O desenvolvimento de arquiteturas de controle para múltiplos robôs em ambientes dinâmicos tem sido tema de pesquisas na área de robótica. A complexidade deste tema varia de acordo com as necessidades exigidas da equipe de robôs. Em geral, espera-se que os robôs colaborem uns com os outros na execução de uma tarefa. Além disso, cada robô deve ser capaz de planejar trajetórias e replanejá-las em caso de situações inesperadas. No presente trabalho, propomos uma Arquitetura de Controle Inteligente para múltiplos robôs denominada ACIn. Para esta finalidade, foram investigadas algumas técnicas utilizadas para o controle inteligente de robôs, tais como, Redes Neurais Artificiais, Campos Potenciais e Campos Potenciais baseados em Problema do Valor de Contorno (PVC). Tais técnicas, normalmente utilizadas para um único robô, foram adaptadas para tornar possível o controle de múltiplos robôs sob arquitetura ACIn. Uma outra contribuição deste trabalho refere-se ao aperfeiçoamento da técnica de Campos Potenciais baseada PVC denominada Campos Potenciais Localmente Orientados (CPLO). Este aperfeiçoamento foi proposto para suprir a deficiência das técnicas baseadas em PVC quando estas são aplicadas em ambientes com múltiplos robôs. Além disso, um Sistema Baseado em Regras (SBR) também foi proposto como parte integrante da arquitetura ACIn. O objetivo do SBR é caracterizar a funcionalidade de cada robô para uma determinada tarefa. Isto se faz necessário para que o comportamento dos integrantes da equipe de robôs não seja competitivo e sim colaborativo. Por fim, através dos experimentos utilizando o simulador oficial de futebol de robôs da FIRA, observou-se que a arquitetura de controle inteligente (ACIn) implementada com a técnica de planejamento CPLO e SBR propostos, mostrou-se robusta e eficiente no controle de múltiplos robôs / In this work, an intelligent control architecture for multi-robots denominated ACIn was proposed. With this objective, some techniques considered intelligent were studied for the planning of trajectories, such as Artificial Neural Networks, Potential Fields and Potential Fields based on the boundary value problem (BVP). Such techniques, normally used for a single robot, were adapted to function with multi-robots inside the ACIn architecture. Another contribution of this work refers to the improvement of the Potential Fields based on the boundary value problem (BVP) technique. This improvement was proposed to supply the drawback of the BVP based techniques when they are applied to multi robots environments. Besides, a Rule Based System (RBS) was also proposed as part of the ACIn architecture. The objective of the RBS is to characterize the functionality of each robot for a determined task. This is necessary for the behavior of the equip members not to be competitive, but collaborative. Finally, it was observed through the experiments with the robot soccer simulated environment, that our intelligent control architecture (ACIn) proposal, integrating planning and RBS for the control of multi-robots was satisfactory

O desenvolvimento de arquiteturas de controle para múltiplos robôs em ambientes dinâmicos tem sido tema de pesquisas na área de robótica. A complexidade deste tema varia de acordo com as necessidades exigidas da equipe de robôs. Em geral, espera-se que os robôs colaborem uns com os outros na execução de uma tarefa. Além disso, cada robô deve ser capaz de planejar trajetórias e replanejá-las em caso de situações inesperadas. No presente trabalho, propomos uma Arquitetura de Controle Inteligente para múltiplos robôs denominada ACIn. Para esta finalidade, foram investigadas algumas técnicas utilizadas para o controle inteligente de robôs, tais como, Redes Neurais Artificiais, Campos Potenciais e Campos Potenciais baseados em Problema do Valor de Contorno (PVC). Tais técnicas, normalmente utilizadas para um único robô, foram adaptadas para tornar possível o controle de múltiplos robôs sob arquitetura ACIn. Uma outra contribuição deste trabalho refere-se ao aperfeiçoamento da técnica de Campos Potenciais baseada PVC denominada Campos Potenciais Localmente Orientados (CPLO). Este aperfeiçoamento foi proposto para suprir a deficiência das técnicas baseadas em PVC quando estas são aplicadas em ambientes com múltiplos robôs. Além disso, um Sistema Baseado em Regras (SBR) também foi proposto como parte integrante da arquitetura ACIn. O objetivo do SBR é caracterizar a funcionalidade de cada robô para uma determinada tarefa. Isto se faz necessário para que o comportamento dos integrantes da equipe de robôs não seja competitivo e sim colaborativo. Por fim, através dos experimentos utilizando o simulador oficial de futebol de robôs da FIRA, observou-se que a arquitetura de controle inteligente (ACIn) implementada com a técnica de planejamento CPLO e SBR propostos, mostrou-se robusta e eficiente no controle de múltiplos robôs / In this work, an intelligent control architecture for multi-robots denominated ACIn was proposed. With this objective, some techniques considered intelligent were studied for the planning of trajectories, such as Artificial Neural Networks, Potential Fields and Potential Fields based on the boundary value problem (BVP). Such techniques, normally used for a single robot, were adapted to function with multi-robots inside the ACIn architecture. Another contribution of this work refers to the improvement of the Potential Fields based on the boundary value problem (BVP) technique. This improvement was proposed to supply the drawback of the BVP based techniques when they are applied to multi robots environments. Besides, a Rule Based System (RBS) was also proposed as part of the ACIn architecture. The objective of the RBS is to characterize the functionality of each robot for a determined task. This is necessary for the behavior of the equip members not to be competitive, but collaborative. Finally, it was observed through the experiments with the robot soccer simulated environment, that our intelligent control architecture (ACIn) proposal, integrating planning and RBS for the control of multi-robots was satisfactory

Todos os dias a quantidade de veículos nas estradas em todo o mundo está aumentando. Este crescimento combinado com a negligência dos motoristas e alguns fatores externos, tais como estradas mal conservadas e condições climáticas adversas resultaram em um enorme aumento na quantidade de acidentes e, conseqüentemente, de mortes. Atualmente muitos grupos de pesquisa e empresas automotivas estão desenvolvendo e adaptando tecnologias que podem ser incorporadas nos veículos para reduzir esses números. Um exemplo interessante dessas tecnologias é a detecção e classificação de obstáculos móveis (veículos, pessoas, etc.) em ambientes urbanos. Este trabalho apresenta o desenvolvimento de algoritmos para identificação, rastreamento e previsão de obstáculos móveis, determinação de direções proibidas para tráfego do veículo e cálculo de trajetórias livres de colisões. Para isso, foram utilizados dados do sistema de medidas de distância, SICK LMS 291-S05, para monitorar o ambiente a frente do veículo de teste (um automóvel de passeio modificado). Com base nesses dados foi realizado um tratamento computacional através da técnica de Trackers para classificar todos os obstáculos detectados em duas classes principais: os obstáculos estáticos e móveis. Uma vez identificado o obstáculo, este será acompanhado mesmo no caso em que saia do campo de visão do sensor. Após a classificação dos obstáculos presentes no ambiente, suas posições são analisadas e direções proibidas para tráfego são determinadas peloalgoritmo Velocity Obstacle Approach. Finalmente é aplicada a técnica de cálculo de trajetórias E* que gera um caminho suave e livre de colisões. No caso de algum obstáculo obstruir ou gerar risco de colisão com o caminho gerado é possível recalcular a rota sem que o mapa do ambiente seja novamente completamente analisado. Os resultados obtidos demonstraram a aplicabilidade da metodologia utilizada. O algoritmo de Trackers detectou pedestres e veículos e determinou suas características dinâmicas. O algoritmo Velocity Obstacle Approach conseguiu acompanhar os obstáculos e foi capaz de determinar as direções proibidas e, finalmente, o algoritmo E* foi capaz de gerar trajetórias livre de obstáculos em ambientes desconhecidos. / Every day the number of vehicles on the roads around the world is increasing. This growth combined with the negligence of drivers and some external factors such as poorly maintained roads and adverse weather conditions resulted in a huge increase in the number of accidents and hence casualties. Currently many research groups and automotive companies are developing and adapting technologies that can be incorporated into vehicles to reduce these numbers. An interesting example of these technologies is the detection and classification of moving obstacles (vehicles, people, etc.) in urban environments. This dissertation presents the development of algorithms which main objective are identify, track and predict moving obstacles, determine prohibited directions of traffic and calculate collision free trajectories. In order to accomplish with such task, data from the laser sensor SICK LMS 291-S05 later treated using computational resources such as the Trackers technique was used to monitor the environment ahead of the test vehicle (a modified passenger car). The Trackers technique was used to classify all the hurdles identified in two main classes: static and mobile obstacles. Once the obstacle was identified, this still been followed even if they leave the field of vision sensor. After classification of obstacles in the environment, their positions are analyzed and prohibited for traffic directions are determined by the algorithm Velocity Obstacle Approach. Finally the technique is applied to calculate trajectories of E* that generates a smooth path and free of collisions. If any obstacle block, or create a risk of collision through the generated path, the trajectory can be recalculated without the need to fully re-analyze de environment map. The results demonstrated the applicability of the methodology used. The Trackers algorithm has detected pedestrians and vehicles determining their dynamic characteristics. The algorithm Velocity Obstacle Approach keep up with the obstacles and was able to determine the prohibited directions and, finally, E* the algorithm was able to generate obstacle-free paths in unknown environments.

Nos últimos anos, a área de robôs aéreos vêm se tornando cada vez mais importantes no dia-a-dia, em diversos usos, em que se pode destacar: segurança pública e particular, agricultura de precisão, registro fotográfico de eventos, serviços de entregas e apoio a diversas outras áreas, como monitoramento ambiental.Para que tais robôs aéreos possam cumprir suas mais variadas tarefas, faz-se necessária uma etapa de planejamento de movimento, que consiste em encontrar um caminho factível entre a postura atual e uma postura final (também chamada de postura alvo ou meta) do robô aéreo. Neste trabalho, a tarefa de planejamento de movimento é abordada para o caso tridimensional em ambientes dinâmicos, nos quais não se assume que todos os obstáculos permanecerão fixos ao longo do trajeto. Derivado da Teoria de Campos Potenciais Harmônicos, os Campos Potenciais Modificados (CPM) permitem a distorção do campo potencial favorecendo uma direção específica de chegada a postura meta. Tais CPM resultam em um planejador de movimentos para ambientes dinâmicos e multidimensionais, em especial, o caso tridimensional. / In recent years, aerial robots have become increasingly important in day-to-day situations, in several uses, in which we can highlight: public and private security, precision agriculture, photographic record of events, delivery and support to several other areas, such as environmental monitoring. In order for aerial robots perform their broad range of tasks, a motion planning step is necessary. Motion planning consists in finding a feasible path between the current posture and a final posture (also called target posture or goal) of a robot. In this work, the task of motion planning is approached in three-dimensional and dynamic environments, in which it is not assumed that all the obstacles will remain fixed along the trajectory. Derived from Harmonic Potential Field Theory, Modified Potential Fields (MPF) allows a controlled distortion of the potential field, as an example, towards a specific direction of arrival to the target posture. Such MPF results in a motion planner for dynamic and multidimensional environments, especially the three-dimensional case.

Todos os dias a quantidade de veículos nas estradas em todo o mundo está aumentando. Este crescimento combinado com a negligência dos motoristas e alguns fatores externos, tais como estradas mal conservadas e condições climáticas adversas resultaram em um enorme aumento na quantidade de acidentes e, conseqüentemente, de mortes. Atualmente muitos grupos de pesquisa e empresas automotivas estão desenvolvendo e adaptando tecnologias que podem ser incorporadas nos veículos para reduzir esses números. Um exemplo interessante dessas tecnologias é a detecção e classificação de obstáculos móveis (veículos, pessoas, etc.) em ambientes urbanos. Este trabalho apresenta o desenvolvimento de algoritmos para identificação, rastreamento e previsão de obstáculos móveis, determinação de direções proibidas para tráfego do veículo e cálculo de trajetórias livres de colisões. Para isso, foram utilizados dados do sistema de medidas de distância, SICK LMS 291-S05, para monitorar o ambiente a frente do veículo de teste (um automóvel de passeio modificado). Com base nesses dados foi realizado um tratamento computacional através da técnica de Trackers para classificar todos os obstáculos detectados em duas classes principais: os obstáculos estáticos e móveis. Uma vez identificado o obstáculo, este será acompanhado mesmo no caso em que saia do campo de visão do sensor. Após a classificação dos obstáculos presentes no ambiente, suas posições são analisadas e direções proibidas para tráfego são determinadas peloalgoritmo Velocity Obstacle Approach. Finalmente é aplicada a técnica de cálculo de trajetórias E* que gera um caminho suave e livre de colisões. No caso de algum obstáculo obstruir ou gerar risco de colisão com o caminho gerado é possível recalcular a rota sem que o mapa do ambiente seja novamente completamente analisado. Os resultados obtidos demonstraram a aplicabilidade da metodologia utilizada. O algoritmo de Trackers detectou pedestres e veículos e determinou suas características dinâmicas. O algoritmo Velocity Obstacle Approach conseguiu acompanhar os obstáculos e foi capaz de determinar as direções proibidas e, finalmente, o algoritmo E* foi capaz de gerar trajetórias livre de obstáculos em ambientes desconhecidos. / Every day the number of vehicles on the roads around the world is increasing. This growth combined with the negligence of drivers and some external factors such as poorly maintained roads and adverse weather conditions resulted in a huge increase in the number of accidents and hence casualties. Currently many research groups and automotive companies are developing and adapting technologies that can be incorporated into vehicles to reduce these numbers. An interesting example of these technologies is the detection and classification of moving obstacles (vehicles, people, etc.) in urban environments. This dissertation presents the development of algorithms which main objective are identify, track and predict moving obstacles, determine prohibited directions of traffic and calculate collision free trajectories. In order to accomplish with such task, data from the laser sensor SICK LMS 291-S05 later treated using computational resources such as the Trackers technique was used to monitor the environment ahead of the test vehicle (a modified passenger car). The Trackers technique was used to classify all the hurdles identified in two main classes: static and mobile obstacles. Once the obstacle was identified, this still been followed even if they leave the field of vision sensor. After classification of obstacles in the environment, their positions are analyzed and prohibited for traffic directions are determined by the algorithm Velocity Obstacle Approach. Finally the technique is applied to calculate trajectories of E* that generates a smooth path and free of collisions. If any obstacle block, or create a risk of collision through the generated path, the trajectory can be recalculated without the need to fully re-analyze de environment map. The results demonstrated the applicability of the methodology used. The Trackers algorithm has detected pedestrians and vehicles determining their dynamic characteristics. The algorithm Velocity Obstacle Approach keep up with the obstacles and was able to determine the prohibited directions and, finally, E* the algorithm was able to generate obstacle-free paths in unknown environments.

A aplicação de técnicas baseadas em amostragem em algoritmos que envolvem o planejamento de trajetórias de robôs tem se tornado cada vez mais difundida. Deste grupo, um dos algoritmos mais utilizados é chamado Rapidly-exploring Random Tree (RRT), que se baseia na amostragem incremental para calcular de forma eficiente os planos de trajetória do robô evitando colisões com obstáculos. Vários esforços tem sido realizados a fim de reduzir o custo computacional do algoritmo RRT, visando aplicações que necessitem de respostas mais rápidas do algoritmo, como, por exemplo, em ambientes dinâmicos. Um dos dilemas relacionados ao RRT está na etapa de geração de primitivas de movimento. Se várias primitivas são geradas, permitindo o robô executar vários movimentos básicos diferentes, um grande custo computacional é gasto. Por outro lado, quando poucas primitivas são geradas e, consequentemente, poucos movimentos básicos são permitidos, o robô pode não ser capaz de encontrar uma solução para o problema, mesmo que esta exista. Motivados por este problema, um método de geração de primitivas de movimento foi proposto. Tal método é comparado com os métodos tradicional e aleatório de geração de primitivas, considerando não apenas o custo computacional de cada um, mas também a qualidade da solução obtida. O método proposto é aplicado ao algoritmo RRT, que depois é aplicado em um caso de estudo em um ambiente dinâmico. No estudo de caso, o algoritmo RRT otimizado é avaliado em termos de seus custos computacionais durante planejamentos e replanejamento de trajetória. As simulações são realizadas em dois simuladores: um desenvolvido em linguagem Python e outro em Matlab. / The application of sample-based techniques in path-planning algorithms has become year-by-year more widespread. In this group, one of the most widely used algorithms is the Rapidly-exploring Random Tree (RRT), which is based on an incremental sampling of configurations to efficiently compute the robot\'s path while avoiding obstacles. Many efforts have been made to reduce RRT computational costs, targeting, in particular, applications in which quick responses are required, e.g., in dynamic environments. One of the dilemmas posed by the RRT arises from its motion primitives generation. If many primitives are generated to enable the robot to perform a broad range of basic movements, a signicant computational cost is required. On the other hand, when only a few primitives are generated, thus, enabling a limited number of basic movements, the robot may be unable to find a solution to the problem, even if one exists. To address this quandary, an optimized method for primitive generation is proposed. This method is compared with the traditional and random primitive generation methods, considering not only computational cost, but also the quality of local and global solutions that may be attained. The optimized method is applied to the RRT algorithm, which is then used in a case study in dynamic environments. In the study, the modied RRT is evaluated in terms of the computational costs of its planning and replanning. The simulations were developed to access the effectiveness and efficiency of the proposed algorithm.

A aplicação de técnicas baseadas em amostragem em algoritmos que envolvem o planejamento de trajetórias de robôs tem se tornado cada vez mais difundida. Deste grupo, um dos algoritmos mais utilizados é chamado Rapidly-exploring Random Tree (RRT), que se baseia na amostragem incremental para calcular de forma eficiente os planos de trajetória do robô evitando colisões com obstáculos. Vários esforços tem sido realizados a fim de reduzir o custo computacional do algoritmo RRT, visando aplicações que necessitem de respostas mais rápidas do algoritmo, como, por exemplo, em ambientes dinâmicos. Um dos dilemas relacionados ao RRT está na etapa de geração de primitivas de movimento. Se várias primitivas são geradas, permitindo o robô executar vários movimentos básicos diferentes, um grande custo computacional é gasto. Por outro lado, quando poucas primitivas são geradas e, consequentemente, poucos movimentos básicos são permitidos, o robô pode não ser capaz de encontrar uma solução para o problema, mesmo que esta exista. Motivados por este problema, um método de geração de primitivas de movimento foi proposto. Tal método é comparado com os métodos tradicional e aleatório de geração de primitivas, considerando não apenas o custo computacional de cada um, mas também a qualidade da solução obtida. O método proposto é aplicado ao algoritmo RRT, que depois é aplicado em um caso de estudo em um ambiente dinâmico. No estudo de caso, o algoritmo RRT otimizado é avaliado em termos de seus custos computacionais durante planejamentos e replanejamento de trajetória. As simulações são realizadas em dois simuladores: um desenvolvido em linguagem Python e outro em Matlab. / The application of sample-based techniques in path-planning algorithms has become year-by-year more widespread. In this group, one of the most widely used algorithms is the Rapidly-exploring Random Tree (RRT), which is based on an incremental sampling of configurations to efficiently compute the robot\'s path while avoiding obstacles. Many efforts have been made to reduce RRT computational costs, targeting, in particular, applications in which quick responses are required, e.g., in dynamic environments. One of the dilemmas posed by the RRT arises from its motion primitives generation. If many primitives are generated to enable the robot to perform a broad range of basic movements, a signicant computational cost is required. On the other hand, when only a few primitives are generated, thus, enabling a limited number of basic movements, the robot may be unable to find a solution to the problem, even if one exists. To address this quandary, an optimized method for primitive generation is proposed. This method is compared with the traditional and random primitive generation methods, considering not only computational cost, but also the quality of local and global solutions that may be attained. The optimized method is applied to the RRT algorithm, which is then used in a case study in dynamic environments. In the study, the modied RRT is evaluated in terms of the computational costs of its planning and replanning. The simulations were developed to access the effectiveness and efficiency of the proposed algorithm.