Η παρούσα διπλωματική ασχολείται με την πλοήγηση κινούμενου ρομπότ. Δεδομένου ενός χώρου με εμπόδια και στόχο, ασχολείται με την δημιουργία ενός αλγορίθμου για την οδήγηση του ρομπότ διαμέσου του χώρου στο στόχο, αποφεύγοντας τα εμπόδια κατά την κίνηση. Επικεντρώνεται σε δίτροχα ρομπότ και αναλύει βήμα βήμα την διαδικασία εύρεση μονοπατιού, δημιουργία τροχιάς και έλεγχο του ρομπότ. / The present thesis deals with the navigation of moving robots. Granted an area with obstacles and target, it deals with the creation of an algorithm for guiding the robot through space at target, avoiding obstacles during movement. It focuses on two-wheeled robots and analyzes step by step the process of finding a path, creating the trajectory and controlling the robot.

Como tópico de fundamental importância na robótica, o planejamento de rotas tem encontrado excelentes resultados nos últimos anos através da utilização de algoritmos baseados no conceito de árvore de exploração rápida, RRT. No entanto, a aplicação desses métodos em sistemas robóticos espaciais revela um cenário ainda a ser explorado. O comportamento não-holonômico e a presença de singularidades dinâmicas são alguns fatores que dificultam a consideração de obstáculos no planejamento de rotas desses sistemas. Além disso, os trabalhos relacionados ao planejamento de movimento para manipuladores espaciais mostram-se concentrados na estratégia ponto-a-ponto, com interesse especial nos aspectos particulares da dinâmica desses sistemas. De modo geral, para manipuladores espaciais, o planejamento de trajetória envolvendo o desvio de obstáculos depende de uma rota previamente computada. Contudo, essa tarefa carece de formulações ou técnicas solidificadas, sobretudo para manipuladores espaciais de base livre flutuante. Com esta motivação, o trabalho proposto nesta dissertação de mestrado cria um planejador de rotas com suporte a desvio de obstáculos para um manipulador espacial planar de base livre flutuante. O modelo dinâmico utilizado é baseado no conceito de manipulador dinamicamente equivalente e incorporado a um algoritmo baseado no conceito de RRT. / As major challenge in the field of robotics, path planning has experienced successful results in recent years by means of the RRT algorithm. However, the application of such algorithms in space manipulators reveals a scenario yet to be explored. The non-holonomic behavior, added to the presence of dynamic singularities are only a few factors that make collision-avoidance path planning of these systems such a hard task. Besides, works in the field of motion planning of space manipulators often concentrate in the strategy pointto- point, with particular interest in the complex dynamics of such systems. As a rule of thumb, collision-avoidance for space manipulators depends on a previous computed path. However, this task still lacks robust formulations, specially in the case of free-floating manipulators. With this motivation, the proposed work creates a collision-avoiding path planning for a free-floating planar manipulator. The dynamic model is based on the Dynamically Equivalent Manipulator and the concept of Rapidly-Exploring Random Trees serves as a frame for the developed algorithm.

Recently, autonomous vehicles have received worldwide attentions from academic research, automotive industry and the general public. In order to achieve a higher level of automation, one of the most fundamental requirements of autonomous vehicles is the capability to respond to internal and external changes in a safe, timely and appropriate manner. Situational awareness and decision making are two crucial enabling technologies for safe operation of autonomous vehicles. This thesis presents a solution for improving the automation level of autonomous vehicles in both situational awareness and decision making aspects by utilising additional domain knowledge such as constraints and influence on a moving object caused by environment and interaction between different moving objects. This includes two specific sub-systems, model based target tracking in environmental perception module and motion planning in path planning module. In the first part, a rigorous Bayesian framework is developed for pooling road constraint information and sensor measurement data of a ground vehicle to provide better situational awareness. Consequently, a new multiple targets tracking (MTT) strategy is proposed for solving target tracking problems with nonlinear dynamic systems and additional state constraints. Besides road constraint information, a vehicle movement is generally affected by its surrounding environment known as interaction information. A novel dynamic modelling approach is then proposed by considering the interaction information as virtual force which is constructed by involving the target state, desired dynamics and interaction information. The proposed modelling approach is then accommodated in the proposed MTT strategy for incorporating different types of domain knowledge in a comprehensive manner. In the second part, a new path planning strategy for autonomous vehicles operating in partially known dynamic environment is suggested. The proposed MTT technique is utilized to provide accurate on-board tracking information with associated level of uncertainty. Based on the tracking information, a path planning strategy is developed to generate collision free paths by not only predicting the future states of the moving objects but also taking into account the propagation of the associated estimation uncertainty within a given horizon. To cope with a dynamic and uncertain road environment, the strategy is implemented in a receding horizon fashion.

Made available in DSpace on 2014-12-17T14:56:03Z (GMT). No. of bitstreams: 1 DiogoPFP.pdf: 929475 bytes, checksum: cfb18a5bf43c92f6830aa123446e6f33 (MD5) Previous issue date: 2001-08-31 / The main task and one of the major mobile robotics problems is its navigation process. Conceptualy, this process means drive the robot from an initial position and orientation to a goal position and orientation, along an admissible path respecting the temporal and velocity constraints. This task must be accomplished by some subtasks like robot localization in the workspace, admissible path planning, trajectory generation and motion control. Moreover, autonomous wheeled mobile robots have kinematics constraints, also called nonholonomic constraints, that impose the robot can not move everywhere freely in its workspace, reducing the number of feasible paths between two distinct positions. This work mainly approaches the path planning and trajectory generation problems applied to wheeled mobile robots acting on a robot soccer environment. The major dificulty in this process is to find a smooth function that respects the imposed robot kinematic constraints. This work proposes a path generation strategy based on parametric polynomials of third degree for the 'x' and 'y' axis. The 'theta' orientation is derived from the 'y' and 'x' relations in such a way that the generated path respects the kinematic constraint. To execute the trajectory, this work also shows a simple control strategy acting on the robot linear and angular velocities / Um dos maiores problemas em rob?tica m?vel diz respeito ? sua navega??o. Conceitualmente, o ato de navegar em rob?tica consiste em guiar um rob? em um espa?o de trabalho durante um determinado intervalo de tempo, por um caminho que possa ser percorrido e que leve o rob? de uma posi??o e orienta??o iniciais para uma posi??o e orienta??o finais. Esta ? a principal tarefa que um rob? m?vel deve executar. Ela implica em subproblemas que s?o a localiza??o do rob? no espa?o de trabalho, o planejamento de um caminho admiss?vel, a gera??o de uma trajet?ria e, por fim, a sua execu??o. Al?m disso, rob?s m?veis aut?nomos com rodas possuem restri??es cinem?ticas, chamadas tamb?m de restri??es n?o-holon?micas, que fazem com que o rob? n?o possa se mover livremente em seu espa?o de trabalho, limitando a quantidade de caminhos admiss?veis entre duas posi??es distintas. Este trabalho aborda principalmente os subproblemas do planejamento de caminho e gera??o de trajet?ria aplicado a minirrob?s m?veis com rodas que atuam em um projeto de futebol de rob?s. O maior desafio para a navega??o destes ve?culos ? determinar uma fun??o cont?nua que respeite suas restri??es cinem?ticas e evolua no tempo segundo as restri??es impostas pelo problema quanto ? posi??o e orienta??o iniciais e finais e quanto ? velocidade do movimento. Prop?e-se uma estrat?gia de gera??o de caminho baseada em polin?mios param?tricos de terceiro grau em 'x' e 'y'. A orienta??o 'theta' do minirrob? ? obtida da rela??o entre 'y' e 'x' de modo que os caminhos gerados respeitem a restri??o cinem?tica imposta. Para que a trajet?ria seja executada e os resultados experimentais validados ? apresentada uma estrat?gia simples de controle que atua sobre as velocidades linear e angular desenvolvidas pelo rob? m?vel

Conselho Nacional de Desenvolvimento Científico e Tecnológico / Considering path planning problem for autonomous robots, the objective is to find a list of steps to be applied to obtain a path between the initial point and the goal. This work aims the investigation and implementation of cellular automata (CA) based models to path-planning. In an initial phase, a comparative study was conducted among the cellular automata-based methods to path-planning published in the literature. Subsequently, two published works were chosen to be implemented in simulation environments to verify the actual applicability of the proposed methods. The first model starts from an image captured from the environment and it applies a CA to perform the calculation of distances between free cells and the goal. The second model uses robot sensors to identify its neighborhood and it applies CA transition rules to determine the next movements. Some limitations which prevented the robots obtain good results in simulation were identified and improvements to the original models were applied. At the end, both new models exhibited better behaviors than their precursors in several scenarios. Aiming to validate our results, two simulation environments were employed (V-REP and Webots) and some experiments with e-puck robots were performed. / No problema do planejamento de caminhos para robôs autônomos, o objetivo é encontrar uma lista de passos a serem aplicados para se obter um caminho entre o ponto inicial e a meta. Este trabalho visa a investigação e implementação de modelos baseados em autômatos celulares (ACs) para o planejamento de caminhos. Em uma fase inicial, foi realizado um estudo comparativo entre os métodos de planejamento de caminhos baseados em autômatos celulares publicados na literatura. Posteriormente, foram escolhidos dois trabalhos publicados que foram implementados em ambientes de simulação para se verificar a real aplicabilidade dos métodos propostos. O primeiro modelo parte de uma imagem capturada do ambiente de navegação e utiliza um AC para fazer o cálculo das distâncias entre as células livres e a meta. O segundo modelo utiliza os sensores do robô para identificar sua vizinhança a cada instante e utiliza regras de transição de ACs para determinar os próximos movimentos. Algumas limitações que impossibilitaram que os robôs obtivessem bons resultados em simulação foram identificadas e melhorias foram aplicadas aos modelos originais. Ao final, os dois novos modelos propostos exibiram um melhor desempenho do que seus precursores em diversos cenários. Para validar nossos resultados, dois ambientes de simulação foram empregados (V-REP e Webots), além da execução de alguns experimentos com robôs e-puck. / Mestre em Ciência da Computação

A tarefa de planejamento de trajetórias de robôs móveis autônomos consiste em determinar objetivos intermediários para que um robô seja capaz de partir de sua localização inicial e alcançar seu objetivo final. Além do planejamento, é importante definir um método de controle da navegação (seguimento da trajetória) do robô para que ele seja capaz de realizar seu trajeto de forma segura. Este projeto propõe uma abordagem híbrida para planejamento exploratório e execução de trajetórias de robôs móveis autônomos em ambientes indoor. Para o planejamento de trajetória, foram investigados algoritmos de busca em espaço de estados, dando ênfase ao uso de algoritmos evolutivos e algoritmos de otimização por colônia de formigas para a descoberta e otimização da trajetória. O controle da navegação é realizado por meio de comportamentos locais reativos, baseado na exploração e uso de mapas topológicos, os quais permitem uma maior flexibilidade em termos de definição da localização da posição do robô móvel e sobre os detalhes do mapa do ambiente (mapas com informações aproximadas e não métricos). Assim, foi proposto e desenvolvido um método robusto capaz de planejar, mapear e explorar um caminho ótimo ou quase ótimo para que o robô possa navegar e alcançar seu objetivo de forma segura, com pouca informação prévia do ambiente ou mesmo sobre sua localização. Além disso, o robô pode reagir a ambientes com alterações dinâmicas em sua estrutura, considerando por exemplo, elementos dinâmicos como portas que possam ser abertas ou fechadas e passagens que são obstruídas. Por fim, foram realizados diversos testes e simulações a fim de validar o método proposto, com a avaliação da qualidade das soluções encontradas e comparação com outras abordagens tradicionais de planejamento de trajetórias (algoritmos A* e D*). / The task of planning path for autonomous mobile robots consists in determine intermediary goals in order to allow a robot be able to leave its initial location and reach its final goal. Besides the planning, it is important to define a method of navigation control (the trajectory following) of the robot for it be able to do its path safely. This project proposes a hybrid approach to path planning and execution of an autonomous mobile robot in indoor environments. For the path planning, search algorithms in state space have been investigated, with emphasis in evolutionary algorithms and ant colony optimization algorithms for the trajectory search and optimization. The navigation control is done by local reactive behaviors, based on topological maps, which allow more flexibility concerning localization definition of position of the mobile robot and about the details of the environment map (maps with approximate information and not metric). Thus, a robust method able to plan an optimum or almost optimum path for the robot to reach its goal safely has been proposed, with little previous information of the environment. Furthermore, the robot can react to dynamic elements in the environment structure, concerning, for example, dynamic elements such as doors that can be opened or closed and ways that are blocked. Finally, several tests and simulations has been carried out to validate the proposed method, with evaluation of the solutions quality and comparison with others traditional approaches for the path planning task (A* and D* algorithms).

Orientador: Prof. Dr. Rovílson Mafalda. / Dissertação (mestrado) - Universidade Federal do ABC, Programa de Pós-Graduação em Engenharia e Gestão da Inovação, 2018. / Nas últimas décadas, o problema da navegação autônoma tem sido o principal foco da robótica móvel. Este problema consiste em gerar trajetórias para guiar o deslocamento do robô num determinado ambiente a partir de informações provenientes de sistemas de sensores externos e/ou de informações constantes no mapa do ambiente. A partir destes pode saber sua localização e movimentar-se para quaisquer pontos do ambiente de trabalho de maneira segura, evitando colisões e regiões onde não há espaço suficiente para sua travessia. O planejamento de trajetórias é parte fundamental para o deslocamento de robôs móveis. A elaboração de um plano para movimentação autônoma é uma tarefa complexa. O planejamento de caminhos está relacionado ao planejamento geométrico da movimentação do robô no ambiente. Já o planejamento de trajetória é responsável por baseado no planejamento de caminhos, atuar sobre a movimentação dinâmica do robô [1]. A forma como o ambiente é mapeado no sistema é determinante na sua precisão e desempenho. Dentro deste contexto, neste trabalho é proposto um método para planejamento de caminhos para robôs móveis, considerando um ambiente interno, estruturado e estático, onde o ambiente e os obstáculos, entre os quais estes se movem, estão modelados como um Diagrama de Voronói para Circunferências. Algoritmos com a finalidade de encontrar o caminho de menor distância entre os caminhos disponíveis no mapa do ambiente discretizado de acordo com a modelagem acima são estudados e avaliados. Esta pesquisa também envolve estudos sobre problemas de tangências entre circunferências, estudos sobre a representação matemática do Diagrama de Voronoi e estudos sobre otimização de caminhos sobre estes Diagramas. / Over the last decades, researches in mobile robotics has focused on autonomous navigation problem. This problem consists on generating trajectories to guide the movement of a robot from a start point to an end point in a determined local. It is based on data from external sensor systems and /or information of the environment map. From this information, the robot is able to know its location and to move to another point in the working environment in a safe path, avoiding collisions and regions where there is not enough space for crossing. Trajectory planning is a fundamental part for movement of mobile robots. To elaborate a path planning for autonomous displacement is a complex task. Path planning relates to the geometric planning of robot movement in the environment. Already the trajectory planning is responsible for, based on path planning, to act on a dynamic movement of the robot. The approach applied to model an environment is determinant over accuracy and performance of a trajectory system. Within this context, in this work it is proposed a method to plan routes for mobile robots, where the environment map is model as a Voronói Diagram for Circumferences. Searching algorithms with the purpose of finding the shortest routes between the paths available in the map are studied and analyzed. This research also involves studies on circumferential tangency problems, studies on the mathematical representation of the Voronoi Diagram, and studies on path optimization on these Diagrams.

Submitted by Erika Demachki (erikademachki@gmail.com) on 2017-03-24T21:09:18Z No. of bitstreams: 2 Dissertação - Lucas da Silva Assis - 2017.pdf: 4403122 bytes, checksum: b6716ca532c65ba98f07fab680e6569d (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Approved for entry into archive by Luciana Ferreira (lucgeral@gmail.com) on 2017-03-28T11:39:32Z (GMT) No. of bitstreams: 2 Dissertação - Lucas da Silva Assis - 2017.pdf: 4403122 bytes, checksum: b6716ca532c65ba98f07fab680e6569d (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Made available in DSpace on 2017-03-28T11:39:32Z (GMT). No. of bitstreams: 2 Dissertação - Lucas da Silva Assis - 2017.pdf: 4403122 bytes, checksum: b6716ca532c65ba98f07fab680e6569d (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Previous issue date: 2017-02-16 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES / between desired points. These optimal paths can be understood as trajectories that best achieves an objective, e.g. minimizing the distance travelled or the time spent. Most of usual path planning techniques assumes a complete and accurate environment model to generate optimal paths. But many of the real world problems are in the scope of Local Path Planning, i.e. working with partially known or unknown environments. Therefore, these applications are usually restricted to sub-optimal approaches which plan an initial path based on known information and then modifying the path locally or re-planning the entire path as the agent discovers new obstacles or environment features. Even though traditional path planning strategies have been widely used in partially known environments, their sub-optimal solutions becomes even worse when the size or resolution of the environment's representation scale up. Thus, in this work we present the CGPlan (Constructive Genetic Planning), a new evolutionary approach based on the Compact Genetic Algorithm (cGA) that pursue efficient path planning in known and unknown environments. The CGPlan was evaluated in simulated environments with increasing complexity and compared with common techniques used for path planning, such as the A*, the BUG2 algorithm, the RRT (Rapidly-Exploring Random Tree) and the evolutionary path planning based on classic Genetic Algorithm. The results shown a great efficient of the proposal and thus indicate a new reliable approach for path planning of mobile agents with limited computational power and real-time constraints on on-board hardware. / O planejamento de rotas é um recurso importante para agentes móveis, permitindo-lhes encontrar caminhos ideais entre os pontos desejados. Neste contexto, caminhos ideais podem ser entendidos como trajetórias que melhor atingem um objetivo, minimizando a distância percorrida ou o tempo gasto, por exemplo. As técnicas tradicionais tendem a considerar um modelo global do ambiente, no entanto, os problemas reais de planejamento de rotas usualmente estão no âmbito de ambientes desconhecidos ou parcialmente desconhecidos. Portanto, aplicações como essas geralmente são restritas a abordagens subótimas que planejam um caminho inicial baseado em informações conhecidas e, em seguida, modificam o caminho localmente ou até planejando novamente todo o caminho à medida que o agente descobre novos obstáculos ou características do ambiente. Sendo assim, mesmo as estratégias tradicionais de planejamento de caminhos sendo amplamente utilizadas em ambientes parcialmente conhecidos, suas soluções subótimas se tornam ainda piores quando o tamanho ou a resolução da representação do ambiente aumentam. Por isso, neste trabalho apresentamos o CGPlan (Constructive Genetic Planning), uma nova abordagem evolutiva baseada no Algoritmo Genético Compacto (cGA) que almeja um planejamento eficiente de caminho em ambientes conhecidos e desconhecidos. O CGPlan foi avaliado em ambientes simulados com crescente complexidade e comparado a técnicas comuns utilizadas para o planejamento do caminho, como o A*, o algoritmo BUG2, o RRT (Rapidly-Exploring Random Tree) e o planejamento evolutivo do caminho usando clássico Algoritmo Genético. Os resultados mostraram uma grande eficiência da proposta e indicam uma nova abordagem confiável para o planejamento de rotas de agentes móveis com poder computacional limitado e restrições em tempo real no hardware.

Submitted by Renata Lopes (renatasil82@gmail.com) on 2017-03-06T17:58:43Z No. of bitstreams: 1 mauricioarchanjonunescoelho.pdf: 10124655 bytes, checksum: 549fa53eba76e81b76ddcbce12c97e55 (MD5) / Approved for entry into archive by Adriana Oliveira (adriana.oliveira@ufjf.edu.br) on 2017-03-06T20:26:43Z (GMT) No. of bitstreams: 1 mauricioarchanjonunescoelho.pdf: 10124655 bytes, checksum: 549fa53eba76e81b76ddcbce12c97e55 (MD5) / Made available in DSpace on 2017-03-06T20:26:44Z (GMT). No. of bitstreams: 1 mauricioarchanjonunescoelho.pdf: 10124655 bytes, checksum: 549fa53eba76e81b76ddcbce12c97e55 (MD5) Previous issue date: 2015-06-25 / CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / A teoria sobre aprendizado supervisionado tem avançado significativamente nas últimas décadas. Diversos métodos são largamente utilizados para resoluções dos mais variados problemas, citando alguns: sistemas especialistas para obter respostas to tipo verdadeiro/ falso, o modelo Perceptron para separação de classes, Máquina de Vetores Suportes (SVMs) e o Algoritmo de Margem Incremental (IMA) no intuito de aumentar a margem de separação, suas versões multi-classe, bem como as redes neurais artificiais, que apresentam possibilidades de entradas relativamente complexas. Porém, como resolver tarefas que exigem respostas tão complexas quanto as perguntas? Tais respostas podem consistir em várias decisões inter-relacionadas que devem ser ponderadas uma a uma para se chegar a uma solução satisfatória e globalmente consistente. Será visto no decorrer do trabalho que existem problemas de relevante interesse que apresentam estes requisitos. Uma questão que naturalmente surge é a necessidade de se lidar com a explosão combinatória das possíveis soluções. Uma alternativa encontrada apresenta-se através da construção de modelos que compactam e capturam determinadas propriedades estruturais do problema: correlações sequenciais, restrições temporais, espaciais, etc. Tais modelos, chamados de estruturados, incluem, entre outros, modelos gráficos, tais como redes de Markov e problemas de otimização combinatória, como matchings ponderados, cortes de grafos e agrupamentos de dados com padrões de similaridade e correlação. Este trabalho formula, apresenta e discute estratégias on-line eficientes para predição estruturada baseadas no princípio de separação de classes derivados do modelo Perceptron e define um conjunto de algoritmos de aprendizado supervisionado eficientes quando comparados com outras abordagens. São também realizadas e descritas duas aplicações experimentais a saber: inferência dos custos das diversas características relevantes para a realização de buscas em mapas variados e a inferência dos parâmetros geradores dos grafos de Markov. Estas aplicações têm caráter prático, enfatizando a importância da abordagem proposta. / The theory of supervised learning has significantly advanced in recent decades. Several methods are widely used for solutions of many problems, such as expert systems for answers to true/false, Support Vector Machine (SVM) and Incremental Margin Algorithm (IMA). In order to increase the margin of separation, as well as its multi-class versions, in addition to the artificial neural networks which allow complex input data. But how to solve tasks that require answers as complex as the questions? Such responses may consist of several interrelated decisions to be considered one by one to arrive at a satisfactory and globally consistent solution. Will be seen throughout the thesis, that there are problems of relevant interest represented by these requirements. One question that naturally arises is the need to deal with the exponential explosion of possible answers. As a alternative, we have found through the construction of models that compress and capture certain structural properties of the problem: sequential correlations, temporal constraints, space, etc. These structured models include, among others, graphical models, such as Markov networks and combinatorial optimization problems, such as weighted matchings, graph cuts and data clusters with similarity and correlation patterns. This thesis formulates, presents and discusses efficient online strategies for structured prediction based on the principle of separation of classes, derived from the Perceptron and defines a set of efficient supervised learning algorithms compared to other approaches. Also are performed and described two experimental applications: the costs prediction of relevant features on maps and the prediction of the probabilistic parameters for the generating Markov graphs. These applications emphasize the importance of the proposed approach.

Submitted by Renata Lopes (renatasil82@gmail.com) on 2017-05-31T11:40:17Z No. of bitstreams: 1 matheusribeirofurtadodemendonca.pdf: 1083096 bytes, checksum: bb42372f22411bc93823b92e7361a490 (MD5) / Approved for entry into archive by Adriana Oliveira (adriana.oliveira@ufjf.edu.br) on 2017-05-31T12:42:30Z (GMT) No. of bitstreams: 1 matheusribeirofurtadodemendonca.pdf: 1083096 bytes, checksum: bb42372f22411bc93823b92e7361a490 (MD5) / Made available in DSpace on 2017-05-31T12:42:30Z (GMT). No. of bitstreams: 1 matheusribeirofurtadodemendonca.pdf: 1083096 bytes, checksum: bb42372f22411bc93823b92e7361a490 (MD5) Previous issue date: 2016 / CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Muitos jogos modernos apresentam elementos que permitem que o jogador complete certos objetivos sem ser visto pelos inimigos. Isso culminou no surgimento de um novo gênero chamado de jogos furtivos, onde a furtividade é essencial. Embora elementos de furtividade sejam muito comuns em jogos modernos, este tema não tem sido estudado extensivamente. Este trabalho aborda três problemas distintos: (i) como utilizar uma abordagem por aprendizado de máquinas de forma a permitir que o agente furtivo aprenda como se comportar adequadamente em qualquer ambiente, (ii) criar um método eficiente para planejamento de caminhos furtivos que possa ser acoplado à nossa formulação por aprendizado de máquinas e (iii) como usar computação evolutiva de forma a definir certos parâmetros para nossa abordagem por aprendizado de máquinas. É utilizado aprendizado por reforço para aprender bons comportamentos que sejam capazes de atingir uma alta taxa de sucesso em testes aleatórios de um jogo furtivo. Também é proposto uma abor dagem evolucionária capaz de definir automaticamente uma boa função de reforço para a abordagem por aprendizado por reforço. / Many modern games present stealth elements that allow the player to accomplish a certain objective without being spotted by enemy patrols. This gave rise to a new genre called stealth games, where covertness plays a major role. Although quite popular in modern games, stealthy behaviors has not been extensively studied. In this work, we tackle three different problems: (i) how to use a machine learning approach in order to allow the stealthy agent to learn good behaviors for any environment, (ii) create an efficient stealthy path planning method that can be coupled with our machine learning formulation, and (iii) how to use evolutionary computing in order to define specific parameters for our machine learning approach without any prior knowledge of the problem. We use Reinforcement Learning in order to learn good covert behavior capable of achieving a high success rate in random trials of a stealth game. We also propose an evolutionary approach that is capable of automatically defining a good reward function for our reinforcement learning approach.