables the exchange of information between humans and robotic agents, so that they can perform tasks in collaborative missions involving searching and monitoring objectives in agriculture, natural disasters, searching and rescue tasks, among others. The combination of the studied spatial theories led to the development of two formalism: the LH Interval Calculus and the Collaborative Spatial reasoning. LH Interval Calculus consists in the combination of Region Connection Calculus and Allen’s Interval Algebra to describe the relations of two objects from an aerial point of view. Collaborative Spatial Reasoning combines the Cardinal Direction Calculus with LH Interval Calculus to the task of environment mapping where agents have a partial view of the scene. UAVs equipped with cameras are the platform used to test the formalism of this project, capturing images with a partial view of the environment, from different directions of flight. The results obtained showed that the two formalism proposed were successful in the task of mapping the environment
  • Dissertação
    A Profile-Based architecture for traffic forwarding through service function chaining using deep reinforcement learning techniques
    (2021) Araújo Junior, S. R. de
    Os sistemas de comunicação, como por exemplo as redes móveis de quinta geração (5G) têm se desenvolvido rapidamente e devido à esta evolução, o uso dos seus recursos tem se tornado mais complexo. Assim, são necessários novos métodos para a concepção das redes e uma das tecnologias para tal é o Encadeamento de Funções de Serviço que permite o tráfego através de Funções de Rede Virtualizadas flexibilizando o uso dos recursos. Entretanto, há alguns desafios para sua implementação, como por exemplo o volume de dados gerados pelas novas aplicações. O Aprendizado por Reforço Profundo tem sido usado para resolver diversos problemas computacionais, inclusive aqueles relacionados às redes de comunicação. Para atingir os objetivos de otimização de recursos são necessários: a identificação e tratamento do tráfego de rede e o seu correto roteamento pelos dispositivos. O objetivo deste trabalho é investigar como as técnicas de Aprendizado por Reforço Profundo combinadas com a arquitetura de Encadeamento de Funções de Serviços podem proporcionar um mecanismo eficiente de identificação e roteamento de tráfego baseado em perfis, auxiliando os dispositivos responsáveis pelo controle da rede a reconhecer comportamentos indesejáveis e tomar as ações necessárias. Para isto, será proposta uma implementação prática para demonstrar como estas técnicas podem ser aplicadas
  • Dissertação
    Gerenciamento dinâmico de energia aplicado a um robô móvel
    (2022) Techi, R. DE C.
    A lei de Moore previu, a cada dois anos, 100% de aumento no número de transistores em um circuito impresso, mantendo o mesmo custo. Baterias têm sua capacidade determinada pela densidade energética (Watt-h/kg), e para que o valor dobrasse foi necessária uma década. Tendo em vista a discrepância entre as taxas de evolução, os equipamentos cada vez consomem mais energia, sem que a fonte consiga armazena-la com o mesmo volume. Tais fatos provocam problemas para sistemas energizados por baterias como, por exemplo, carros elétricos, robôs móveis, casas inteligentes, laptops, smartphones, entre outros. A área da robótica móvel é a mais afetada pois, diferente de carros elétricos, que podem ter grandes bancos de baterias ou de aparelhos eletrônicos que podem ser facilmente utilizados enquanto são recarregados, os sistemas robóticos moveis não possuem espaço suficiente para uma grande quantidade de baterias e sua recarga requer um intervalo de tempo no qual o robô ficara inoperante. Adicionando o fato de um robô móvel ter uma variedade de sensores e atuadores para realizar uma diversa gama de tarefas, o consumo eficiente de energia se torna uma necessidade para proporcionar uma boa experiência para o usuário. O Gerenciamento Dinâmico de Energia (DPM, Dynamic Power Management) propõe o uso otimizado de energia através do controle de gasto energético de equipamentos presentes em um sistema, o que é feito através da exploração da ociosidade: Sempre que um aparelho (ou um componente de um aparelho) estiver ocioso, sua dissipação de energia deve ser reduzida o máximo possível. Este trabalho propõe a modelagem de um sistema de Gerenciamento Dinâmico de Energia em robôs móveis, com objetivo de aumentar o tempo de funcionamento, desenvolver um sistema de captação de dados para futuras tomadas de decisões relacionadas ao sistema de energia e a realização de tarefas, e criar uma base de conhecimento do funcionamento de sensores e atuadores em robôs móveis de plataforma aberta
  • Dissertação
    Sistema de planejamento e acompanhamento de ações para tarefas de propósito geral em robótica de serviço
    (2022) Neves, L. C.
    A cada dia um número maior de sistemas robóticos inteligentes vem fazendo parte de nosso dia à dia, sejam eles simples como robôs que limpam o chão ou porteiros eletrônicos, ou de maior complexidade como carros autônomos e robôs que auxiliam pessoas que entram em bancos. Esses sistemas inteligentes, sejam eles simples ou complexos, tem em comum uma estrutura básica independentemente das funcionalidades: Um objetivo a ser alcançado, um estado inicial e funcionalidades que o fazem alcançar seu objetivo. Para os sistemas robóticos complexos, é fundamental que eles sejam capazes de planejar meios de atingir seus objetivos, mesmo que a princípio abstratos, e assim monitorar esse planejamento para que a estrutura seja robusta e o objetivo seja alcançado dadas as imprevisibilidades do mundo real. Através de robôs domésticos ou de diversos outros propósitos, de tempos em tempos são vistos trabalhos aplicando técnicas de planejamento de ações para encontrar meios de criar agentes com maior inteligencia e que escolham suas ações por meio de processos deliberativos através do conhecimento prévio sobre o domínio que os rodeia. Mesmo com o esforço da comunidade que para manter essa vasta área de planejamento sempre atualizada, diversos trabalhos podem ser revisitados e melhorados, tendo em vista que novas aplicações e expansões para os algoritmos usados previamente podem ser implementadas e novos problemas podem ser introduzidos. Neste contexto, este trabalho busca explorar o planejamento de ações para robótica doméstica, onde o ROSPlan, framework que traz módulos para planejamento de ações em robótica, é utilizado junto às Redes de Petri, para melhorar a aplicação de ambas as ferramentas em conjunto em tarefas de propósito geral em robótica de serviço. Além disso, um módulo de expansão de plano é proposto, para que possamos melhorar a eficiência da arquitetura com base no que já foi feito pela comunidade previamente. Para avaliação do modelo proposto, foram submetidos testes a partir de um simulador de tarefas da competição Robocup@Home e foi verificada o desempenho do robô HERA nestas execuções
  • Tese
    Especialização de comunicação e políticas em aprendizado por reforço com múltiplos agentes heterogêneos utilizando redes neurais de grafos
    (2021) Meneghetti, D. R.
    Esta tese apresenta uma arquitetura de rede neural voltada ao aprendizado de políticas em sistemas multi-agentes totalmente cooperativos, compostos de agentes heterogêneos e comunicativos. O ambiente é formalizado como um Processo de Decisão de Markov Parcialmente Observável Descentralizado e os estados transformados em grafos direcionados rotulados atribuídos de agentes e entidades. Vértices representam agentes e entidades; os rótulos dos vértices, suas classes, sendo todos os agentes dentro de uma mesma classe considerados homogêneos entre si; arcos direcionados representam a capacidade dos agentes de adquirir informação de outras entidades; e vetores armazenados nos vértices representam as características que descrevem agentes e entidades, ou as observações dos agentes. A topologia de rede neural proposta usa camadas totalmente conectadas para codificar as observações dos agentes; convoluções relacionais em grafos para aprender mecanismos de comunicação específicos para diferentes pares de classes; e diferentes redes neurais treinadas utilizando aprendizado por reforço para modelar as políticas das classes de agentes. A tese apresenta dois métodos. No primeiro, os módulos de codificação e aprendizado de funções valor-ação são modelados como redes neurais distintas para cada classe de entidade e agente, e o treinamento do modelo é feito utilizando uma memória de repetição de transições. O segundo método usa compartilhamento de parâmetros entre as classes de agentes para obter uma rede neural com menos parâmetros, assim como emprega camadas recorrentes e treinamento com amostras de uma memória de repetição de episódios. A comunicação relacional é comparada à comunicação realizada através de mecanismos de atenção e à ausência de comunicação entre os agentes. Também é testada a compatibilidade do método com outras contribuições disponíveis na literatura, como a regularização por relações temporais e o mixing aditivo. Testes realizados no ambiente do StarCraft Multi-Agent Challenge demonstram que o emprego de camadas de convolução relacionais para a especialização da comunicação entre agentes viabiliza desempenho comparável ou superior aos outros métodos em todos os cenários testados, principalmente naqueles com maior número de classes de agentes. Já a combinação da comunicação relacional com o mixing aditivo apresentou, geralmente, os melhores resultados
  • Dissertação
    Método de otimização da alocação de redes virtuais na estrutura física de uma rede substrato utilizando aprendizado por reforço
    (2021) Moreira, C. L.
    As tecnologias 5G possibilitaram novas aplicações em uma infraestrutura de computação de borda que visa atender uma demanda heterogênea e distribuída que unifica hardware, rede e software voltados para habilitação digital. Baseada nos requisitos da Indústria 4.0, esta infraestrutura habilitadora introduz o conceito de fatiamento da rede (Network Slicing), um recurso fundamental que transforma a rede de um paradigma estático em um novo paradigma onde as redes são lógicas, utilizando o modelo de compartilhamento de computação em nuvem e névoa, que deve atender às necessidades de acordos de nível de serviço de forma conveniente e otimizada, exigindo um mecanismo de orquestração para a alocação dinâmica de recursos. Entre esses mecanismos, a incorporação de redes virtuais (VNE) e o gerenciamento dinâmico de recursos (DRM) têm mostrado uma maneira de definir onde e como a tecnologia de computação em névoa deve ser usada. Este trabalho propõe um algoritmo de alocação de recursos, o VNE_CRS, que utiliza uma técnica de inteligência artificial chamada aprendizado por reforço para orquestrar múltiplos domínios da infraestrutura de uma rede 5G, beneficiandose de sua característica de considerar todo o problema, fim a fim, utilizando diferentes aspectos do Indice de Qualidade de Serviço 5G (5QIs). Experimentos foram realizados em simulação comparando o VNE_CRS com algoritmos do estado da arte para alocação VNE em ambiente Edge de múltiplos domínios. Os resultados mostraram que o uso de técnicas de aprendizado por reforço para alocação de recursos de VNE apresentou ganhos de desempenho. Ele pode não apenas simplificar a arquitetura VNE, mas também atuar como um sistema de orquestração completo que visa os resultados estratégicos de longo prazo
  • Dissertação
    Redes neurais artificiais e processamento de linguagem natural aplicados a previsão do minicontrato futuro do índice Ibovespa
    (2021) Silva, D. E.
    Estudos científicos recentemente realizados comprovam que existe relação das informações divulgadas nas Redes Sociais com as variações dos preços dos ativos negociados na Bolsa de Valores Brasileira (BOVESPA). Nesses estudos são utilizadas técnicas de Processamento de Linguagem Natural (PLN) para o tratamento de dados textuais que possibilitam a compreensão da linguagem humana pelas máquinas que, enriquecida com as informações históricas dos ativos, geram indicações para tomada de decisão nas negociações da Bolsa. Os relacionamentos entre a Rede Social Twitter e a Bovespa são abordados através do uso de PLN na base de dados da Rede Social com Word Embedding, realizando uma classificação dicotômica para tomadas de decisões, não se atendo para as práticas de maiores retornos com os ganhos das variações dos ativos nos pequenos intervalos entre o dia. A proposta deste trabalho é a criação de um modelo para tomada de decisão no mercado financeiro apoiada nas mensagens relativas à BOVESPA na Rede Social Twitter, tratadas por técnicas de Processamento de Linguagem Natural (PLN). Neste ponto é usado frases completas para vetorização do Word Embedding e classificadas com uma Rede Neural Recorrente (LSTM) para indicar negociações do ativo mini-índice da BOVESPA com atuação regida pela tendência do mercado acrescida da classificação do Word Embedding, agregadas em 5, 15 e 30 minutos, para atuações nos minutos sequências de operações day trade. Os experimentos realizados neste trabalho demonstraram a validade da hipótese de que mensagens de uma rede social podem apoiar decisões no mercado financeiro, permitindo obter lucros neste domínio.
  • Dissertação
    Aprendizado por reforço profundo multiagente aplicado a negociação de ativos de mercado financeiro
    (2021) Capati, F. A.
    O presente trabalho tem como motivação principal o estudo de modelos de aprendizado por reforço multi-agent, comumente utilizados quando o problema é episódico e a dinâmica do sistema é complexa de ser descrita analiticamente, aplicado à negociação de ações na bolsa de valores, desenvolvendo um sistema cooperativo composto por um agente que representa a força de compra dos ativos, e outro agente a força de venda. Os agentes devem interagir para decidir quanto será comprado ou vendido, de modo a optimizar o lucro obtido, criando o que foi denominado de: “gestor de carteira de investimentos”. Ao término do desenvolvimento foram feitas análises do modelo single-agent e multi-agent, avaliações do impacto da modelagem do ator-crítico utilizando redes recorrentes e propostas de melhoria do projeto desenvolvido. O modelo multi-agent obteve resultados positivos, em sua maioria, sendo superiores ao buy-andhold em mais de 88% no experimento executado com o ativo ITSA4, porém os resultados de forma geral não são suficientes para a construção de um modelo comercial. Ao término do projeto foram propostas melhorias e possíveis trabalhos futuros com o intuito de auxiliar o desenvolvimento da área.
  • Dissertação
    Análise de métodos de reconhecimento de comportamento humano em ambientes domésticos utilizando sensores RGB+D
    (2021) Grassl, E. de B.
    trabalho proposto busca realizar uma revisão bibliográfica para levantar as bases de dados e reconhecedores de ações estado da arte na literatura recente, além de selecionar dois reconhecedores para compará-los. De acordo com o estudo realizado, os reconhecedores baseados em esqueletos 3D se mostraram promissores e os dois com maior desempenho foram selecionados: MS-G3D e Shift-GCN. Por outro lado, as bases de dados escolhidas foram a NTU RGB+D 120, com 11480 amostras e 120 classes, e a NTU RGB+D HOME, obtida por um subconjunto da NTU RGB+D 120 de 23784 amostras e 25 classes com o foco em ações realizadas em ambientes domésticos ou relacionadas à saúde. Assim, 12 configurações dos reconhecedores selecionados foram criadas e comparadas nas bases de dados propostas pelos métodos cross-subject e cross-setup, onde todas mostraram desempenhos estado da arte de até 85,80% para a base de dados NTU RGB+D 120 e até 84,32% para a NT RGB+D HOME. Além disso, foi possível observar que os reconhecedores baseados em esqueletos 3D são mais robustos em relação a ambientes e perspectivas diferentes e que as informações das arestas entre as juntas ou as movimentação entre as juntas dos esqueletos 3D em frames adjacentes resultaram em um maior desempenho dos reconhecedores. Por último, é possível observar que a fusão dos resultados de reconhecedores treinados com informações diferentes pode trazer um aumento considerável de seus desempenhos. Espera-se que o estudo realizado neste trabalho pode ser utilizado para guiar outros pesquisadores para a seleção de bases de dados e reconhecedores de ações, além de auxiliar a equipe do programa RoboFEI@HOME a incrementar a plataforma robótica HERA com capacidades de reconhecimento de comportamento humano.