La complexité inhérente à la coordination des mouvements d'un groupe de robots mobiles est traitée en investiguant plus avant les potentialités des architectures de contrôle comportementales dont le but est de briser la complexité des tâches à exécuter. En effet, les robots mobiles peuvent évoluer dans des environnements très complexes et nécessite de surcroît une coopération précise et sécurisée des véhicules pouvant rapidement devenir inextricable. Ainsi, pour maîtriser cette complexité, le contrôleur dédié à la réalisation de la tâche est décomposé en un ensemble de comportements/contrôleurs élémentaires (évitement d'obstacles et de collision entre les robots, attraction vers une cible, etc.) qui lient les informations capteurs (provenant de caméras, des capteurs locaux du robot, etc.) aux actionneurs des différentes entités robotiques. La tâche considérée est la navigation en formation en présence d'obstacles (statiques et dynamiques). La spécificité de l'approche théorique consiste à allier les avantages des architectures de contrôle comportementales à la méthode de la structure virtuelle où le groupe de robots mobiles suit un corps virtuel avec une dynamique (vitesse, direction) donnée. Ainsi, l'activation d'un comportement élémentaire en faveur d'un autre se fait en respectant les contraintes structurelles des robots (e.g. vitesses et accélérations maximales, etc.) en vue d'assurer le maximum de précision et de sécurité des mouvements coordonnés entre les différentes entités mobiles. La coopération consiste à se partager les places dans la structure virtuelle de manière distribuée et de façon à atteindre plus rapidement la formation désirée. Pour garantir les critères de performances visés par l'architecture de contrôle, les systèmes hybrides qui permettent de commander des systèmes continus en présence d'évènements discrets sont exploités. En effet, ces contrôleurs (partie discrète) permettent de coordonner l'activité des différents comportements (partie continue) disponibles au niveau de l'architecture, tout en offrant une analyse automaticienne rigoureuse de la stabilité de celle-ci au sens de Lyapunov. Chaque contribution est illustrée par des résultats de simulation. Le dernier chapitre est dédié à l'implémentation de l'architecture de contrôle proposée sur un groupe de robots mobiles Khepera III. / Inherent difficulty of coordinating a group of mobile robots is treated by investigating behavior-based architectures which aim to break task complexity. In fact, multi-robot navigation may become rapidly inextricable, specifically if it is made in hazardous and dynamical environment. The considered task is the navigation in formation in presence of (static and dynamic) obstacles. To overcome its complexity, it is proposed to divide the overall task into two basic behaviors/controllers (obstacle avoidance, attraction to a dynamical target). Applied control is chosen among these controllers according to sensors information (camera, local sensors, etc.). Theoretic approach combines behavior-based and the virtual structure strategy which considers the formation as a virtual body with a given dynamic (velocity, direction). Thus, activating a controller or another is accomplished while respecting structural robots constraints (e.g. maximal velocities and accelerations). The objective is to insure the highest precision and safety of the coordinated motion between the robots. These ones cooperate by optimizing the way of sharing their places in the formation in order to form it in a faster manner. To guarantee performance criteria of the control architecture, hybrid systems tolerating the control of continuous systems in presence of discrete events are explored. In fact, this control allows coordinating (by discrete part) the different behaviors (continuous part) of the architecture. A complete analysis of this architecture stability is also given thanks to Lyapunov-based theory. Every contribution is illustrated through simulation results. The last chapter is devoted to the implementation of the proposed control architecture on a group of Khepera III robots.

La problématique étudiée dans cette thèse concerne le maintien de l’intégrité de robots mobiles en milieux naturels. L’objectif est de fournir des lois de commande permettant de garantir l’intégrité d’un véhicule lors de déplacements autonomes en milieux naturels à vitesse élevée (5 à 7 m.s -1 ) et plus particulièrement dans le cadre de l’agriculture de précision. L’intégrité s’entend ici au sens large. En effet, l’asservissement des déplacements d’un robot mobile peut générer des consignes nuisant à son intégrité physique, ou à la réalisation de sa tâche (renversement, tête-à-queue, stabilité des commandes, maintien de la précision, etc.). De plus, le déplacement en milieux naturels amène des problématiques liées notamment à des conditions d’adhérence variables et relativement faibles (d’autant plus que la vitesse du véhicule est élevée), ce qui se traduit par de forts glissements des roues sur le sol, ou encore à des géométries de terrains non traversables par le robot. Aussi, cette thèse vise à déterminer en temps réel l’espace de stabilité en terme de commandes admissibles permettant de modérer les actions du robot. Après une présentation des modélisations existantes, et des observateurs permettant l’exploitation de ces modélisations pour la mise en place de loi de commande prédictive en braquage pour le suivi de trajectoire, une nouvelle méthode d’estimation des glissements basé sur une observation cinématique est proposée. Celle-ci permet de répondre aux problématiques de vitesse variable (et notamment du passage de la vitesse par des valeurs nulles) du véhicule et d’observation lors d’un déplacement sans trajectoire de référence. Ce nouvel observateur est primordial pour la suite des développements de cette thèse, puisque la suite des travaux s’intéresse à la modulation de la vitesse du véhicule. Ainsi, dans la suite des travaux, deux lois de commande prédictives agissant sur la vitesse du véhicule ont été mises en place. La première apporte une solution à la problématique de la saturation des actionneurs en braquage, lorsque la vitesse ou les glissements rendent la trajectoire à suivre inadmissible vis-à-vis des capacités physiques du véhicule. La deuxième répond à la problématique de la garantie de la précision du suivi de trajectoire (maintien du véhicule dans un couloir de déplacement). Dans les deux cas la stratégie de commande est similaire : on prédit l’état futur du véhicule en fonction de ses conditions d’évolution actuelle et de conditions d’évolutions futures simulées (obtenues grâce à la simulation de l’évolution d’un modèle dynamique du véhicule) afin de déterminer la valeur de la vitesse optimale pour que les variables cibles (dans un cas la valeur du braquage et dans l’autre l’écart à la trajectoire) respectent les conditions imposées (non-dépassement d’une valeur cible). Les résultats présentés dans ce mémoire ont été réalisés soit en simulations, soit en conditions réelles sur des plateformes robotiques. Il en découle que les algorithmes proposés permettent dans un cas de réduire la vitesse du véhicule pour éviter la saturation du braquage et donc les phénomènes de sur et sous virage qui en découlerait et donc permet de conserver la commandabilité du véhicule. Et dans l’autre cas de garantir que l’écart à la trajectoire reste sous une valeur cible. / This thesis focused on the issue of the preseving of the integrity of mobile robots in off-road conditions. The objective is to provide control laws to guarantee the integrity of a vehicle during autonomous displacements in natural environments at high speed (5 to 7 m.s -1 ) and more particularly in The framework of precision farming. Integrity is here understood in the broad sense. Indeed, control of the movements of a mobile robot can generate orders that affect its physical integrity, or restrains the achievement of its task (rollover, spin, control stability, maintaining accuracy , etc.). Moreover, displacement in natural environments leads to problems linked in particular to relatively variable and relatively low adhesion conditions (especially since the speed of the vehicle is high), which results in strong sliding of wheels on the ground, or to ground geometries that can not be crossed by the robot. This thesis aims to determine in real time the stability space in terms of permissible controls allowing to moderate the actions of the robot. After a presentation of the existing modelings and observers that allow the use of these modelizations for the implementation of predictive control law for trajectory tracking, a new method of estimation of side-slip angles based on a kinematic observation is proposed. It permit to address the problem of variable speed of the vehicle (and in particular the case of zero values) and also to allow the observation during a displacement without reference trajectory. This new observer is essential for the further development of this thesis, since the rest of the work is concerned with the modulation of the speed of the vehicle. So, in the further work, two predictive control laws acting on the speed of the vehicle have been set up. The first one provides a solution to the problem of the saturation of steering actuators, when the speed or side-slip angles make the trajectory inadmissible to follow with respect to the physical capacities of the vehicle. The second one adress the problem of guaranteeing the accuracy of trajectory tracking (keeping the vehicle in a corridor of displacement). In both cases, the control strategy is similar: the future state of the vehicle is predicted according to the current conditions of evolution and the simulated one for the future evolution (obtained by simulating the evolution of dynamics models of the vehicle) in order to determine the value of the optimum speed so that the target variables (in one case the value of the steering and in the other the lateral deviation from the trajectory) comply with the imposed conditions (not exceeding a target value). The results presented in this thesis were realized either in simulations or in real conditions on robotic platforms. It follows that the proposed algorithms make it possible : in one case to reduce the speed of the vehicle in order to avoid the saturation of the steering actuator and therefore the resulting over and under steering phenomena and thus make it possible to preserve the vehicle’s controllability. And in the other case, to ensure that the lateral deviation from the trajectory remains below a target value.

Este trabalho propõe uma nova abordagem conexionista, chamada de IGMN (do inglês Incremental Gaussian Mixture Network), para aproximação incremental de funções e tarefas de tempo real. Ela é inspirada em recentes teorias do cérebro, especialmente o MPF (do inglês Memory-Prediction Framework) e a Inteligência Artificial Construtivista, que fazem com que o modelo proposto possua características especiais que não estão presentes na maioria dos modelos de redes neurais existentes. Além disso, IGMN é baseado em sólidos princípios estatísticos (modelos de mistura gaussianos) e assintoticamente converge para a superfície de regressão ótima a medida que os dados de treinamento chegam. As principais vantagens do IGMN em relação a outros modelos de redes neurais são: (i) IGMN aprende instantaneamente analisando cada padrão de treinamento apenas uma vez (cada dado pode ser imediatamente utilizado e descartado); (ii) o modelo proposto produz estimativas razoáveis baseado em poucos dados de treinamento; (iii) IGMN aprende de forma contínua e perpétua a medida que novos dados de treinamento chegam (não existem fases separadas de treinamento e utilização); (iv) o modelo proposto resolve o dilema da estabilidade-plasticidade e não sofre de interferência catastrófica; (v) a topologia da rede neural é definida automaticamente e de forma incremental (novas unidades são adicionadas sempre que necessário); (vi) IGMN não é sensível às condições de inicialização (de fato IGMN não utiliza nenhuma decisão e/ou inicialização aleatória); (vii) a mesma rede neural IGMN pode ser utilizada em problemas diretos e inversos (o fluxo de informações é bidirecional) mesmo em regiões onde a função alvo tem múltiplas soluções; e (viii) IGMN fornece o nível de confiança de suas estimativas. Outra contribuição relevante desta tese é o uso do IGMN em importantes tarefas nas áreas de robótica e aprendizado de máquina, como por exemplo a identificação de modelos, a formação incremental de conceitos, o aprendizado por reforço, o mapeamento robótico e previsão de séries temporais. De fato, o poder de representação e a eficiência e do modelo proposto permitem expandir o conjunto de tarefas nas quais as redes neurais podem ser utilizadas, abrindo assim novas direções nos quais importantes contribuições do estado da arte podem ser feitas. Através de diversos experimentos, realizados utilizando o modelo proposto, é demonstrado que o IGMN é bastante robusto ao problema de overfitting, não requer um ajuste fino dos parâmetros de configuração e possui uma boa performance computacional que permite o seu uso em aplicações de controle em tempo real. Portanto pode-se afirmar que o IGMN é uma ferramenta de aprendizado de máquina bastante útil em tarefas de aprendizado incremental de funções e predição em tempo real. / This work proposes IGMN (standing for Incremental Gaussian Mixture Network), a new connectionist approach for incremental function approximation and real time tasks. It is inspired on recent theories about the brain, specially the Memory-Prediction Framework and the Constructivist Artificial Intelligence, which endows it with some unique features that are not present in most ANN models such as MLP, RBF and GRNN. Moreover, IGMN is based on strong statistical principles (Gaussian mixture models) and asymptotically converges to the optimal regression surface as more training data arrive. The main advantages of IGMN over other ANN models are: (i) IGMN learns incrementally using a single scan over the training data (each training pattern can be immediately used and discarded); (ii) it can produce reasonable estimates based on few training data; (iii) the learning process can proceed perpetually as new training data arrive (there is no separate phases for leaning and recalling); (iv) IGMN can handle the stability-plasticity dilemma and does not suffer from catastrophic interference; (v) the neural network topology is defined automatically and incrementally (new units added whenever is necessary); (vi) IGMN is not sensible to initialization conditions (in fact there is no random initialization/ decision in IGMN); (vii) the same neural network can be used to solve both forward and inverse problems (the information flow is bidirectional) even in regions where the target data are multi-valued; and (viii) IGMN can provide the confidence levels of its estimates. Another relevant contribution of this thesis is the use of IGMN in some important state-of-the-art machine learning and robotic tasks such as model identification, incremental concept formation, reinforcement learning, robotic mapping and time series prediction. In fact, the efficiency of IGMN and its representational power expand the set of potential tasks in which the neural networks can be applied, thus opening new research directions in which important contributions can be made. Through several experiments using the proposed model it is demonstrated that IGMN is also robust to overfitting, does not require fine-tunning of its configuration parameters and has a very good computational performance, thus allowing its use in real time control applications. Therefore, IGMN is a very useful machine learning tool for incremental function approximation and on-line prediction.

[pt] SLAM (Mapeamento e Localização Simultânea) é uma das áreas mais pesquisadas na Robótica móvel. Trata-se do problema, num robô móvel, de construir um mapa sem conhecimento prévio do ambiente e ao mesmo tempo manter a sua localização nele. Embora a tecnologia ofereça sensores cada vez mais precisos, pequenos erros na medição são acumulados comprometendo a precisão na localização, sendo estes evidentes quando o robô retorna a uma posição inicial depois de percorrer um longo caminho. Assim, para melhoria do desempenho do SLAM é necessário representar a sua formulação usando teoria das probabilidades. O SLAM com Filtro Extendido de Kalman (EKF-SLAM) é uma solução básica, e apesar de suas limitações é a técnica mais popular. O Fast SLAM, por outro lado, resolve algumas limitações do EKF-SLAM usando uma instância do filtro de partículas conhecida como Rao-Blackwellized. Outra solução bem sucedida é o DP-SLAM, o qual usa uma representação do mapa em forma de grade de ocupação, com um algoritmo hierárquico que constrói mapas 2D bastante precisos. Todos estes algoritmos usam informação de dois tipos de sensores: odômetros e sensores de distância. O Laser Range Finder (LRF) é um medidor laser de distância por varredura, e pela sua precisão é bastante usado na correção do erro em odômetros. Este trabalho apresenta uma detalhada implementação destas três soluções para o SLAM, focalizado em ambientes fechados e estruturados. Apresenta-se a construção de mapas 2D e 3D em terrenos planos tais como em aplicações típicas de ambientes fechados. A representação dos mapas 2D é feita na forma de grade de ocupação. Por outro lado, a representação dos mapas 3D é feita na forma de nuvem de pontos ao invés de grade, para reduzir o custo computacional. É considerado um robô móvel equipado com apenas um LRF, sem nenhuma informação de odometria. O alinhamento entre varreduras laser é otimizado fazendo o uso de Algoritmos Genéticos. Assim, podem-se construir mapas e ao mesmo tempo localizar o robô sem necessidade de odômetros ou outros sensores. Um simulador em Matlab é implementado para a geração de varreduras virtuais de um LRF em um ambiente 3D (virtual). A metodologia proposta é validada com os dados simulados, assim como com dados experimentais obtidos da literatura, demonstrando a possibilidade de construção de mapas 3D com apenas um sensor LRF. / [en] Simultaneous Localization and Mapping (SLAM) is one of the most widely researched areas of Robotics. It addresses the mobile robot problem of generating a map without prior knowledge of the environment, while keeping track of its position. Although technology offers increasingly accurate position sensors, even small measurement errors can accumulate and compromise the localization accuracy. This becomes evident when programming a robot to return to its original position after traveling a long distance, based only on its sensor readings. Thus, to improve SLAM s performance it is necessary to represent its formulation using probability theory. The Extended Kalman Filter SLAM (EKF-SLAM) is a basic solution and, despite its shortcomings, it is by far the most popular technique. Fast SLAM, on the other hand, solves some limitations of the EKFSLAM using an instance of the Rao-Blackwellized particle filter. Another successful solution is to use the DP-SLAM approach, which uses a grid representation and a hierarchical algorithm to build accurate 2D maps. All SLAM solutions require two types of sensor information: odometry and range measurement. Laser Range Finders (LRF) are popular range measurement sensors and, because of their accuracy, are well suited for odometry error correction. Furthermore, the odometer may even be eliminated from the system if multiple consecutive LRF scans are matched. This works presents a detailed implementation of these three SLAM solutions, focused on structured indoor environments. The implementation is able to map 2D environments, as well as 3D environments with planar terrain, such as in a typical indoor application. The 2D application is able to automatically generate a stochastic grid map. On the other hand, the 3D problem uses a point cloud representation of the map, instead of a 3D grid, to reduce the SLAM computational effort. The considered mobile robot only uses a single LRF, without any odometry information. A Genetic Algorithm is presented to optimize the matching of LRF scans taken at different instants. Such matching is able not only to map the environment but also localize the robot, without the need for odometers or other sensors. A simulation program is implemented in Matlab to generate virtual LRF readings of a mobile robot in a 3D environment. Both simulated readings and experimental data from the literature are independently used to validate the proposed methodology, automatically generating 3D maps using just a single LRF.

Made available in DSpace on 2016-06-02T19:05:51Z (GMT). No. of bitstreams: 1 3769.pdf: 7885518 bytes, checksum: 7723f0868651af930744610d4adb9ccb (MD5) Previous issue date: 2011-05-30 / Financiadora de Estudos e Projetos / Embedded systems have been used in a myriad of devices that are present in our daily lives, thereby the market for such sort of system has increased significantly over the last few years. These systems were once associated with low-level code, however, this is an outdated view of embedded systems technology. Although the current embedded systems are mostly composed of software, no systematic reuse technique is used in throughout their development. Thus, since previous successful experiences are not reused, forcing the developer to create some of the involved elements from the scratch, there is a considerable delay in the production of these systems. Due to the ever increasing complexity of embedded systems it is necessary to apply reuse techniques in order to lessen the effort needed to develop such systems. Within this context, software product lines (SPL) are reuse techniques that allow the creation of several systems belonging to a certain domain. SPL can be used to generate products of a specific domain that share common features but are each different in a specific way. Model-driven development is another reuse technique whose main objective is to reduce the semantic distance between the domain problem and its solution/implementation; thus, the developer does not need to direct interact with the solution source code, being able to focus on models and transforming those models in source code or yet other models. Based on these techniques, a process for the development of SPL in the domain of mobile robots was developed. In order to properly use the proposed process, a SPL called LegoMobileRobots Software Product Line (LMRSPL) was devised. Moreover, a domain specific language (DSL) was also developed. This DSL, called F2MoC, assists the application engineer in instantiating LMRSPL members. / Sistemas embarcados são utilizados em vários dispositivos que fazem parte da vida cotidiana, de modo que o mercado de tais sistemas tem crescido de maneira expressiva. Esses sistemas sempre foram associados com código de baixo nível, no entanto, essa visão está desatualizada. Nas aplicações embarcadas correntes o software é a principal parcela, embora nenhuma técnica sistemática de reuso seja utilizada para sua concepção. Desse modo ocorre um atraso considerável na produtividade dos sistemas, uma vez que experiências anteriores bem sucedidas não são reaproveitadas, sendo necessário que o desenvolvedor comece do zero toda vez que um software for desenvolvido. Com a crescente complexidade dos sistemas embarcados é necessário utilizar técnicas de reuso para diminuir o atrasado da produção de tais sistemas. Nesse contexto, Linha de Produtos de Software (LPS) é definida como uma técnica de reuso que permite a construção de vários sistemas pertencentes a um mesmo domínio. LPS é aplicável para a geração de produtos específicos de um domínio, mas que possuem um conjunto de características comuns e pontos de variabilidades bem definidos. O Desenvolvimento de Software Orientado a Modelos (do inglês Model-Driven Development - MDD) é outra técnica de reuso na qual tem como principal objetivo reduzir a distância semântica entre o problema do domínio e solução/implementação, fazendo com que o engenheiro não precise interagir diretamente como o código-fonte, podendo se concentrar em modelos que possuem maiores níveis de abstração e posteriormente realizar transformações Model-To-Code e/ou Model-To-Model. A partir dessas técnicas de reuso é introduzido um processo para o desenvolvimento de linhas de produtos de software no domínio de Robôs Moveis. A fim de utilizar o processo proposto foi desenvolvida uma LPS intitulada LegoRobosMoveis Linha de Produtos de Software (LRMLPS). Adicionalmente, foi desenvolvida uma linguagem especifica de domínio denominada F2MoC que auxilia o engenheiro de aplicação na instanciação automática de membros da LRMLPS.

CAPES-DS / Em robótica móvel, um robô autônomo deve se deslocar por um ambiente sem colidir com os obstáculos ao seu redor. Com essa finalidade, várias pesquisas tem sido efetuadas ao longo dos anos, utilizando-se principalmente de sensores sonares para a aquisição de dados de distância aos obstáculos presentes no ambiente. A abordagem tradicional utilizada nesse conceito é baseada no tempo de voo do sinal ultrassônico, em que a distância entre robô e obstáculo é calculada através do período de tempo entre o envio e retorno do sinal. Essa técnica visa somente identificar a presença ou não de um obstáculo, resultando em representações de baixa resolução do ambiente, por não considerar características inerentes às reflexões ultrassônicas. Neste trabalho é apresentada uma nova abordagem, inspirada nas recentes pesquisas de imageamento através de ultrassom na área médica, com foco em problemas inversos. O objetivo é efetuar mapeamento de ambientes com uma melhor resolução e sem a necessidade da aquisição de múltiplas ondas ultrassônicas. As reconstruções das imagens foram realizadas a partir da aquisição das reflexões ultrassônicas utilizando sonares em um ambiente de testes controlado com apenas um obstáculo presente. Os experimentos efetuados visaram a comparação entre os principais métodos de reconstrução de imagens existentes, com foco em mapeamento de ambientes. Os métodos de reconstrução por problemas inversos apresentaram resultados promissores, principalmente se comparados ao método tradicional de reconstrução de imagens, delay and sum beamforming, da área médica. / An autonomous mobile robot must be able to move through an environment without colliding with obstacles. This subject has been investigated by researchers over the years, mainly using sonar sensors to acquire distance data. The traditional approach used in this concept is based on the time of flight technique, in which the distances between the robot and obstacles are computed using the period of time between sending and receiving the ultrasonic wave. This technique aims only at the detection of obstacles, reconstructing the environment in low resolution since it does not consider inherent characteristics of ultrasonic reflections. The present work introduces a new approach, based on recent research on medical image reconstruction. The goal is to achieve environmental mapping in higher resolution, but without the need to acquire multiple ultrasonic bursts. The image reconstructions were made through the acquisition of ultrasonic reflections using sonars in a controlled test environment containing only one obstacle. Experiments were conducted to compare some of the existing image reconstruction methods, focusing on environment mapping. Inverse problems showed promising results, especially when compared to the traditional method of medical image reconstruction, delay and sum beamforming.

CAPES-DS / Em robótica móvel, um robô autônomo deve se deslocar por um ambiente sem colidir com os obstáculos ao seu redor. Com essa finalidade, várias pesquisas tem sido efetuadas ao longo dos anos, utilizando-se principalmente de sensores sonares para a aquisição de dados de distância aos obstáculos presentes no ambiente. A abordagem tradicional utilizada nesse conceito é baseada no tempo de voo do sinal ultrassônico, em que a distância entre robô e obstáculo é calculada através do período de tempo entre o envio e retorno do sinal. Essa técnica visa somente identificar a presença ou não de um obstáculo, resultando em representações de baixa resolução do ambiente, por não considerar características inerentes às reflexões ultrassônicas. Neste trabalho é apresentada uma nova abordagem, inspirada nas recentes pesquisas de imageamento através de ultrassom na área médica, com foco em problemas inversos. O objetivo é efetuar mapeamento de ambientes com uma melhor resolução e sem a necessidade da aquisição de múltiplas ondas ultrassônicas. As reconstruções das imagens foram realizadas a partir da aquisição das reflexões ultrassônicas utilizando sonares em um ambiente de testes controlado com apenas um obstáculo presente. Os experimentos efetuados visaram a comparação entre os principais métodos de reconstrução de imagens existentes, com foco em mapeamento de ambientes. Os métodos de reconstrução por problemas inversos apresentaram resultados promissores, principalmente se comparados ao método tradicional de reconstrução de imagens, delay and sum beamforming, da área médica. / An autonomous mobile robot must be able to move through an environment without colliding with obstacles. This subject has been investigated by researchers over the years, mainly using sonar sensors to acquire distance data. The traditional approach used in this concept is based on the time of flight technique, in which the distances between the robot and obstacles are computed using the period of time between sending and receiving the ultrasonic wave. This technique aims only at the detection of obstacles, reconstructing the environment in low resolution since it does not consider inherent characteristics of ultrasonic reflections. The present work introduces a new approach, based on recent research on medical image reconstruction. The goal is to achieve environmental mapping in higher resolution, but without the need to acquire multiple ultrasonic bursts. The image reconstructions were made through the acquisition of ultrasonic reflections using sonars in a controlled test environment containing only one obstacle. Experiments were conducted to compare some of the existing image reconstruction methods, focusing on environment mapping. Inverse problems showed promising results, especially when compared to the traditional method of medical image reconstruction, delay and sum beamforming.

Made available in DSpace on 2014-12-17T14:55:56Z (GMT). No. of bitstreams: 1 EllonPM_DISSERT.pdf: 1231242 bytes, checksum: 49456bef5c0d0bfdc5bf49d689568b60 (MD5) Previous issue date: 2012-01-27 / Conselho Nacional de Desenvolvimento Cient?fico e Tecnol?gico / Several mobile robots show non-linear behavior, mainly due friction phenomena between the mechanical parts of the robot or between the robot and the ground. Linear models are efficient in some cases, but it is necessary take the robot non-linearity in consideration when precise displacement and positioning are desired. In this work a parametric model identification procedure for a mobile robot with differential drive that considers the dead-zone in the robot actuators is proposed. The method consists in dividing the system into Hammerstein systems and then uses the key-term separation principle to present the input-output relations which shows the parameters from both linear and non-linear blocks. The parameters are then simultaneously estimated through a recursive least squares algorithm. The results shows that is possible to identify the dead-zone thresholds together with the linear parameters / V?rios rob?s m?veis apresentam comportamentos n?o-lineares, principalmente ocasionados por fen?menos de atrito entre as partes mec?nicas do rob? ou entre o rob? e o solo. Modelagens puramente lineares apresentam-se eficientes em alguns casos, mas ? preciso levar em considera??o as n?o-linearidades do rob? quando se deseja movimentos ou posicionamentos precisos. Este trabalho prop?e um procedimento de identifica??o param?trica do modelo de um rob? m?vel com acionamento diferencial, no qual s?o consideradas as n?o-linearidades do tipo zona-morta presentes nos atuadores do rob?. A proposta baseia-se no modelo de Hammerstein para dividir o sistema em blocos lineares e n?o-lineares. O princ?pio da separa??o do termo chave ? utilizado para demonstrar a rela??o entre as entradas e sa?das do sistema com os par?metros tanto da parcela linear quanto da n?o-linear. Os par?metros de ambas as parcelas s?o identificados simultaneamente, atrav?s de um algoritmo de m?nimos quadrados recursivo. Os resultados mostram que ? poss?vel identificar o valor os limites da zona-morta assim como os par?metros da parcela linear do modelo do sistema

Este trabalho propõe uma nova abordagem conexionista, chamada de IGMN (do inglês Incremental Gaussian Mixture Network), para aproximação incremental de funções e tarefas de tempo real. Ela é inspirada em recentes teorias do cérebro, especialmente o MPF (do inglês Memory-Prediction Framework) e a Inteligência Artificial Construtivista, que fazem com que o modelo proposto possua características especiais que não estão presentes na maioria dos modelos de redes neurais existentes. Além disso, IGMN é baseado em sólidos princípios estatísticos (modelos de mistura gaussianos) e assintoticamente converge para a superfície de regressão ótima a medida que os dados de treinamento chegam. As principais vantagens do IGMN em relação a outros modelos de redes neurais são: (i) IGMN aprende instantaneamente analisando cada padrão de treinamento apenas uma vez (cada dado pode ser imediatamente utilizado e descartado); (ii) o modelo proposto produz estimativas razoáveis baseado em poucos dados de treinamento; (iii) IGMN aprende de forma contínua e perpétua a medida que novos dados de treinamento chegam (não existem fases separadas de treinamento e utilização); (iv) o modelo proposto resolve o dilema da estabilidade-plasticidade e não sofre de interferência catastrófica; (v) a topologia da rede neural é definida automaticamente e de forma incremental (novas unidades são adicionadas sempre que necessário); (vi) IGMN não é sensível às condições de inicialização (de fato IGMN não utiliza nenhuma decisão e/ou inicialização aleatória); (vii) a mesma rede neural IGMN pode ser utilizada em problemas diretos e inversos (o fluxo de informações é bidirecional) mesmo em regiões onde a função alvo tem múltiplas soluções; e (viii) IGMN fornece o nível de confiança de suas estimativas. Outra contribuição relevante desta tese é o uso do IGMN em importantes tarefas nas áreas de robótica e aprendizado de máquina, como por exemplo a identificação de modelos, a formação incremental de conceitos, o aprendizado por reforço, o mapeamento robótico e previsão de séries temporais. De fato, o poder de representação e a eficiência e do modelo proposto permitem expandir o conjunto de tarefas nas quais as redes neurais podem ser utilizadas, abrindo assim novas direções nos quais importantes contribuições do estado da arte podem ser feitas. Através de diversos experimentos, realizados utilizando o modelo proposto, é demonstrado que o IGMN é bastante robusto ao problema de overfitting, não requer um ajuste fino dos parâmetros de configuração e possui uma boa performance computacional que permite o seu uso em aplicações de controle em tempo real. Portanto pode-se afirmar que o IGMN é uma ferramenta de aprendizado de máquina bastante útil em tarefas de aprendizado incremental de funções e predição em tempo real. / This work proposes IGMN (standing for Incremental Gaussian Mixture Network), a new connectionist approach for incremental function approximation and real time tasks. It is inspired on recent theories about the brain, specially the Memory-Prediction Framework and the Constructivist Artificial Intelligence, which endows it with some unique features that are not present in most ANN models such as MLP, RBF and GRNN. Moreover, IGMN is based on strong statistical principles (Gaussian mixture models) and asymptotically converges to the optimal regression surface as more training data arrive. The main advantages of IGMN over other ANN models are: (i) IGMN learns incrementally using a single scan over the training data (each training pattern can be immediately used and discarded); (ii) it can produce reasonable estimates based on few training data; (iii) the learning process can proceed perpetually as new training data arrive (there is no separate phases for leaning and recalling); (iv) IGMN can handle the stability-plasticity dilemma and does not suffer from catastrophic interference; (v) the neural network topology is defined automatically and incrementally (new units added whenever is necessary); (vi) IGMN is not sensible to initialization conditions (in fact there is no random initialization/ decision in IGMN); (vii) the same neural network can be used to solve both forward and inverse problems (the information flow is bidirectional) even in regions where the target data are multi-valued; and (viii) IGMN can provide the confidence levels of its estimates. Another relevant contribution of this thesis is the use of IGMN in some important state-of-the-art machine learning and robotic tasks such as model identification, incremental concept formation, reinforcement learning, robotic mapping and time series prediction. In fact, the efficiency of IGMN and its representational power expand the set of potential tasks in which the neural networks can be applied, thus opening new research directions in which important contributions can be made. Through several experiments using the proposed model it is demonstrated that IGMN is also robust to overfitting, does not require fine-tunning of its configuration parameters and has a very good computational performance, thus allowing its use in real time control applications. Therefore, IGMN is a very useful machine learning tool for incremental function approximation and on-line prediction.

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES / A very important aspect in robotics is the decision making and execution the system uses to achieve its goals. In literature, many different approaches can be found about how the robot must behave in different situations in order to have a more robust system. Subsumption architecture is one of the most used and referenced in the area. In this architecture, the global task is divided into subtasks which are performed by behaviors organized in hierarchical layers. However, little research has been done regarding the stability analysis of this architecture. Behavioral changes imply in controller switching, which can lead the system to instability even in cases where all controllers are stable. In this work, a subsumption architecture with guaranteed stability is presented based on the theory of switched systems with main control objective. In addition, a formalism capable of allowing behaviors modeling in a simple and fast way is proposed based on the theory of discrete events systems. Tests in real environments were performed with the Pioneer P3-DX robot and obtained results demonstrate the proposed approach effectiveness. / Um aspecto muito importante na robótica é a tomada de decisão e execução que o sistema utiliza para alcançar seus objetivos. Na literatura, existem vários trabalhos diferentes para abordar como o robô deve se comportar diante de várias situações diferentes a fim de trazer uma maior robustez ao sistema, sendo a arquitetura de subsunção uma das mais utilizadas e referenciadas na área. Nesta arquitetura, a tarefa global é dividida em subtarefas que são executadas por comportamentos organizados em camadas de forma hierárquica. No entanto, pouco se pesquisa no que diz respeito a análise de estabilidade desta arquitetura, sendo que as mudanças de comportamento implicam em chaveamento de controladores, que por sua vez podem levar o sistema a instabilidade mesmo em casos em que todos os controladores sejam estáveis. Desta forma, neste trabalho é apresentada uma arquitetura de subsunção com prova de estabilidade garantida com base na teoria de controle chaveado com objetivo de controle principal. Além disso, um formalismo capaz de permitir a modelagem dos comportamentos de forma simples e rápida é proposto com base na teoria de sistemas a eventos discretos. Testes em ambientes reais foram realizados com o robô Pioneer P3-DX e os resultados obtidos comprovam a eficácia da abordagem proposta.