A partir de leis de controle utilizadas para modelagem de robôs móveis, é apresentado a implementação das mesmas no robô móvel MAGELLAN PRO do Laboratório de Robótica Móvel da Divisão de Eletrônica e Computação desta instituição. Em trabalhos anteriores foi desenvolvido a implementação para o modelo cinemático, em que são verificados que incertezas de natureza dinâmica influenciam o erro de postura do referido robô, ocasionando imprecisão em trajetórias mais complexas do robô. A lei de controle é desenvolvida a partir de modelo dinâmico proposto por Yamamoto, que considera não ocorrer um perfeito rastreamento de velocidade. É utilizada uma Rede Neural Artificial (RNA) com pesos ajustáveis, que trabalha juntamente ao controlador cinemático, para compensação dos distúrbios dinâmicos desconhecidos e limitados e também a dinâmica não-modelada do tipo não-estruturada, presentes em várias trajetórias propostas para o robô móvel. As trajetórias são diversificadas, para o controlador cinemático e para o controlador dinâmico, e são tornadas mais complexas para o controlador dinâmico, permitindo uma avaliação da melhora do mesmo em relação ao outro no problema de rastreamento de trajetória do robô móvel.

Este trabalho é uma continuidade das pesquisas na área de mecatrônica aplicada à medicina do ITA, e tem como objetivo modelar numericamente a distribuição de temperaturas em ossos, durante a cirurgia de osteotomia de tíbia, realizada com o auxílio de uma serra mecatrônica ortopédica. Durante o processo cirúrgico a temperatura do osso deve ser controlada para evitar sua necrose térmica devido à alta temperatura, principalmente se a cirurgia for realizada com recursos de automação. Para se modelar a distribuição de temperatura durante o corte, é necessário conhecer o fluxo de calor gerado devido ao atrito durante o tempo de corte. Para tanto, devem ser conhecidos alguns parâmetros operacionais do equipamento robótico da qual a serra é parte componente, quais sejam, velocidade de avanço da serra, velocidade semi-rotativa das lâminas, e o tempo total de corte, e algumas propriedades físicas do osso: condutividade térmica, densidade, difusividade térmica e tensão de cisalhamento. A partir desses parâmetros, este trabalho apresenta a modelagem do fluxo de calor serra/osso durante o corte do osso. Posteriormente, o fluxo de calor calculado é utilizado como condição de contorno para resolver a equação diferencial da temperatura dada pela equação da condução de calor, que é avaliada, de forma qualitativa, bidimensionalmente e em regime transitório. Finalmente, conhecendo-se o valor da temperatura ao longo do osso durante o corte, é possível manter esse valor nos limites aceitáveis, por meio do monitoramento das variáveis do procedimento cirúrgico, evitando-se conseqüentemente, a necrose térmica do osso.

Este trabalho propõe um dispositivo universal antropomórfico que sirva como base no desenvolvimento de próteses com alto grau de semelhança funcional a mão humana. Para tanto, são apresentadas a modelagem (modelos cinemático e dinâmico) e as construções física e computacional de um dispositivo mecatrônico ativo simplificado. Muitas dúvidas quanto ao tamanho, a aparência e a funcionalidade de um modelo protético surgem ao se pensar em projetar algo que irá, de certa forma, substituir um membro humano, dada a importância que ele representa. Pesquisas mostram dificuldades na obtenção de modelos que atendam aos diversos requisitos que uma prótese deve ter, desde sua funcionalidade à sua estética. Uma das partes que pode definir a concepção de uma prótese é seu acionamento. Assim, a implementação deste dispositivo universal permite a análise comparativa de sistemas de acionamento. Neste trabalho são apresentadas as vantagens e as dificuldades da utilização de três sistemas bastante comuns em acionamentos de produtos mecatrônicos, são o servomotor DC, o piezo-motor e o SMA (Shape Memory Alloy) ou liga com memória de forma. Foram utilizados os aplicativos de software Inventor na construção do modelo computacional e ADAMS nas análises cinemática e dinâmica. A aquisição de sinais e os testes de validação foram possíveis por meio dos aplicativos Matlab e Simulink.

Novos equipamentos têm sido desenvolvidos para medição de coordenadas de grandes volumes. Em especial os equipamentos que utilizam tecnologias ópticas a laser oferecem exatidões superiores a décimos de milímetro e grande flexibilidade de medição. Este trabalho trata sobre o iGPS (indoor Global Positioning System), projetado para a medição de grandes volumes, mas com poucos estudos a respeito de sua confiabilidade metrológica em aplicações aeronáuticas. Assim, levando em consideração um procedimento genérico de medição, verifica-se que diversos fatores podem influenciar significativamente a exatidão de seus resultados. A partir de uma rápida explicação e comparação dos sistemas de medição de grandes volumes utilizados na atualidade, este trabalho demonstra o funcionamento do sistema iGPS, assim como os respectivos experimentos realizados para avaliá-lo. Posteriormente, é apresentada e avaliada análise das incertezas envolvidas no sistema de medição iGPS. Finalmente, é realizada a análise de um caso prático relacionado com o processo de montagem de seções de fuselagem, usando o equipamento em questão.

Nesta tese são investigados dois subproblemas básicos envolvidos na aplicação de robôs móveis: guiamento e controle. No caso do guiamento, ênfase é dada aos sistemas baseados em visão, e são abordados dois procedimentos distintos: a) um baseado na detecção de guias, e b) outro baseado na técnica de fluxo óptico, que relaciona as velocidades aparentes entre cena e observador. No procedimento baseado em detecção de guias proposto nesta tese, as guias são modeladas por um polinômio de segunda ordem, cujos parâmetros são atualizados por um algoritmo recursivo, o filtro de Kalman na forma de informação (KIF). Tal procedimento requer menor intervenção humana que aquela exigida em Schneiderman & Nashman, e necessita menos informação inicial para extração de características e detecção de guias. Testes com imagens reais, tanto internas quanto externas, e em presença de situações desfavoráveis como baixa luminosidade, indicam que o procedimento exibe bom desempenho e robustez em condições de testes similares a Schneiderman & Nashman. Um procedimento alternativo para guiamento baseado em fluxo óptico é também implementado objetivando comparar custo computacional, hipóteses necessárias e restrições de uso. Os resultados apresentados para ambos os procedimentos não consideram a interação com a malha de controle e guiamento do robô. No que se refere ao controle, são investigadas leis visando a implementação, ou seja, leis que gerem sinais suaves e respeitem os limites de hardware do robô. Utilizam-se estratégias de controle empregando redes neurais artificiais (RNA's) para o modelo dinâmico completo do robô móvel. As leis de controle são sintonizadas para possibilitar uma partida suave, em trajetórias retilíneas ou do tipo circuito fechado, desenvolvendo um movimento uniformemente acelerado a partir do repouso até atingir sua velocidade nominal. Tem-se assim uma contribuição em relação a Fierro, Lewis e Sousa, onde não há qualquer preocupação em relação aos aspectos práticos de implementação. Resultados de simulação utilizando os parâmetros de um robô real, Magellan (Trademarket), sugerem o bom desempenho das estratégias investigadas, nas mesmas condições de testes de Fierro, Lewis e Sousa.

Este trabalho descreve o projeto, a modelagem dinâmica, a simulação computacional em malha aberta e fechada e a identificação experimental dos modos de vibração de um manipulador robótico híbrido com três juntas revolutas, dois elos rígidos e um flexível. O modelo dinâmico do sistema foi obtido via aplicativo MATHEMATICA, utilizando as equações de Lagrange e método dos modos assumidos. O algoritmo para obtenção do modelo foi validado através do estudo de caso de um pêndulo móvel flexível. As simulações computacionais foram feitas no ambiente MatLab / Simulink. A estratégia Torque Computado Generalizado foi utilizada em simulação para o controle de posição da manípula. Finalmente, foram realizados experimentos de identificação dos modos de vibração da planta física e os resultados obtidos comparados com aqueles previstos teoricamente.

Este trabalho apresenta a implementação e comparação de três técnicas distintas de visão computacional tridimensional a saber: Visão estéreo: correlação de imagens bidimensionais (2D); Fusão sensorial - uso de sensores distintos: câmera 2D + sensor de ultra-som unidimensionais (1D); Iluminação estruturada. Os algoritmos de visão computacional apresentados são basicamente implementações de trabalhos anteriores, realizados a partir de técnicas atualizadas de comprovada eficiência. As principais características avaliadas durante o estudo comparativo entre as três técnicas são: carga computacional (tempo de obtenção do dado 3D); Influência do meio (ruído devido a uma iluminação não uniforme, ofuscamentos, sombras); custo da infra-estrutura para cada técnica; análise de incertezas, precisão (repetibilidade) e acuidade. Optou-se pelo uso do software Matlab versão 5.1 para a implementação dos algoritmos, dada a facilidade de programação e depuração, além de ser muito difundido e utilizado no meio acadêmico, permitindo que os resultados desse trabalho sejam reproduzidos e verificados. São apresentados exemplos de visão tridimensional aplicados a tarefas de montagem robotizada do tipo pick-and-place".

Esta tese trata da aplicação de múltiplas redes neurais em sistemas mecatrônicos. É mostrado que as múltiplas redes neurais devem ser treinadas em seqüência, tal que aprendizado acumulativo possa ser obtido sem a necessidade de um coordenador geral. Este método de treinamento pode manter o aprendizado já adquirido pelas redes neurais, que foram treinadas primeiramente, enquanto novo aprendizado pode ser obtido pelas redes neurais, que foram adicionadas e treinadas posteriormente. A saída de todas as redes é simplesmente somada para produzir a saída da estrutura neural. A estrutura proposta de múltiplas redes neurais é aplicada em dois tipos de sistemas mecatrônicos: a) para controlar a posição de um sistema com uma haste flexível e b) para criar uma matriz de representação comprimida, que é usada no planejamento de trajetórias de um robô móvel considerando o desvio de obstáculos dinâmicos. Para o sistema com uma haste flexível, o uso de múltiplas redes neurais em três tipos de estruturas de controle do tipo Feedback-Error-Learning é investigado: IDML (Inverse Dynamic Model Learning), NRL (Nonlinear Regulator Learning) e Referência Atrasada. Para o problema de planejamento de trajetórias de um robô móvel, primeiramente a técnica Reinforcement Learning é usada para adquirir o aprendizado necessário na decisão de como desviar de obstáculos dinâmicos. Este aprendizado é codificado em uma matriz. Então as múltiplas redes neurais são usadas para criar uma representação mais comprimida desse aprendizado com uma pequena degradação da resolução.

A navegação autônoma é uma tarefa fundamental na robótica móvel. Para que esta tarefa seja realizada corretamente é necessário um sistema inteligente de controle e navegação associado ao sistema sensorial. Este projeto apresenta o desenvolvimento de um sistema de controle para a navegação de veículos e robôs móveis autônomos. A abordagem utilizada neste trabalho utiliza Redes Neurais Artificiais para o aprendizado de Autômatos Finitos de forma que os robôs possam lidar com os dados provenientes de seus sensores mesmo estando sujeitos a imprecisões e erros e ao mesmo tempo permite que sejam consideradas as diferentes situações e estados em que estes robôs se encontram (contexto). Dessa forma, é possível decidir como agir para realizar o controle da sua movimentação, e assim executar tarefas de controle e navegação das mais simples até as mais complexas e de alto nível. Portanto, esta dissertação visa utilizar Redes Neurais Artificiais para reconhecer o estado atual (contexto) do robô em relação ao ambiente em que está inserido. Uma vez que seja identificado seu estado, o que pode inclusive incluir a identificação de sua posição em relação aos elementos presentes no ambiente, o robô será capaz de decidir qual a ação/comportamento que deverá ser executado. O sistema de controle e navegação irá implementar um Autômato Finito que a partir de um estado atual define uma ação corrente, sendo capaz de identificar a mudança de estados, e assim alternar entre diferentes comportamentos previamente definidos. De modo a validar esta proposta, diversos experimentos foram realizados através do uso de um simulador robótico (Player-Stage), e através de testes realizados com robôs reais (Pioneer P3-AT, SRV-1 e veículos automatizados) / Autonomous navigation is a fundamental task in mobile robotics. In order to accurately perform this task it is necessary an intelligent navigation and control system associated to the sensorial system. This project presents the development of a control system for autonomous mobile robots and vehicles navigation. The adopted approach uses Artificial Neural Networks for Finite State Machine learning, allowing the robots to deal with sensorial data even when this data is not precise and correct. Simultaneously, it allows the robots to consider the different situations and states they are inserted in (context detection). This way, it is possible to decide how to proceed with motion control and then execute navigation and control tasks from the most simple ones until the most complex and high level tasks. So, this work uses Artificial Neural Networks to recognize the robots current state (context) at the environment where it is inserted. Once the state is detected, including identification of robots position according to environment elements, the robot will be able to determine the action/- behavior to be executed. The navigation and control system implements a Finite State Machine deciding the current action from current state, being able to identify state changes, alternating between different previously defined behaviors. In order to validade this approach, many experiments were performed with the use of a robotic simulator (Player-Stage), and carrying out tests with real robots (Pioneer P3-AT, SRV-1 and autonomous vehicles)

Robôs sociáveis devem ser capazes de interagir, se comunicar, compreender e se relacionar com os seres humanos de uma maneira natural. Embora diversos robôs sociáveis tenham sido desenvolvidos com sucesso, ainda existem muitas limitações a serem superadas. São necessários importantes avanços no desenvolvimento de mecanismos que possibilitem interações mais realísticas, bem como regulem o relacionamento entre robôs e humanos. Um forma de tornar mais realísticas as interações é através de expressões faciais de emoção. Nesse contexto, este trabalho fornece capacidade de imitação de expressão facial de emoções a uma cabeça robótica virtual, com o objetivo de permitir interações mais realísticas e duradouras com o ser humano. Para isso, é incorporado à mesma aprendizado por imitação, no qual a cabeça robótica imita expressões faciais apresentadas por um usuário durante a interação social. O aprendizado por imitação foi realizado atráves de redes neurais artificiais. As expressões faciais consideradas neste trabalho são: neutra, alegria, raiva, surpresa e tristeza. Os resultados experimentais são apresentados, os quais mostram o bom desempenho do sistema de imitação proposto / Sociable robots must be able to interact, communicate, understand and relate to humans in a natural way. Although many social robots have been developed successfully, there are still many limitations to overcome. Important advances are needed in the development of mechanisms that allow more realistic interactions and that regulate the relationship between robots and humans. One way to make more realistic interactions is through facial expressions of emotion. In this context, this project provides ability for imitation of facial expressions of emotion to a virtual robotic head, in order to allow more realistic and lasting interactions with humans. For such, learning by imitation is used, in which the robotic head mimics facial expressions made by a user during social interaction. The imitation learning was performed by artificial neural networks. Facial expressions considered in this work are: neutral, happiness, anger, surprise and sadness. Experimental results are presented which show the good performance of the proposed system imitation