No description available.

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES / Over the years,there is a growing demand for the use of robots toassis thu mans in their tasks, especially those involving risks,such as search and rescue. For this reason, coordination amongs everal robots has been acommonoption,and one of the ways to study and model these applications involves the problem of pursuit-evasion. This work proposes the use of an evolutionary robotics approach to solve the worst-case pursuit- evasion problem, in which evaders are considered arbitrarily fast and omniscient, while pursuers have limited sensing and communication capabilities. In this research,no prior knowledge is considered regarding environments, which retreated as discrete and canbe multiply connected. A decentralized multi-robot control system is proposed, based on a nite state machine with state-action mapping de ned by means of a genetic algorithm, applied in terms of evolutionary robotics. There sults show the proposed system is able to decontaminate several typesof maps, but does not generalize to all initial conditions,due to the incompleteness in the automaton mapping.Therefore, a complementary approach is presented in which draws a reused alternatively with the evolved automaton, indicating random actions in cases of states not su ciently visited during evolution. This investigation led to better results, indicating ways for future work.Ina ddition, a comparative analysis of the evolutionary approach is also carried out with another solution method for the same problem, with advantages and disadvantages of each work being discussed. / Com o passar dos anos, é crescente a demanda pela utilização de robôs em tarefas de auxílio aos seres humanos, em especial àquelas que envolvam riscos, como resgates e buscas. Para tais atividades, tem sido comum a utilização do trabalho conjunto e coordenado entre vários robôs, e uma das formas de estudar e modelar estas aplicações envolve o problema de perseguição-evasão. Este trabalho propõe o uso de uma abordagem baseada em robótica evolutiva para solucionar o problema de perseguição-evasão de pior caso, em que os evasores são considerados infinitamente rápidos e oniscientes, enquanto os perseguidores têm capacidade de sensoriamento e comunicação limitados. Nesta pesquisa, não é considerado nenhum conhecimento prévio a respeito dos ambientes, que são tratados de forma discreta e podem ser multiplamente conectados. É proposto um sistema de controle descentralizado para múltiplos robôs baseado em uma máquina de estados finitos cujo mapeamento de estados em ações é definido por meio de um algoritmo genético, aplicado nos termos da robótica evolutiva. Os resultados mostram que o sistema proposto é capaz de descontaminar significativos mapas, porém sem robustez para todas as inicializações de posição, devido à incompletude na definição do mapeamento do autômato. Por isso, é apresentada uma abordagem complementar em que o método random walk é utilizado em conjunto com o autômato evoluído, indicando ações aleatórias nos casos de estados pouco visitados durante a evolução, o que contribuiu para melhoria dos resultados e aponta caminhos para trabalhos futuros. Além disso, é também realizada uma análise comparativa da abordagem evolutiva proposta com outro método de solução para o mesmo problema, sendo discutidas vantagens e desvantagens de cada trabalho.

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