Navegação autônoma para robôs móveis usando aprendizado supervisionado.
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...
| Author: | |
|---|---|
| Format: | doctoral thesis |
| Status: | Published version |
| Publication Date: | 2014 |
| Country: | Brasil |
| Institution: | Universidade de São Paulo (USP) |
| Repository: | Biblioteca Digital de Teses e Dissertações da USP |
| Language: | Portuguese |
| OAI Identifier: | oai:teses.usp.br:tde-10062014-094624 |
| Online Access: | http://www.teses.usp.br/teses/disponiveis/55/55134/tde-10062014-094624/ |
| Access Level: | Open access |
| Keyword: | Ambientes externos Artificial neural networks Autonomous navigation Gaussian processes and outdoor environments Mobile robots Navegação autônoma Processos gaussianos Redes neurais artificiais Robôs móveis |
| Summary: | 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 |
|---|