N-Learning, uma abordagem para ensino e aprendizagem autônomos em sistemas multirrobôs

• Ano de defesa: 2018
• Autor(a) principal: Costa, Luís Feliphe Silva
• Orientador(a): Gonçalves, Luiz Marcos Garcia
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Programa de Pós-Graduação: PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA E DE COMPUTAÇÃO
• País: Brasil
• Palavras-chave em Português: Sistemas multirrobôs; Robôtica baseada em comportamentos; Aprendizagem cooperativa
• Área do conhecimento CNPq: CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
• Link de acesso: https://repositorio.ufrn.br/jspui/handle/123456789/26936

Propomos o paradigma N-Learning, que propicia o compartilhamento (ensino e aprendizagem) de comportamentos em sistemas multirrobôs de forma autônoma e em tempo de execução. O paradigma proposto é baseado na robótica comportamental e utiliza aprendizado cooperativo. No modelo formal, os comportamentos do robô são representados na forma de um grafo, onde comportamentos complexos podem ser decompostos em comportamentos simples que, por sua vez, podem ser executados simultaneamente. O N-Learning permite mudar o domínio de atuação do robô sem a necessidade de reprogramação. Isto é, um robô que não possui comportamentos compatíveis para um determinado domínio pode mudar e aprender com os outros robôs, atuando nesse domínio. Essa característica é útil quando existe um grande número de robôs e várias missões diferentes (em domínios diferentes) a serem cumpridas. O N-Learning também pode ser usado com comportamentos emergentes, que precisam ser compartilhados com a equipe. Para validar o paradigma, uma implementação de referência foi desenvolvida baseada na linguagem Python e no Sistema Operacional de Robôs (Robot Operating System), utilizando o simulador Stage e com robôs reais. Resultados mostram que os indivíduos de um grupo de robôs consegue aprender através de interação no sistema multirrobôs. O time sai de um estado de menos conhecimento dos robôs individualmente (isto é, robôs possuindo capacidade de execução de poucos comportamentos) para um estado de mais conhecimento (robôs conseguindo realizar mais comportamentos, aprendidos on-line). Com essa abordagem, comportamentos específicos de determinados ambientes, já existentes, não precisam estar pré-programados em robôs, que conseguem aprender os mesmos com os outros robôs da equipe. Os experimentos demonstram a versatilidade do N-Learning, validando a nossa abordagem.