Os equipamentos robóticos foram inicialmente criados para atuarem em ambientes industriais fechados. Com o passar do tempo, melhorias foram conquistadas. Atualmente, não se limitam mais à realização de tarefas simples e repetitivas em locais especialmente preparados. Novos equipamentos, capazes de atuarem em ambientes abertos e de realizarem as mais diversas atividades, estão sendo desenvolvidos. Para tanto, é necessário que seus sistemas de controle realizem uma efetiva interação com o mundo onde estão inseridos. Fazem-se necessários, portanto, novos sistemas controladores com capacidade de uma contínua adaptação ao ambiente dinâmico onde operam. As redes neurais artificiais, devido a sua capacidade de tratamento de problemas não lineares – matematicamente difíceis de serem resolvidos, estão sendo empregadas no controle destes processos. O gerenciamento da trajetória de um veículo móvel em ambientes abertos ou fechados é um procedimento altamente não-linear, logo, a aplicação das redes neurais artificiais é bastante promissora. Apesar de sua grande versatilidade, as redes neurais artificiais têm sido utilizadas apenas como sistemas de mapeamento. A grande maioria delas necessita de uma fase de treinamento para que possam armazenar a diversidade de estados possíveis do sistema. Quando atuam, elas simplesmente mapeiam os seus valores de entrada (estado atual) nas soluções previamente armazenadas. Contudo, esta não é a melhor abordagem para os sistemas abertos, ou seja, para os processos cujas situações e possibilidades não podem ser totalmente enumeradas e que podem ser mutáveis no decorrer do tempo. Este trabalho apresenta uma metodologia de controle neural adaptativo para guiar um veículo móvel até o seu destino em ambientes contendo obstáculos fixos ou móveis. Diferentemente das abordagens tradicionais, não existe a necessidade de um treinamento prévio da rede. A rede neural artificial escolhida promove uma contínua adaptação do sistema enquanto atua. Neste processo, são utilizados sensores que fornecem subsídios para que a rede possa gerar, adaptativamente, soluções parciais que façam com que o veículo autônomo se aproxime cada vez mais do seu objetivo, até, finalmente, atingi-lo. / The robotic equipments were created initially to actuate in closed industrial environments. Improvements have been acquieved in this area. Nowadays, they are no longer limited to perform simple and repetitive tasks in controlled places. New equipments, capable of acting in open environments and doing the most several activities, are being developed. For so much, it is necessary that its control systems accomplish an effective interaction with the world where they are inserted. Therefore, new systems controllers with capacity of a continuous adaptation to the dynamic environments are essential. Artificial neural networks, due to their capacity of dealing wit non-linear problems – mathematically difficult to be solved – are being used to control these kind of processes. Guide a mobile vehicle through an open or controlled environments is a highly non-linear procedure; therefore, the use of an artificial neural nets is quite promising. In spite of its great versatility, they have just been used as mapping systems. Most of them need a training phase so that they can store the diversity of system’s possible states. When they actuate, they simply map their input values (current state) to the solutions previously stored. However, this is not the best approach for open systems, i.e. systems whose situations and possibilities cannot be totally enumerated and that can change in time. This work presents an adaptive neural control methodology to guide a mobile vehicle to its target in environments with fixed or mobile obstacles. Differently from the traditional approaches, the need of a previous training phase of the neural network doesn't exist. The chosen model of artificial neural net promotes a continuous adaptation of the system while it actuates. Sensors are used to provide informations to the net. This way it generates partial solutions that makes the autonomous vehicle gets closer of its goal, until, finally, reach it.

Os equipamentos robóticos foram inicialmente criados para atuarem em ambientes industriais fechados. Com o passar do tempo, melhorias foram conquistadas. Atualmente, não se limitam mais à realização de tarefas simples e repetitivas em locais especialmente preparados. Novos equipamentos, capazes de atuarem em ambientes abertos e de realizarem as mais diversas atividades, estão sendo desenvolvidos. Para tanto, é necessário que seus sistemas de controle realizem uma efetiva interação com o mundo onde estão inseridos. Fazem-se necessários, portanto, novos sistemas controladores com capacidade de uma contínua adaptação ao ambiente dinâmico onde operam. As redes neurais artificiais, devido a sua capacidade de tratamento de problemas não lineares – matematicamente difíceis de serem resolvidos, estão sendo empregadas no controle destes processos. O gerenciamento da trajetória de um veículo móvel em ambientes abertos ou fechados é um procedimento altamente não-linear, logo, a aplicação das redes neurais artificiais é bastante promissora. Apesar de sua grande versatilidade, as redes neurais artificiais têm sido utilizadas apenas como sistemas de mapeamento. A grande maioria delas necessita de uma fase de treinamento para que possam armazenar a diversidade de estados possíveis do sistema. Quando atuam, elas simplesmente mapeiam os seus valores de entrada (estado atual) nas soluções previamente armazenadas. Contudo, esta não é a melhor abordagem para os sistemas abertos, ou seja, para os processos cujas situações e possibilidades não podem ser totalmente enumeradas e que podem ser mutáveis no decorrer do tempo. Este trabalho apresenta uma metodologia de controle neural adaptativo para guiar um veículo móvel até o seu destino em ambientes contendo obstáculos fixos ou móveis. Diferentemente das abordagens tradicionais, não existe a necessidade de um treinamento prévio da rede. A rede neural artificial escolhida promove uma contínua adaptação do sistema enquanto atua. Neste processo, são utilizados sensores que fornecem subsídios para que a rede possa gerar, adaptativamente, soluções parciais que façam com que o veículo autônomo se aproxime cada vez mais do seu objetivo, até, finalmente, atingi-lo. / The robotic equipments were created initially to actuate in closed industrial environments. Improvements have been acquieved in this area. Nowadays, they are no longer limited to perform simple and repetitive tasks in controlled places. New equipments, capable of acting in open environments and doing the most several activities, are being developed. For so much, it is necessary that its control systems accomplish an effective interaction with the world where they are inserted. Therefore, new systems controllers with capacity of a continuous adaptation to the dynamic environments are essential. Artificial neural networks, due to their capacity of dealing wit non-linear problems – mathematically difficult to be solved – are being used to control these kind of processes. Guide a mobile vehicle through an open or controlled environments is a highly non-linear procedure; therefore, the use of an artificial neural nets is quite promising. In spite of its great versatility, they have just been used as mapping systems. Most of them need a training phase so that they can store the diversity of system’s possible states. When they actuate, they simply map their input values (current state) to the solutions previously stored. However, this is not the best approach for open systems, i.e. systems whose situations and possibilities cannot be totally enumerated and that can change in time. This work presents an adaptive neural control methodology to guide a mobile vehicle to its target in environments with fixed or mobile obstacles. Differently from the traditional approaches, the need of a previous training phase of the neural network doesn't exist. The chosen model of artificial neural net promotes a continuous adaptation of the system while it actuates. Sensors are used to provide informations to the net. This way it generates partial solutions that makes the autonomous vehicle gets closer of its goal, until, finally, reach it.

Made available in DSpace on 2016-06-02T19:06:01Z (GMT). No. of bitstreams: 1 4765.pdf: 5526051 bytes, checksum: eca7635e3ad1f0a28a9f3871c97aac57 (MD5) Previous issue date: 2012-11-12 / Universidade Federal de Sao Carlos / Autonomous mobile robots are machines capable of executing repetitive/dangerous tasks more efficiently. Most of them have an embedded software which is responsible for their execution. Over the last years, the complexity of these applications has continuously growing and they are presenting challenges that are uncommon to traditional information systems development. Therefore, any technique that can support their development is a great contribution. A technique that improves the productivity is to use domain-specific languages (DSLs). These are modeling and programming languages whose constructs are concepts and abstractions of a particular domain. It frees developers from worrying about generic programming concepts (classes, objects, attributes, etc.) and allows them to focus on the problem to be solved. As creating a DSL is not a trivial task and pointing the idiosyncrasies of mobile robots, this dissertation presents an approach for engineering DSLs to mobile robots. The aim is to make the activity of creating DSLs to this domain more systematic and controlled. In this approach, an application is taken as input and a series of domain statements is extracted from it. These statements are classified into categories and each one of them are analized in order to extract commonalities and variabilities, wich are transformed into components of a DSL. An important characteristic of the approach is that it asks for just one application to reach a first version of a running DSL. We suggest that the same DSL can be evolved just by applying the approach again using another application as input. So new components could be created and the existing ones could be modified. We also present a generic language model providing a foundation architecture that allows one to easily create new DSLs by extending it. Two proofs of concept are presented in order to exemplify the application of our approach. / Robôs móveis autônomos são máquinas com potencial para realizar atividades repetitivas ou de alta periculosidade com mais eficácia. Muitos possuem um software embarcado responsável pelo seu funcionamento. Nos últimos anos, a complexidade dessas aplicações robóticas embarcadas tem crescido continuamente e apresentam desafios que são incomuns ao desenvolvimento dos tradicionais sistemas de informação. Portanto, toda técnica que dê suporte a esse tipo de desenvolvimento pode contribuir significativamente. Uma técnica que permite o aumento de produtividade é a utilização de linguagens específicas de domínio (DSLs). Essas são linguagens de modelagem e programação cujas construções são conceitos e abstrações de um domínio de aplicação em particular. Isso desobriga o desenvolvedor de se preocupar com conceitos genéricos de programação (classes, objetos, atributos, etc.) para focar-se no problema a ser resolvido. Como o desenvolvimento de uma DSL não é uma tarefa trivial e tendo em vista as idiossincrasias dos robôs móveis autônomos, esta dissertação apresenta uma abordagem para construção de DSLs para robôs móveis. O objetivo é deixar mais sistemática e controlada a criação de DSLs para esse domínio. Nessa abordagem, uma aplicação é tomada como entrada e dela extraem-se declarações a respeito do domínio. Essas declarações são categorizadas e, para cada categoria, são levantadas partes comuns e variáveis. Então, essas partes são transformadas em componentes de uma DSL. Uma característica importante da abordagem apresentada é que uma versão inicial da DSL pode ser alcançada tendo apenas uma aplicação como base. Sugere-se que essa mesma DSL possa evoluir pela reaplicação da abordagem tendo uma nova aplicação como entrada. Dessa forma, novos componentes podem ser criados e os existentes, modificados. Também é apresentado um modelo genérico de linguagem que fornece uma arquitetura básica, permitindo que novas DSLs sejam facilmente construídas pela extensão da mesma. Duas provas de conceito são apresentadas com a intenção de exemplificar a aplicação da abordagem.

Submitted by Izabel Franco (izabel-franco@ufscar.br) on 2016-09-06T18:00:39Z No. of bitstreams: 1 DissMHP.pdf: 3604162 bytes, checksum: 5844b74d634a30ad629fc36c26706ee1 (MD5) / Approved for entry into archive by Marina Freitas (marinapf@ufscar.br) on 2016-09-12T13:56:27Z (GMT) No. of bitstreams: 1 DissMHP.pdf: 3604162 bytes, checksum: 5844b74d634a30ad629fc36c26706ee1 (MD5) / Approved for entry into archive by Marina Freitas (marinapf@ufscar.br) on 2016-09-12T13:56:40Z (GMT) No. of bitstreams: 1 DissMHP.pdf: 3604162 bytes, checksum: 5844b74d634a30ad629fc36c26706ee1 (MD5) / Made available in DSpace on 2016-09-12T13:57:22Z (GMT). No. of bitstreams: 1 DissMHP.pdf: 3604162 bytes, checksum: 5844b74d634a30ad629fc36c26706ee1 (MD5) Previous issue date: 2015-06-08 / Não recebi financiamento / Autonomous mobile robots are a special category of robots designed for performing tasks without the intervention of human beings. Some robots are designed to perform tasks in completely inhospitable environments such as the earth´s subsurface, the ocean depths or spatial exploration. In order to consider a robot as autonomous, a fundamental premise is to have self-adaptation capabilities. Over the last years, the advances in technology allow the development of self-adaptive systems, which are able to manage themselves to recuperate from faults or even change their behavior and structure in order to improve the quality of the delivered service. A critical point when building any software is its architecture, i.e., its structural organization in a set of interacting components. In this context, reference architecture is a technique that is well known for combining the best practices, patterns and strategies for building and standardizing domain specific software. Nowadays, there is a lack of studies presenting reference architectures for structuring self-adaptive software of mobile robots in order to decrease maintenance efforts. A number of studies claim that self-adaptive systems are based on the control theory and, more specifically, on the use of control loops in their architecture to perform adaptations. Therefore, this master thesis proposes SARAMR, a control loop-based reference architecture whose goal is to make maintenance activities a more productive task. The employment of the architecture divides the whole system in two modules; base application and adaptation module. The adaptation module encompasses the control loops and the base application is further divided into three other components: environment, behaviors and the electromechanical part. SARAMR was qualitatively evaluated by means of the development of two applications: a self-adaptive wall follower mobile robot and another conventional one to performing monitoring in in-door environments. Next, some maintenance activities were created to investigate the effort of applying them. We have observed that the separation of concerns of our architecture allows new components to be added causing less impacts than in systems developed in an adhoc way. / Robôs móveis autônomos fazem parte de uma categoria especial de robôs projetados para realizar tarefas sem a intervenção de seres humanos. Alguns robôs são projetados para realizar tarefas em ambientes completamente inóspitos à vida humana como no subsolo terrestre, nas profundezas de oceanos ou na exploração espacial. Para que um robô seja considerado autônomo, uma premissa fundamental é possuir capacidades de autoadaptação. Nos últimos anos, os avanços da tecnologia possibilitaram o desenvolvimento de sistemas robóticos autoadaptativos, que são capazes de gerenciarem a si próprios, se recuperarem de falhas e também de alterarem seu comportamento e estrutura com o objetivo de otimizar e/ou manter a qualidade do serviço (QoS) oferecido. Uma questão crítica para a concepção e construção de qualquer sistema de software é sua arquitetura, isto é, sua organização estrutural em um conjunto de componentes que interagem. Nesse contexto, a utilização de arquiteturas de referência é uma abordagem conhecida atualmente por combinar as melhores práticas, padrões e estratégias para a construção e padronização de sistemas de software para um determinado domínio. Atualmente, nota-se uma carência de estudos que apresentem arquiteturas de referência para estruturar o software de robôs móveis autoadaptativos de forma a facilitar atividades de manutenção nesses sistemas. Muitos estudos apontam que sistemas autoadaptativos são baseados na teoria do controle e mais especificamente na utilização de loops de controle em sua arquitetura para realizar as adaptações. Diante disso, este trabalho propõe a arquitetura de referência SARAMR, uma arquitetura de referência baseada em loops de controle cujo objetivo é facilitar atividades de manutenção no software desses sistemas. A utilização da arquitetura divide o sistema em dois módulos: aplicação base e módulo de adaptação. O módulo de adaptação envolve os loops de controle e a aplicação base ainda é subdividida em três componentes: ambiente, comportamentos e a parte eletromecânica. SARAMR foi avaliada de forma qualitativa mediante o desenvolvimento duas aplicações: um robô autoadaptativo seguidor de paredes e um outro convencional de patrulhamento. Depois disso, algumas manutenções evolutivas foram idealizadas no sentido de averiguar o esforço de aplicá-las. Constatou-se que a separação de interesses existente na arquitetura permite que novos componentes possam ser adicionados com impacto menor do que em sistemas que não usam essa arquitetura.

Agência Nacional do Petróleo, Gás Natural e Biocombustíveis (ANP); FINEP; Ministério da Ciência e Tecnologia (MCT) / Este trabalho consiste no desenvolvimento de um sistema estabilizador da adesão de um robô escalador com rodas magnéticas. O projeto deste robô surge da necessidade em automatizar o processo de inspeção de tanques de armazenamento de derivados de petróleo, o qual e atualmente realizado de modo manual. O robô vem sendo desenvolvido no Laboratório de Automação e Sistemas de Controle Avençado (LASCA) da Universidade Tecnológica Federal do Paraná (UTFPR). Primeiramente foi realizada uma análise teórica completa do protótipo, englobando um estudo da estrutura do robô, seus requisitos e as análises de cinemática e dinâmica. Realizou-se então um estudo das rodas magnéticas do robô e das características do campo magnético enquanto ocorre descolamento da roda em superfícies ferromagnéticas. Os dados do campo magnético são adquiridos por meio do magnetômetro presente na unidade de navegação inercial do robô. Implementou-se então uma rede neural artificial do tipo Perceptron Multi-Camadas com o intuito de interpretar os dados do campo magnético e estimar a forca de adesão entre o robô e a superfície. Por fim a quantificação da forca de adesão e utilizada para implementar um sistema de controle de adesão para o robô escalador. / This work consists in the design of an adhesion stabilization system of a climbing robot with magnetic wheels. The robot’s design comes from the need to automatize the inspection process of industrial storage tanks for petroleum products, which is currently performed manually. The robot is being developed in the Laboratory of Automation and Advanced Control Systems (LASCA) of the Federal Technological University of Paraná (UTFPR). First, a complete a theoretical analysis of the prototype was carried out including a study of the robot’s structure, its requirements and the kinematics and dynamics analyses. Then, a study of the robot’s magnetic wheels and the characteristics of the magnetic field in the occurancy of detachment between the magnetic wheel and the ferro-magnetic surfaces was carried out. The magnetic field data is acquired through the magnetometer of the inertial measurement unit sensor of the robot. Then a multilayer perceptron artificial neural network was implemented in order to interpret the magnetic field data and estimate the adhesion force between robot and surface. Finally the adhesion force quantification is used to implement an adhesion control system for the robot.

Made available in DSpace on 2014-12-17T14:56:05Z (GMT). No. of bitstreams: 1 PatriciaNG.pdf: 767778 bytes, checksum: 287c497d20e307221386eeee17df3f9d (MD5) Previous issue date: 2005-02-03 / This work presents a modelling and identification method for a wheeled mobile robot, including the actuator dynamics. Instead of the classic modelling approach, where the robot position coordinates (x,y) are utilized as state variables (resulting in a non linear model), the proposed discrete model is based on the travelled distance increment Delta_l. Thus, the resulting model is linear and time invariant and it can be identified through classical methods such as Recursive Least Mean Squares. This approach has a problem: Delta_l can not be directly measured. In this paper, this problem is solved using an estimate of Delta_l based on a second order polynomial approximation. Experimental data were colected and the proposed method was used to identify the model of a real robot / Esta disserta??o apresenta uma metodologia de modelagem e identifica??o para um rob? m?vel dotado de rodas. O modelo din?mico discreto proposto leva em considera??o a din?mica dos atuadores. Ao contr?rio da abordagem cl?ssica, onde as coordenadas de posi??o do rob? (x, y) s?o usadas como vari?veis de estado (o que resulta em um modelo n?o linear), o modelo discreto proposto utiliza o incremento na dist?ncia percorrida pelo rob? Delta_l. Com isto, o modelo resultante ? linear e invariante no tempo, podendo ser identificado utilizando qualquer m?todo cl?ssico, como por exemplo os m?nimos quadrados recursivos. Um problema desta abordagem ? que a vari?vel Delta_l n?o ? diretamente mensur?vel. Nesta proposta, este problema ? contornado usando uma estimativa de Delta_l calculada assumindo que o caminho percorrido durante um per?odo de amostragem pode ser aproximado por uma curva de segundo grau. O m?todo proposto ? validado atrav?s de resultados de simula??o computacional e experi?ncias pr?ticas

A navegação autônoma é um dos problemas fundamentais na área da robótica móvel. Algoritmos capazes de conduzir um robô até o seu destino de maneira segura e eficiente são um pré-requisito para que robôs móveis possam executar as mais diversas tarefas que são atribuídas a eles com sucesso. Dependendo da complexidade do ambiente e da tarefa que deve ser executada, a programação de algoritmos de navegação não é um problema de solução trivial. Esta tese trata do desenvolvimento de sistemas de navegação autônoma baseados em técnicas de aprendizado supervisionado. Mais especificamente, foram abordados dois problemas distintos: a navegação de robôs/- veículos em ambientes urbanos e a navegação de robôs em ambientes não estruturados. No primeiro caso, o robô/veículo deve evitar obstáculos e se manter na via navegável, a partir de exemplos fornecidos por um motorista humano. No segundo caso, o robô deve identificar e evitar áreas irregulares (maior vibração), reduzindo o consumo de energia. Nesse caso, o aprendizado foi realizado a partir de informações obtidas por sensores. Em ambos os casos, algoritmos de aprendizado supervisionado foram capazes de permitir que os robôs navegassem de maneira segura e eficiente durante os testes experimentais realizados / Autonomous navigation is a fundamental problem in the field of mobile robotics. Algorithms capable of driving a robot to its destination safely and efficiently are a prerequisite for mobile robots to successfully perform different tasks that may be assigned to them. Depending on the complexity of the environment and the task to be executed, programming of navigation algorithms is not a trivial problem. This thesis approaches the development of autonomous navigation systems based on supervised learning techniques. More specifically, two distinct problems have been addressed: a robot/vehicle navigation in urban environments and robot navigation in unstructured environments. In the first case, the robot/vehicle must avoid obstacles and keep itself in the road based on examples provided by a human driver. In the second case, the robot should identify and avoid unstructured areas (higher vibration), reducing energy consumption. In this case, learning was based on information obtained by sensors. In either case, supervised learning algorithms have been capable of allowing the robots to navigate in a safe and efficient manner during the experimental tests

O contínuo aumento da complexidade no controle de sistemas robóticos, bem como a aplicação de grupos de robôs auxiliando ou substituindo seres humanos em atividades críticas tem gerado uma importante demanda por soluções mais robustas, flexíveis, e eficientes. O desenvolvimento convencional de algoritmos especializados, constituídos de sistemas baseados em regras e de autômatos usados para coordenar estes conjuntos físicos em um ambiente dinâmico é um desafio extremamente complexo. Diversos modelos de desenvolvimento existem, entretanto, muitos desafios da área da robótica móvel autônoma continuam em aberto. Esta tese se insere no contexto da busca por soluções inteligentes a serem aplicadas em robôs móveis autônomos com o objetivo de permitir a operação destes em ambientes dinâmicos. Buscamos, com a investigação e aplicação de estratégias inteligentes por meio de aprendizado de máquina no funcionamento dos robôs, a proposta de soluções originais que permitam uma nova visão sobre a operação de robôs móveis em três dos desafios da área da robótica móvel autônoma, que são: localização, navegação e operações com grupos de robôs. As pesquisas sobre localização e coordenação de grupos apresentam investigação e propostas originais, buscando estender o estado da arte, onde apresentam resultados inovadores. A parte sobre navegação tem como objetivo principal ser um elo entre os conceitos de localização e coordenação de grupos, sendo o foco o desenvolvimento de um veículo autônomo com maior implicação em avanços técnicos. Relacionado com a coordenação de grupos de robôs, fizemos a escolha de trabalhar sobre uma aplicação modelada como o problema de combate a incêndios florestais. Buscamos desenvolver um ambiente de simulação realístico, onde foram avaliadas quatro técnicas para busca de iii estratégias de formação do grupo: Algoritmos Genéticos, Otimização por Enxame de Partículas, Hill Climbing e (iv) Simulated Annealing. Com base nas diversas avaliações realizadas pudemos mostrar quais das técnicas e conjuntos de parâmetros permitem a obtenção de resultados mais acurados que os demais. Além disso, mostramos como uma heurística baseada em populações anteriores pode auxiliar na tolerância a falhas da operação. Relacionado com a tarefa de navegação, apresentamos o desenvolvimento de um veículo autônomo de grande porte funcional para ambientes externos. Buscamos aperfeiçoar uma arquitetura para navegação autônoma, baseada em visão monocular e com capacidade de seguir pontos esparsos de GPS. Mostramos como a simulação e os usos de robôs de pequeno porte auxiliaram no desenvolvimento do veículo de grande porte e apresentamos como as redes neurais podem ser aplicadas nos modelos de navegação autônoma. Na investigação sobre localização, mostramos um método utilizando informação obtida de redes sem fio para prover informação de localização para robôs móveis. As informações obtidas da rede sem fio são utilizadas para aprendizado da posição de um robô móvel por meio de uma rede neural. Diversas avaliações foram realizadas buscando entender o comportamento do sistema com diferentes números de pontos de acesso, com uso de filtros, com diferentes topologias. Os resultados mostram que o modelo usando redes sem fio pode ser um possível método prático e barato para localização de robôs móveis. Esta tese aborda temas relevantes e propostas originais relacionadas com os objetivos propostos, apresentando métodos que provenham autonomia na coordenação de grupos e nas atividades individuais dos mesmos. A busca por altos graus de eficiência na resolução de tarefas em ambientes dinâmicos ainda é um campo que carece de soluções e de um aprofundamento nas pesquisas. Sendo assim, esta pesquisa buscou agregar diversos avanços científicos na área de pesquisa de robôs móveis autônomos e coordenação de grupos, por meio da aplicação de estratégias inteligentes / The constant increasing of the complexity in the control of robotic systems, as well as the application of groups of robots assisting or replacing human beings in critical activities has generated a significant demand for more robust, flexible and efficient solutions. The conventional development of specialized algorithms consisted of rule-based systems and automatas, used to coordinate these physical sets in a dynamic environment is an extremely complex challenge. Although several models of development of robotic issues are currently in use, many challenges in the area remain open. This thesis is related to the search for intelligent strategies to be applied in autonomous mobile robots in order to allow practical operations in dynamic environments. We seek, with the investigation of intelligent strategies by means of the use of machine learning in the robots, to propose original solutions to allow contributions in three challenges of the robotic research area: localization, navigation and coordination of groups of robots. The investigations about localization and groups of robots show novel and original proposals, where we sought to extend the state of the art. The navigation part has as its major objective to be a link between the subjects of localization and navigation, being its aim to help the deployment of a autonomous vehicle implying in greater technical advances. Related to the robotic group coordination, we have made the choice to work on an application modeled as a wildfire combat operation. We have developed a simulation environment in which we have evaluated four techniques to obtain strategies for the group formation: genetic algorithms, particle swarm optimization, hill climbing and simulated annealing. The v results showed that we can have very different accuracy with different techniques and sets of parameters. Furthermore, we show how a heuristic based on the use of past populations can assist in fault tolerant operation. Related to the autonomous navigation task, we present the development of a large autonomous vehicle capable of operating in outdoor environments. We sought to optimize an architecture for autonomous navigation based on monocular vision and with the ability to follow scattered points of GPS.We show how the use of simulation and small robots could assist in the development of large vehicle. Furthermore, we show how neural networks can be applied as a controller to autonomous navigation systems. In the investigation about localization, we presented a method using wireless networks to provide information about localization to mobile robots. The information gathered by the wireless network is used as input in an artificial neural network which learns the position of the robot. Several evaluations were carried out in order to understand the behavior of the proposed system, as using different topologies, different numbers of access points and the use of filters. Results showed that the proposed system, using wireless networks and neural networks, may be a useful and easy to use solution for localization of mobile robots. This thesis has addressed original and relevant topics related to the proposed objectives, showing methods to allow degrees of autonomy in robotic operations. The search for higher degrees of efficiency in tasks solving in dynamic environments is still a field that lacks solutions. Therefore, this study sought to add several scientific contributions in the autonomous mobile robots research area and coordination of groups, by means of the application of intelligent strategies

Coordenação de robôs móveis é um tópico importante de pesquisa dado que existem tarefas que podem ser desenvolvidas de forma mais eficiente e com menor custo por um grupo de robôs do que por um só robô. Nesta dissertação é apresentado um estudo sobre coordenação de robôs móveis para o problema de navegação em ambientes externos. Para isso, foi desenvolvido um sistema de localização utilizando os dados de odometria e do receptor GPS, e um sistema de desvio de obstáculos para planejar a trajetória livre de obstáculos. Os movimentos coordenados foram realizados em função de um líder e qualquer robô da formação pode assumir a liderança. A liderança é assumida pelo robô que ultrapassar a distância mínima a um obstáculo. Movimentos estáveis são gerados através de uma lei de controle descentralizada baseada nas coordenadas dos robôs. Para garantir a estabilidade da formação quando há alternância de líder ou remoção de robôs, foi feito controle tolerante a falhas para um grupo de robôs móveis. O controle tolerante a falhas é baseado em controle H \'INFINITO\' por realimentação da saída de sistemas lineares sujeitos a saltos Markovianos para garantir a estabilidade da formação quando um dos robôs é perdido durante o movimento coordenado. Os resultados do sistema de localização mostram que o uso de filtro robusto para a fusão de dados produz uma melhor estimativa da posição do robô móvel. Os resultados também mostram que o sistema de desvio de obstáculos é capaz de gerar uma trajetória livre de obstáculos em ambientes desconhecidos. E por fim, os resultados do sistema de coordenação mostram que o grupo de robôs mantém a formação desejada percorrendo a trajetória de referência na presença de distúrbios ou quando um robô sai da formação. / Coordination of mobile robots is an important topic of research because there are tasks that may be too difficult for a single robot to perform alone, these tasks can be performed more efficiently and cheaply by a group of mobile robots. This dissertation presents a study on the coordination of mobile robots to the problem of navigation in outdoor environments. To solve this problem, a localization system using data from odometry and GPS receiver, and an obstacle avoidance system to plan the collision-free trajectory, were developed. The coordinated motions are performed by the robots that follow a leader, and any robot of the formation can assume the leadership. The leadership is assumed by a robot when it exceeds the threshold distance to an obstacle. Stable motions are generated by a decentralized control law based on the robots coordinates. To ensure the stability formation when there is alternation of leader or one of the robots is removed, we made a fault tolerant control for a group of mobile robots. The fault tolerant approach is based on output feedback H \'INFINITE\' control of Markovian jump linear systems to ensure stability of the formation when one of the robots is lost during the coordinated motion. The results of the localization system show that the use of robust filter for data fusion produces a better estimation of the mobile robots position. The results also show that the obstacle avoidance system is capable of generating a path free from obstacles in unknown environments. Finally, the results of the coordination system show that the group of robots maintain the desired formation along the reference trajectory in the presence of disturbance or removal of one of them.

Os equipamentos robóticos foram inicialmente criados para atuarem em ambientes industriais fechados. Com o passar do tempo, melhorias foram conquistadas. Atualmente, não se limitam mais à realização de tarefas simples e repetitivas em locais especialmente preparados. Novos equipamentos, capazes de atuarem em ambientes abertos e de realizarem as mais diversas atividades, estão sendo desenvolvidos. Para tanto, é necessário que seus sistemas de controle realizem uma efetiva interação com o mundo onde estão inseridos. Fazem-se necessários, portanto, novos sistemas controladores com capacidade de uma contínua adaptação ao ambiente dinâmico onde operam. As redes neurais artificiais, devido a sua capacidade de tratamento de problemas não lineares – matematicamente difíceis de serem resolvidos, estão sendo empregadas no controle destes processos. O gerenciamento da trajetória de um veículo móvel em ambientes abertos ou fechados é um procedimento altamente não-linear, logo, a aplicação das redes neurais artificiais é bastante promissora. Apesar de sua grande versatilidade, as redes neurais artificiais têm sido utilizadas apenas como sistemas de mapeamento. A grande maioria delas necessita de uma fase de treinamento para que possam armazenar a diversidade de estados possíveis do sistema. Quando atuam, elas simplesmente mapeiam os seus valores de entrada (estado atual) nas soluções previamente armazenadas. Contudo, esta não é a melhor abordagem para os sistemas abertos, ou seja, para os processos cujas situações e possibilidades não podem ser totalmente enumeradas e que podem ser mutáveis no decorrer do tempo. Este trabalho apresenta uma metodologia de controle neural adaptativo para guiar um veículo móvel até o seu destino em ambientes contendo obstáculos fixos ou móveis. Diferentemente das abordagens tradicionais, não existe a necessidade de um treinamento prévio da rede. A rede neural artificial escolhida promove uma contínua adaptação do sistema enquanto atua. Neste processo, são utilizados sensores que fornecem subsídios para que a rede possa gerar, adaptativamente, soluções parciais que façam com que o veículo autônomo se aproxime cada vez mais do seu objetivo, até, finalmente, atingi-lo. / The robotic equipments were created initially to actuate in closed industrial environments. Improvements have been acquieved in this area. Nowadays, they are no longer limited to perform simple and repetitive tasks in controlled places. New equipments, capable of acting in open environments and doing the most several activities, are being developed. For so much, it is necessary that its control systems accomplish an effective interaction with the world where they are inserted. Therefore, new systems controllers with capacity of a continuous adaptation to the dynamic environments are essential. Artificial neural networks, due to their capacity of dealing wit non-linear problems – mathematically difficult to be solved – are being used to control these kind of processes. Guide a mobile vehicle through an open or controlled environments is a highly non-linear procedure; therefore, the use of an artificial neural nets is quite promising. In spite of its great versatility, they have just been used as mapping systems. Most of them need a training phase so that they can store the diversity of system’s possible states. When they actuate, they simply map their input values (current state) to the solutions previously stored. However, this is not the best approach for open systems, i.e. systems whose situations and possibilities cannot be totally enumerated and that can change in time. This work presents an adaptive neural control methodology to guide a mobile vehicle to its target in environments with fixed or mobile obstacles. Differently from the traditional approaches, the need of a previous training phase of the neural network doesn't exist. The chosen model of artificial neural net promotes a continuous adaptation of the system while it actuates. Sensors are used to provide informations to the net. This way it generates partial solutions that makes the autonomous vehicle gets closer of its goal, until, finally, reach it.