Brain-to-brain mapping: an approach to share neural Information on Ratslam

• Ano de defesa: 2019
• Autor(a) principal: MENEZES, Matheus Chaves
• Orientador(a): OLIVEIRA, Alexandre César Muniz de
• Banca de defesa: OLIVEIRA, Alexandre César Muniz de , RIBEIRO, Paulo Rogério de Almeida , ALMEIDA NETO, Areolino de , FREITAS, Edison Pignaton de
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal do Maranhão
• Programa de Pós-Graduação: PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO/CCET
• Departamento: DEPARTAMENTO DE INFORMÁTICA/CCET
• País: Brasil
• Palavras-chave em Português: Robótica; SLAM; RatSLAM
• Palavras-chave em Inglês: Robotics; SLAM; RatSLAM
• Área do conhecimento CNPq: Ciência da Computação
• Link de acesso: https://tedebc.ufma.br/jspui/handle/tede/2604

Diversas aplicações robóticas são melhor executadas por sistemas com vários robôs em vez de apenas um, por exemplo, para explorar grandes áreas em missões críticas de busca e resgate em cenários de pós-desastre. Essas vantagens podem ser devidas à divisão de atividades, redução de custos e tempo. A Localização e Mapeamento Simultâneos (SLAM) desempenha um papel central na exploração de ambientes desconhecidos. O RatSLAM, que é baseado no sistema de navegação presente no hipocampo do cérebro dos roedores, tem sido amplamente utilizado em aplicações SLAM baseadas em vídeo. No RatSLAM, a informação neural é definida como experiências, que associam características do ambiente e movimento em uma representação única no mapa. Este trabalho apresenta uma abordagem para compartilhar informações neurais no RatSLAM, chamado brain-tobrain mapping, no qual a experiência de mapas parciais é compartilhada por vários robôs para construir cooperativamente um mapa de todo o ambiente. O primeiro passo para compartilhar informações neurais é conectar diferentes instâncias do RatSLAM através de um mecanismo de fusão, específico para o RatSLAM. Para realizar a fusão, é necessário que os robôs passem pelo menos um lugar comum entre eles e adquiram a mesma experiência sobre o lugar comum. A fusão permite que todos os robôs saibam sobre suas experiências (pose cells, local view cells e experience map) em uma estrutura compartilhada. Assim, os robôs de exploração podem reutilizar experiências aprendidas sobre o ambiente para melhorar o seu procedimento de mapeamento, como por exemplo: um robô pode corrigir parte do mapa de outro robô, enquanto usa informações compartilhadas para melhorar seu próprio mapa fechando loops. Três experimentos de diferentes ambientes foram realizados para validar a nova abordagem: um ambiente simulado, um laboratório de pesquisa e um dataset usado para validar o trabalho original do RatSLAM. Os resultados mostraram que o mapa final construído por robôs com experiência compartilhada é visualmente semelhante (mas não idêntico) a um construído por um robô realizando a mesma tarefa de mapeamento individualmente, ou seja, sem compartilhar informações.