No treinamento de Modelos Escondidos de Markov (MEMs) é necessário um sistema adequado de sensoriamento, pois são as leituras sensoriais que subentendem a sequência de estados do modelo. Muitas vezes sensores ruidosos, imprecisos ou pouco confiáveis, bem como a própria configuração das leituras sensoriais (tipo de sensor, quantidade de informações sensoriais utilizadas, incertezas do sistema de sensoriamento, etc.) pode gerar um número muito grande de diferentes possíveis símbolos de observação para cada estado do modelo, dificultando seu treinamento. Nesse trabalho é apresentada uma arquitetura de MEMs em cascata com a finalidade de treinar modelos que melhor representem as transições entre os estados do sistema real modelado. Na arquitetura em cascata, através da segmentação do conjunto de leituras sensoriais, a quantidade de símbolos de observação utilizados no treinamento pode ser reduzida facilitando o treinamento dos modelos. Experimentos usando ambas arquiteturas (monolítica e em cascata), aplicados à geração de mapas topológicos para robos móveis foram realizados utilizando leituras sensoriais reais e os resultados comprovaram que os mapas gerados pelo modelo em cascata são mais parecidos com do mapa real do ambiente porém, com maior custo computacional.

Esta tese propõe um novo método para casamento de mapas métricos gerados por diferentes robôs que atuam cooperativamente. Este processo de casamento de informações em robótica móvel possibilita a geração de mapas globais a partir dos mapas locais (possivelmente parciais e inconsistentes) gerados por robôs individuais. O método proposto é baseado em um modelo de redes neurais artificiais paraconsistentes que consideram como entradas informações pré-processadas de distâncias entre os pontos de interesses dos mapas. A rede neural analisa essas entradas para determinar quais são as combinações de crenças e contradições entre os pontos dos mapas distintos. O algoritmo implementado para a arquitetura neural proposta neste trabalho obteve resultados e desempenho computacional satisfatórios nos experimentos relatados, considerando as combinações das informações de distâncias métricas (Euclidiana e Manhattan) e ângulo entre retas que interligam dois pontos do mapa. Como efeito colateral, possibilita a determinação dos graus de certeza e contradição na análise dos casamentos dos pontos dos mapas, característica que pode ser útil para a tomada de decisão. Igualmente importante é o fato de que a arquitetura considerada permite a combinação de informações de mapas parciais distintos em tempo de execução durante a navegação.

Este trabalho apresenta a modelagem e identificação de um manipulador robótico com flexibilidade mecânica distribuída ao longo dos seus elos. O aparato experimental utilizado é um manipulador robótico com dois elos flexíveis que se move no plano horizontal. O manipulador é movido por dois motores elétricos DC sem escovas e monitorado por tacômetros, extensômetros e acelerômetros. Um modelo de dimensão finita é gerado usando o método dos modos assumidos. A mecânica Lagrangeana é utilizada para encontrar as equações de movimento. Atuadores e sensores também são modelados a fim de gerar o modelo dinâmico do sistema completo. A identificação não-paramétrica é feita usando dados experimentais, gerando funções de resposta em frequência experimentais. Os parâmetros do modelo teórico são ajustados através de uma identificação paramétrica, gerando funções de resposta em frequência teóricas. A identificação não paramétrica encontrada foi satisfatória, sem evidenciar ruídos ou saturações. As FRF teóricas geradas foram satisfatoriamente próximas das experimentais, evidenciando o sucesso da identificação paramétrica.

A automação da montagem de estruturas aeronáuticas é uma necessidade emergente. A utilização de robôs convencionais para esta aplicação é dificultada por conta da relativa baixa exatidão de seus deslocamentos. A fim de adequar um braço robótico às exigências aeronáuticas, propõe-se o auxílio de um sistema metrológico capaz de medir e corrigir seu posicionamento, com incerteza de medição na ordem de centésimos de milímetro. Uma comparação entre os instrumentos de medição no estado da arte é realizada e é escolhido um equipamento com tecnologia de fotogrametria para executar tal tarefa. O presente trabalho avalia o instrumento de medição K-Series, explanando suas características, funcionalidades e realizando experimentos para verificação metrológica do instrumento. Em seguida, o controle adaptativo robótico (ARC) do K-Series fecha uma malha de controle com o robô e o ganho de exatidão é medido para constatar a factibilidade da aplicação. Por fim, alguns pontos limitantes são avaliados e uma série de boas práticas para melhorar a confiabilidade do sistema é elencada.

Este trabalho descreve o projeto de um sistema robótico cooperativo industrial para instalação de prendedores utilizado no processo montagem estrutural de aeronaves. O sistema robótico cooperativo de montagem automática é constituído por dois manipuladores robóticos industriais e por efetuadores dedicados que realizam as tarefas de instalação de prendedores. O trabalho cooperativo entre os manipuladores é executado usando uma arquitetura de comunicação para permuta de dados e sinais. O manipulador robótico mestre carrega o efetuador para instalação dos prendedores e o manipulador escravo, o efetuador necessário para completar o processo. Os aplicativos de software de controle localizados em computadores industriais gerenciam as tarefas dos dois efetuadores e também o intercâmbio de dados. Os efetuadores e os controladores dos manipuladores industriais trocam informações entre si usando o protocolo OPC (OLE for process control). As tarefas cooperativas para executar o processo de instalação dos prendedores foram programadas na interface dos robôs utilizando comandos específicos de sincronização de movimentos e acoplamento geométrico. Experimentos foram projetados e executados para avaliar o funcionamento do sistema robótico cooperativo na execução de tarefas necessárias para a consecução do processo. Medições de posicionamento realizadas durante as rotinas de movimentos programadas para os robôs mostraram que a posição de um manipulador em relação ao outro tem variações máximas na ordem de 0,7 mm, compatíveis com os requisitos do processo de montagem estrutural aeronáutica.

Frotas de robôs autônomos capazes de navegar com pouca ou nenhuma necessidade de um operador humano são de grande interesse em aplicações de robótica móvel. Um ponto fundamental para criação de frotas de aeronaves robóticas consiste em como organizar dinamicamente sua formação espacial durante a navegação em ambientes na presença de obstáculos. Este trabalho tem como objetivo apresentar um método de formação de frotas de veículos autônomos não tripulados (VANTs) através da utilização de campos potenciais artificiais implementados em simulação. O agrupamento de VANTs através de modelos de campos potenciais artificiais permite um controle dinâmico do formato da frota e um comportamento reativo a presença de obstáculos no ambiente. É apresentada uma introdução sobre a teoria de campos potenciais, e suas diferentes formas artificiais para síntese de comportamento quando utilizado em agrupamentos de frotas e desvio de obstáculos. Frotas de VANTs são representadas por conjuntos de partículas e a trajetória do centro de formação é guiada ao longo de uma rota planejada. Para o planejamento de rota é utilizado o algoritmo A*, modificado com um custo adicional através de campos potenciais repulsivos, para melhor incorporar as características dos obstáculos presentes no ambiente. Um método existente de formação de frotas por campos potenciais é implementado e estendido para casos tridimensionais, e simulações são conduzidas para agrupamentos de diferentes tamanhos e formas, em ambientes 2D e 3D, utilizando-se bibliotecas de código aberto e simulador Morse. Para alterar a forma do agrupamento dinamicamente sugere-se, neste trabalho, a utilização de sensores virtuais, capazes de fornecer um parâmetro de controle de forma para o campo interno de formação.

Neste trabalho é tratado o problema de controle adaptativo de robôs móveis com rodas e com acionamento diferencial. Os modelos cinemático e dinâmico são considerados, bem como distúrbios desconhecidos e limitados, dinâmica não modelada do tipo não estruturada e atrito. O controlador estudado é constituído de um controlador cinemático, baseado em coordenadas polares, e um controlador dinâmico, utilizando: Rede Neural Artificial (RNA), Rede Wavelet (RW) e Rede Wavelet com Bias (RWB). Nenhuma das estratégias necessita de treinamento prévio e os pesos e bias são adaptados on-line. As leis de adaptação são obtidas via análise de estabilidade baseado no segundo método de Lyapunov. As estratégias que utilizam RNA e RW necessitam do ajuste do número de neurônios (ou número de wavelons, para a RW) da camada escondida. Esta restrição é eliminada através de um algoritmo de adaptação estrutural proposto para a estratégia de controle utilizando RWB. É também efetuado um estudo sobre a estabilidade do controlador cinemático baseado em coordenadas polares para situações onde o ponto de guiagem não está localizado no ponto médio do eixo de rodas. Resultados de simulação são apresentados para situações de rastreamento e estabilização em um ponto. Comparações de desempenho são feitas utilizando resultados de um controlador baseado em realimentação linearizante, onde todos os parâmetros são supostos conhecidos.

Algoritmos de aprendizagem autônoma têm sido propostos para lidar com a questão de como um agente autônomo pode aprender a realizar uma tarefa simples apenas interagindo com o seu ambiente. Existem muitos trabalhos apresentando resultados significativos, porém, apenas em simulação, o que freqüentemente leva a críticas desfavoráveis a respeito da validade dos resultados obtidos. Aspectos inerentes ao mundo real são ignorados, dificultando a análise dos algoritmos sob condições suscetíveis ao problema. A proposta desta dissertação é analisar a sensibilidade de tais algoritmos a situações de ambigüidade de estados comumente produzidas pela baixa capacidade sensorial de robôs móveis. Tal sensibilidade é produzida pela quebra de uma condição teórica (condição de Markov) importante para garantia de convergência de tais algoritmos, mas as conseqüências práticas desta violação sobre sistemas reais não estão bem estabelecidas na literatura. Os algoritmos de aprendizagem alvos deste estudo foram: Q-learning, Sarsa e Peng-Williams. As experiências foram realizadas em simulação e em sistemas reais utilizando dois robôs: o mini-robô Khepera e o robô Magellan. Durante os experimentos com o Magellan, implementou-se um método para gerar mapas cognitivos do ambiente com resolução variável, de modo a produzir um verificador de desempenho dos algoritmos de aprendizagem. Verificou-se que os algoritmos de aprendizagem implementados apresentaram desempenho satisfatório nos sistemas reais, apesar de perder um pouco a sua eficiência devido à ambigüidade dos estados, proveniente de características inerentes ao mundo real ou introduzida artificialmente. O algoritmo Q-learning obteve o melhor desempenho geral durante os experimentos, seguido pelo Sarsa. O algoritmo Peng-Williams teve seu desempenho prejudicado pelos parâmetros da experiência. O método para aprendizagem de mapas cognitivos mostrou-se eficiente e permitiu avaliação adequada dos algoritmos.

O problema de estabilização de robôs móveis na posição e orientação desejadas é abordado neste trabalho. Inicialmente são apresentados os modelos cinemático e dinâmico de robôs móveis com rodas e mostra-se que são possíveis apenas cinco classes de modelos. A seguir, são propostas duas estratégias de controle. Uma baseada na linearização por realimentação do modelo do robô e outra baseada em uma transformação não contínua de coordenadas. A aplicabilidade destas estratégias de controle, para cada uma das cinco classes de robôs móveis, é discutida. Mostra-se que a linearização por realimentação de estados permite o controle da posição e orientação de apenas uma das classes de robôs móveis. Utilizando-se esta estratégia, duas outers classes podem ter apenas a posição controlada. Para as demais classes esta estratégia é preticamente inútil. A estratégia utilizando transformação descontínua de coordenadas, por outro lado, permite o controle de robôs pertencentes a todas as classes. Como os parâmetros do modelo dinâmico do robô podem ser variantes do tempo, desenvolve-se versões adaptativas dos controladores propostos. Em particular, o controlador com backstepping adaptativo permite que a prova de estabilidade em malha fechada, isto é considerando o processo, o controle e a adaptação, seja feita em conjunto. Para permitir a implementação dos controladores propostos, são apresentadas técnicas de estimação de posição e orientação através da fusão de dados obtidos a partir de encoders incrementais, visão computacional e bússola digital. A validação dos métodos desenvolvidos é realizada através de simulações e da implementação de dois protótipos.

Neste trabalho é considerado o problema do controle cinemático e dinâmico de robôs móveis com acionamento diferencial. O modelo cinemático é descrito em coordenadas retangulares e é adotado o modelo dinâmico proposto por Yamamoto. Duas abordagens são consideradas: a primeira utiliza o controle cinemático, e a segunda combina o controlador cinemático com um controlador dinâmico.No primeiro caso, é proposta uma lei de controle cinemática, deduzida a prova de estabilidade e avaliado seu desempenho em tempo real, comparando-o com o controlador cinemático proposto por Kanayama. Na implementação das leis de controle cinemáticas em tempo real foi utilizado o robô móvel Magellan-ISR, investigando-se os problemas de rastreamento de trajetória e estabilização em um ponto.No caso do controlador dinâmico são propostas três estratégias de controle: Rede Neural Artificial (RNA), Rede Wavelet com Bias (RWB) e RWB com adaptação estrutural. Nenhuma das estratégias requer treinamento prévio e os pesos e bias são atualizados on-line. As leis de adaptação são obtidas através da análise de estabilidade baseada no método de Lyapunov. As estratégias que utilizam uma RNA e RWB necessitam do ajuste prévio do número de neurônios ou wavelons da camada escondida. No caso da RWB com adaptação estrutural, esta restrição é eliminada através de um algoritmo de ajuste da estrutura da rede. São apresentados e discutidos resultados de simulações realistas, utilizando o controle neural e wavelet, para os casos de rastreamento e estabilização em um ponto, considerando os parâmetros do robô Magellan-ISR. É também efetuada comparação de desempenho no caso dos controladores cinemáticos, via simulações.