Return to search

Mapas auto-organizáveis para agentes robóticos autônomos

Made available in DSpace on 2014-06-12T15:52:08Z (GMT). No. of bitstreams: 2
arquivo3104_1.pdf: 10366275 bytes, checksum: 2fb0195a7c62e76b0be52b710d341aa7 (MD5)
license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5)
Previous issue date: 2010 / dispositivos sensores de varredura a laser. O agente explora um ambiente composto de salas,
corredores e passagens entre salas. Tal ambiente é inicialmente desconhecido e o agente
robótico o explora assimilando conhecimento sobre o layout e outras características,
produzindo uma representação interna. O agente robótico faz uso dessa representação interna
para: planejar suas ações de navegação; determinar e percorrer um caminho entre a sua
posição atual e outra localizada no ambiente conhecido; navegar desviando de obstáculos;
localizar a si mesmo em sua representação interna, confrontando as informações capturadas
por seu sistema sensor com o seu conhecimento do ambiente; produzir reconstruções virtuais
das áreas visitadas.
O problema acima é formalizado considerando a captura, codificação, representação e
associação de percepções como base para a obtenção de uma representação cognitiva do
ambiente. Os fluxos de dados dos dispositivos sensores são considerados fontes para a
extração de percepções por processos inatos, e estes, em termos computacionais, constituem
um passo de pré-processamento.
Nesta tese, o foco é a obtenção dos comportamentos mencionados acima, a partir de
mecanismos de Inteligência Artificial. Aspectos de Neurofisiologia e Neuropsicologia são
considerados na proposição de um modelo cognitivo e um conjunto de modelos
computacionais e seus algoritmos. O modelo cognitivo proposto é biologicamente plausível e
computacionalmente realizável. Posteriormente, o modelo cognitivo proposto é usado no
desenvolvimento de artefatos computacionais para suporte aos processos cognitivos
requeridos. Tal modelo é composto de uma arquitetura em camadas entrelaçadas e suporta a
definição de módulos que realizam processos cognitivos isolados, bem como módulos que
realizam processos cognitivos com interdependências. O modelo cognitivo proposto, o sistema motor e sensor do agente robótico e as tarefas
definidas são considerados na proposição de um conjunto básico de módulos. Um novo
modelo de mapa auto-organizável é proposto para suporte às atividades neurais requeridas.
Esse novo modelo de rede neural foi chamado de Mapa Auto-Organizável Crescente que
Aprende Topologia (Growing Topology Learning Self-Organizing Map - GTLSOM). O
GTLSOM produz, a partir de triangulações simples, um mapa que representa a topologia de
um espaço de amostras. Esse modelo de rede neural é usado como uma ferramenta para
armazenar, agrupar e indexar percepções produzindo mapas que atuam como memórias
básicas para processos cognitivos mais elaborados.
O layout do ambiente no entorno do agente robótico é representado em um mapa
produzido pelo modelo GTLSOM. Esse mapa é, então, empregado na interpretação do
ambiente local diferenciando entre espaço livre e obstáculos.
A percepção e desvio de obstáculos é suportada em dois momentos diferentes. Na fase
de planejamento, o mapa de Células de Grade é usado e caminhos são determinados evitando
os obstáculos conhecidos. Para tal, é proposto um algoritmo que tem por bases a dispersão de
um pulso elétrico sobre um aramado e o conceito de campos potenciais. Na fase de
navegação, as percepções do agente robótico são usadas na obtenção de uma memória
contextual. Essa memória produz um julgamento de valor acerca da viabilidade de cada uma
das ações de navegação disponíveis. O algoritmo proposto para guiar o agente robótico
através de um caminho determinado no mapa de Células de Grade, considera esse julgamento
de valor na decisão de qual ação executar.
A reconstrução virtual de um lugar visitado é obtida usando o GTLSOM como uma
ferramenta para a obtenção de uma malha de triângulos que representa as superfícies dos
obstáculos e as superfícies que delimitam o ambiente.
Nesta tese, o conceito de mapa topológico é similar ao de um grafo. Logo,
considerando diferentes níveis de abstração, os nodos podem representar salas (localidades)
ou posições (lugares). Um nodo representa um conjunto de percepções formando um contexto
que habilita o agente robótico a reconhecer um lugar quando revisitado. O primeiro nível de
abstração mencionado é remetido a trabalhos futuros. Entretanto, é proposto um algoritmo
para a obtenção de um mapa topológico no qual cada nodo congrega um conjunto de
percepções formando um contexto que identifica um lugar, uma posição visitada pelo agente e que pode ser reconhecida a partir do conjunto de características percebidas. As relações de
vizinhança entre lugares são representadas pelas conexões entre nodos. O modelo GTLSOM é
empregado como uma memória de percepções onde o conjunto de percepções atuais dispara
lembranças cujo contexto associativo produz o reconhecimento do lugar.
O modelo cognitivo e os algoritmos propostos são validados em um ambiente 3D
virtual realístico. Esse ambiente foi desenvolvido como parte desta tese, e foi projetado para
permitir interações diretas e em tempo real com o agente robótico virtual. A movimentação do
agente no ambiente pode ser observada sob três diferentes perspectivas. Uma câmera
apresenta a visão do próprio agente robótico. Outra segue o agente enquanto ele se movimenta
no ambiente. A terceira câmera produz uma visão de topo, na qual se observa o agente
robótico e parte do ambiente ao seu redor. A simulação da dinâmica é capaz de detectar as
colisões entre o agente robótico e os elementos do ambiente. Entretanto, a simulação de
inércia e de forças de aceleração e gravidade são remetidas a trabalhos futuros

Identiferoai:union.ndltd.org:IBICT/oai:repositorio.ufpe.br:123456789/1739
Date31 January 2010
CreatorsMOLE, Vilson Luiz Dalle
ContributorsARAÚJO, Aluizio Fausto Ribeiro
PublisherUniversidade Federal de Pernambuco
Source SetsIBICT Brazilian ETDs
LanguagePortuguese
Detected LanguagePortuguese
Typeinfo:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/doctoralThesis
Sourcereponame:Repositório Institucional da UFPE, instname:Universidade Federal de Pernambuco, instacron:UFPE
Rightsinfo:eu-repo/semantics/openAccess

Page generated in 0.0025 seconds