Utilização de redes neurais de Spikes para tarefas de navegação de agentes robóticos autônomos

Detalhes bibliográficos
Ano de defesa: 2024
Autor(a) principal: Mantovani, Rafael Gomes
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
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