Utilização de redes neurais de Spikes para tarefas de navegação de agentes robóticos autônomos
Ano de defesa: | 2024 |
---|---|
Autor(a) principal: | |
Orientador(a): | |
Banca de defesa: | |
Tipo de documento: | Dissertação |
Tipo de acesso: | Acesso aberto |
Idioma: | por |
Instituição de defesa: |
Não Informado pela instituição
|
Programa de Pós-Graduação: |
Não Informado pela instituição
|
Departamento: |
Não Informado pela instituição
|
País: |
Não Informado pela instituição
|
Palavras-chave em Português: | |
Link de acesso: | https://repositorio.uel.br/handle/123456789/12564 |
Resumo: | Resumo: Detectar e prevenir possíveis colisões é um dos aspectos mais importantes na robótica móvel Esta tarefa, embora aparente facilidade quando executada por seres vivos, mantêm sua dificuldade quando modelada e executada por agentes robóticos autônomos Além disso, roboticistas e pesquisadores têm sempre encontrado na natureza uma fonte inesgotável de inspiração Muitas vezes a robótica é utilizada para investigar questões abertas da neurociência e ciência cognitiva, pois ela é capaz de sujeitar hipóteses a rigorosos testes no mundo real, aperfeiçoando novos mecanismos que poderão ser utilizados em futuros sistemas de navegação Com o aumento do foco sobre a neurociência computacional nos últimos anos, uma nova variedade de modelos e algoritmos bioinspirados têm surgido na literatura específica, como é o caso das Redes Neurais de Spikes (Spiking Neural Networks - SNN) Tais modelos neurais incrementam o realismo biológico de suas unidades computacionais utilizando spikes individuais, permitindo incorporar informações espaco-temporais nos processos de comunicação e computação, como neurônios reais fazem O objetivo do presente trabalho é empregar uma SNN no tratamento (e prevenção) de colisões com obstáculos em um ambiente desconhecido (obsctacle avoidance)O algoritmo de aprendizado bioinspirado de plasticidade sináptica dependente de tempo de spike (spike-timing-dependent plasticity - STDP) é incluído na SNN para fazer com que o sistema seja capaz de aprender com as respostas dos estímulos externos e guiar a navegação do robô através do ambiente Baseado no conhecimento adquirido ao longo do tempo durante as simulações, o robô aprendeu a utilizar as informacoes externas captadas e descreveu trajetórias livre de colisões A distância em que os movimentos evasivos são realizados também cresce consideravelmente com o tempo, indicando que o robô executa uma navegação segura Durante as experimentações utilizou-se o kit de robótica Lego Mindstorms NXT A prototipação e implementação do modelo foi feita utilizando-se o framework para robótica Microsoft Robotics Developer Studio (MRDS), que além de proporcionar um ambiente virtual para simulações, fornece recursos para à programação de diversos tipos de hardware, incluso o NXT |
id |
UEL_7dc5dea87ce87306f2d1a2628af60420 |
---|---|
oai_identifier_str |
oai:repositorio.uel.br:123456789/12564 |
network_acronym_str |
UEL |
network_name_str |
Repositório Institucional da UEL |
repository_id_str |
|
spelling |
Utilização de redes neurais de Spikes para tarefas de navegação de agentes robóticos autônomosRobóticaRedes neurais (Computação)Navegação de robôs móveisNeurônios biológicosSistemas de controleArtificial neural networksMobile robot navigationNeuronsRoboticsControl systemsNeural networks (Neurobiology)Resumo: Detectar e prevenir possíveis colisões é um dos aspectos mais importantes na robótica móvel Esta tarefa, embora aparente facilidade quando executada por seres vivos, mantêm sua dificuldade quando modelada e executada por agentes robóticos autônomos Além disso, roboticistas e pesquisadores têm sempre encontrado na natureza uma fonte inesgotável de inspiração Muitas vezes a robótica é utilizada para investigar questões abertas da neurociência e ciência cognitiva, pois ela é capaz de sujeitar hipóteses a rigorosos testes no mundo real, aperfeiçoando novos mecanismos que poderão ser utilizados em futuros sistemas de navegação Com o aumento do foco sobre a neurociência computacional nos últimos anos, uma nova variedade de modelos e algoritmos bioinspirados têm surgido na literatura específica, como é o caso das Redes Neurais de Spikes (Spiking Neural Networks - SNN) Tais modelos neurais incrementam o realismo biológico de suas unidades computacionais utilizando spikes individuais, permitindo incorporar informações espaco-temporais nos processos de comunicação e computação, como neurônios reais fazem O objetivo do presente trabalho é empregar uma SNN no tratamento (e prevenção) de colisões com obstáculos em um ambiente desconhecido (obsctacle avoidance)O algoritmo de aprendizado bioinspirado de plasticidade sináptica dependente de tempo de spike (spike-timing-dependent plasticity - STDP) é incluído na SNN para fazer com que o sistema seja capaz de aprender com as respostas dos estímulos externos e guiar a navegação do robô através do ambiente Baseado no conhecimento adquirido ao longo do tempo durante as simulações, o robô aprendeu a utilizar as informacoes externas captadas e descreveu trajetórias livre de colisões A distância em que os movimentos evasivos são realizados também cresce consideravelmente com o tempo, indicando que o robô executa uma navegação segura Durante as experimentações utilizou-se o kit de robótica Lego Mindstorms NXT A prototipação e implementação do modelo foi feita utilizando-se o framework para robótica Microsoft Robotics Developer Studio (MRDS), que além de proporcionar um ambiente virtual para simulações, fornece recursos para à programação de diversos tipos de hardware, incluso o NXTDissertação (Mestrado em Ciência da Computação) - Universidade Estadual de Londrina, Centro de Ciências Exatas, Programa de Pós-Graduação em Ciência da ComputaçãoAbstract: Detect and avoid possible collisions is one of the most important aspects in mobile robotics Although this task seems easy when performed by animals (and humans), presents difficulty when modeled and executed by autonomous robotic agents In addition, roboticists and researchers have always found in nature an inexhaustible source of inspiration Robotics is oftenused to investigate open questions of neuroscience and cognitive science, because it is capableof subjecting hyphtoeses to rigorous testing in real world, improving new mechanisms that could be used in the future navigation systems With increasing focus on computacional neuroscience in recent years, a new range of bioinspired models and algorithms have emerged inthe specific literature, such as the Spiking Neural Networks (SNN) These models enhanced the biological realism of their computational units using 'individual spikes', allowing the incorporation of spatial and temporal information in the processes of communication and computing, like real neurons do The aim of the current work is to use a SNN to prevent collisions with obstacles in an unknown environment (obstacle avoidance) The bioinspired learning algorithm spike-timing-dependent plasticity (STDP) is inserted in the SNN to make the system able to learn from the responses of external stimuli and to guide the robot navigation through the environment Based on the knowledge acquired over time during simulations, the robot has learned to use external information perceived and described collision-free trajectories The distance at which the preventive movements are performed grows considerably over time, indicating that the robot performs a safe navigation During the experiments it was used the robotics kit Lego Mindstorms NXT The prototyping and implementation of the model was done using the robotics framework Microsof Robotics Developer Studio (MRDS), which besides providing a virtual environment for simulation, provides resources for the programming of variety of robotics hardware, included the NXTAyrosa, Pedro Paulo da Silva [Orientador]Camargo-Brunetto, Maria Angélica de OliveiraAttrot, WesleyPeriotto, Álvaro JoséMantovani, Rafael Gomes2024-05-01T14:00:19Z2024-05-01T14:00:19Z2011.0017.03.2011info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://repositorio.uel.br/handle/123456789/12564porMestradoCiência da ComputaçãoCentro de Ciências ExatasPrograma de Pós-Graduação em Ciência da ComputaçãoLondrinareponame:Repositório Institucional da UELinstname:Universidade Estadual de Londrina (UEL)instacron:UELinfo:eu-repo/semantics/openAccess2024-07-12T04:19:37Zoai:repositorio.uel.br:123456789/12564Biblioteca Digital de Teses e Dissertaçõeshttp://www.bibliotecadigital.uel.br/PUBhttp://www.bibliotecadigital.uel.br/OAI/oai2.phpbcuel@uel.br||opendoar:2024-07-12T04:19:37Repositório Institucional da UEL - Universidade Estadual de Londrina (UEL)false |
dc.title.none.fl_str_mv |
Utilização de redes neurais de Spikes para tarefas de navegação de agentes robóticos autônomos |
title |
Utilização de redes neurais de Spikes para tarefas de navegação de agentes robóticos autônomos |
spellingShingle |
Utilização de redes neurais de Spikes para tarefas de navegação de agentes robóticos autônomos Mantovani, Rafael Gomes Robótica Redes neurais (Computação) Navegação de robôs móveis Neurônios biológicos Sistemas de controle Artificial neural networks Mobile robot navigation Neurons Robotics Control systems Neural networks (Neurobiology) |
title_short |
Utilização de redes neurais de Spikes para tarefas de navegação de agentes robóticos autônomos |
title_full |
Utilização de redes neurais de Spikes para tarefas de navegação de agentes robóticos autônomos |
title_fullStr |
Utilização de redes neurais de Spikes para tarefas de navegação de agentes robóticos autônomos |
title_full_unstemmed |
Utilização de redes neurais de Spikes para tarefas de navegação de agentes robóticos autônomos |
title_sort |
Utilização de redes neurais de Spikes para tarefas de navegação de agentes robóticos autônomos |
author |
Mantovani, Rafael Gomes |
author_facet |
Mantovani, Rafael Gomes |
author_role |
author |
dc.contributor.none.fl_str_mv |
Ayrosa, Pedro Paulo da Silva [Orientador] Camargo-Brunetto, Maria Angélica de Oliveira Attrot, Wesley Periotto, Álvaro José |
dc.contributor.author.fl_str_mv |
Mantovani, Rafael Gomes |
dc.subject.por.fl_str_mv |
Robótica Redes neurais (Computação) Navegação de robôs móveis Neurônios biológicos Sistemas de controle Artificial neural networks Mobile robot navigation Neurons Robotics Control systems Neural networks (Neurobiology) |
topic |
Robótica Redes neurais (Computação) Navegação de robôs móveis Neurônios biológicos Sistemas de controle Artificial neural networks Mobile robot navigation Neurons Robotics Control systems Neural networks (Neurobiology) |
description |
Resumo: Detectar e prevenir possíveis colisões é um dos aspectos mais importantes na robótica móvel Esta tarefa, embora aparente facilidade quando executada por seres vivos, mantêm sua dificuldade quando modelada e executada por agentes robóticos autônomos Além disso, roboticistas e pesquisadores têm sempre encontrado na natureza uma fonte inesgotável de inspiração Muitas vezes a robótica é utilizada para investigar questões abertas da neurociência e ciência cognitiva, pois ela é capaz de sujeitar hipóteses a rigorosos testes no mundo real, aperfeiçoando novos mecanismos que poderão ser utilizados em futuros sistemas de navegação Com o aumento do foco sobre a neurociência computacional nos últimos anos, uma nova variedade de modelos e algoritmos bioinspirados têm surgido na literatura específica, como é o caso das Redes Neurais de Spikes (Spiking Neural Networks - SNN) Tais modelos neurais incrementam o realismo biológico de suas unidades computacionais utilizando spikes individuais, permitindo incorporar informações espaco-temporais nos processos de comunicação e computação, como neurônios reais fazem O objetivo do presente trabalho é empregar uma SNN no tratamento (e prevenção) de colisões com obstáculos em um ambiente desconhecido (obsctacle avoidance)O algoritmo de aprendizado bioinspirado de plasticidade sináptica dependente de tempo de spike (spike-timing-dependent plasticity - STDP) é incluído na SNN para fazer com que o sistema seja capaz de aprender com as respostas dos estímulos externos e guiar a navegação do robô através do ambiente Baseado no conhecimento adquirido ao longo do tempo durante as simulações, o robô aprendeu a utilizar as informacoes externas captadas e descreveu trajetórias livre de colisões A distância em que os movimentos evasivos são realizados também cresce consideravelmente com o tempo, indicando que o robô executa uma navegação segura Durante as experimentações utilizou-se o kit de robótica Lego Mindstorms NXT A prototipação e implementação do modelo foi feita utilizando-se o framework para robótica Microsoft Robotics Developer Studio (MRDS), que além de proporcionar um ambiente virtual para simulações, fornece recursos para à programação de diversos tipos de hardware, incluso o NXT |
publishDate |
2024 |
dc.date.none.fl_str_mv |
17.03.2011 2011.00 2024-05-01T14:00:19Z 2024-05-01T14:00:19Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://repositorio.uel.br/handle/123456789/12564 |
url |
https://repositorio.uel.br/handle/123456789/12564 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
Mestrado Ciência da Computação Centro de Ciências Exatas Programa de Pós-Graduação em Ciência da Computação |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.coverage.none.fl_str_mv |
Londrina |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UEL instname:Universidade Estadual de Londrina (UEL) instacron:UEL |
instname_str |
Universidade Estadual de Londrina (UEL) |
instacron_str |
UEL |
institution |
UEL |
reponame_str |
Repositório Institucional da UEL |
collection |
Repositório Institucional da UEL |
repository.name.fl_str_mv |
Repositório Institucional da UEL - Universidade Estadual de Londrina (UEL) |
repository.mail.fl_str_mv |
bcuel@uel.br|| |
_version_ |
1809823474583076864 |