Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES / One of the greatest limitations of Evolutionary Robotics is when transfering controllers evolved by simulation to real environments. This limitation is mainly caused by model simplifications and difficulties to represent dynamic characteristics, whether from the robot or the environment. And this results in performance degradation of the evolved controller after the transfer, a phenomenon called reality gap. Because this problem is a limitation for practical and complex applications of evolutionary robotics, many solutions have been proposed since the 90s. Until now, most of the research use control strategies based on artificial neural networks because they allow algorithms to be evolved with less designer influence. On the other hand, fuzzy logic can also be used for the development of controllers in the field of evolutionary robotics because it also allows emulating human intelligence. Therefore, this dissertation investigates whether fuzzy control systems are more robust than neural control systems, both optimized by a genetic algorithm in simulation and later transferred to a real robot in physical environment in the task of autonomous navigation while avoiding obstacles. The results show that in the analyzed conditions, fuzzy controllers present better transfer characteristics, mainly considering the smoothness of the executed trajectory, and an equivalent performance, when compared with neural controllers. / Uma das grandes limitações da Robótica Evolutiva diz respeito à transferência de controladores evoluídos por simulação e transferidos ao ambiente real. Tal limitação devese, sobretudo, a simplificações de modelo e dificuldades na representação de características dinâmicas, tanto do robô quanto do ambiente, e isso resulta na queda de desempenho do controlador evoluído após a transferência, fenômeno denominado de reality gap. Muitas soluções vêm sendo propostas desde a década de 90, em virtude deste problema ser uma limitação para aplicações práticas e complexas da robótica evolutiva. Até o momento, a maioria dos trabalhos de pesquisa desenvolvidos utiliza estratégias de controle baseadas em redes neurais artificiais por permitirem que algoritmos possam ser evoluídos com menor influência do projetista. Por outro lado, a lógica fuzzy também pode ser usada para o desenvolvimento de controladores no âmbito da robótica evolutiva, pois também permite emular a inteligência humana. Portanto, nesta dissertação é investigado se sistemas de controle fuzzy são mais robustos que sistemas de controle neurais, ambos otimizados por um algoritmo genético em simulação e posteriormente transferidos para um robô real em ambiente físico na tarefa de navegação autônoma evitando obstáculos. Como resultado, obteve-se que nas condições analisadas, os controladores fuzzy apresentaram uma melhor transferência, com destaque para a suavidade da trajetória executada, e um desempenho equivalente, quando comparados com controladores neurais. / São Cristóvão, SE