Mapas auto-organizáveis para agentes robóticos autônomos

• Ano de defesa: 2010
• Autor(a) principal: MOLE, Vilson Luiz Dalle
• Orientador(a): ARAÚJO, Aluizio Fausto Ribeiro
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Pernambuco
• Palavras-chave em Português: Agente robótico autônomo; Auto-Localização e Mapeamento; Rede Neural Auto-Organizável; SOM; GTLSOM.
• Link de acesso: https://repositorio.ufpe.br/handle/123456789/1739

dispositivos sensores de varredura a laser. O agente explora um ambiente composto de salas, corredores e passagens entre salas. Tal ambiente é inicialmente desconhecido e o agente robótico o explora assimilando conhecimento sobre o layout e outras características, produzindo uma representação interna. O agente robótico faz uso dessa representação interna para: planejar suas ações de navegação; determinar e percorrer um caminho entre a sua posição atual e outra localizada no ambiente conhecido; navegar desviando de obstáculos; localizar a si mesmo em sua representação interna, confrontando as informações capturadas por seu sistema sensor com o seu conhecimento do ambiente; produzir reconstruções virtuais das áreas visitadas. O problema acima é formalizado considerando a captura, codificação, representação e associação de percepções como base para a obtenção de uma representação cognitiva do ambiente. Os fluxos de dados dos dispositivos sensores são considerados fontes para a extração de percepções por processos inatos, e estes, em termos computacionais, constituem um passo de pré-processamento. Nesta tese, o foco é a obtenção dos comportamentos mencionados acima, a partir de mecanismos de Inteligência Artificial. Aspectos de Neurofisiologia e Neuropsicologia são considerados na proposição de um modelo cognitivo e um conjunto de modelos computacionais e seus algoritmos. O modelo cognitivo proposto é biologicamente plausível e computacionalmente realizável. Posteriormente, o modelo cognitivo proposto é usado no desenvolvimento de artefatos computacionais para suporte aos processos cognitivos requeridos. Tal modelo é composto de uma arquitetura em camadas entrelaçadas e suporta a definição de módulos que realizam processos cognitivos isolados, bem como módulos que realizam processos cognitivos com interdependências. O modelo cognitivo proposto, o sistema motor e sensor do agente robótico e as tarefas definidas são considerados na proposição de um conjunto básico de módulos. Um novo modelo de mapa auto-organizável é proposto para suporte às atividades neurais requeridas. Esse novo modelo de rede neural foi chamado de Mapa Auto-Organizável Crescente que Aprende Topologia (Growing Topology Learning Self-Organizing Map - GTLSOM). O GTLSOM produz, a partir de triangulações simples, um mapa que representa a topologia de um espaço de amostras. Esse modelo de rede neural é usado como uma ferramenta para armazenar, agrupar e indexar percepções produzindo mapas que atuam como memórias básicas para processos cognitivos mais elaborados. O layout do ambiente no entorno do agente robótico é representado em um mapa produzido pelo modelo GTLSOM. Esse mapa é, então, empregado na interpretação do ambiente local diferenciando entre espaço livre e obstáculos. A percepção e desvio de obstáculos é suportada em dois momentos diferentes. Na fase de planejamento, o mapa de Células de Grade é usado e caminhos são determinados evitando os obstáculos conhecidos. Para tal, é proposto um algoritmo que tem por bases a dispersão de um pulso elétrico sobre um aramado e o conceito de campos potenciais. Na fase de navegação, as percepções do agente robótico são usadas na obtenção de uma memória contextual. Essa memória produz um julgamento de valor acerca da viabilidade de cada uma das ações de navegação disponíveis. O algoritmo proposto para guiar o agente robótico através de um caminho determinado no mapa de Células de Grade, considera esse julgamento de valor na decisão de qual ação executar. A reconstrução virtual de um lugar visitado é obtida usando o GTLSOM como uma ferramenta para a obtenção de uma malha de triângulos que representa as superfícies dos obstáculos e as superfícies que delimitam o ambiente. Nesta tese, o conceito de mapa topológico é similar ao de um grafo. Logo, considerando diferentes níveis de abstração, os nodos podem representar salas (localidades) ou posições (lugares). Um nodo representa um conjunto de percepções formando um contexto que habilita o agente robótico a reconhecer um lugar quando revisitado. O primeiro nível de abstração mencionado é remetido a trabalhos futuros. Entretanto, é proposto um algoritmo para a obtenção de um mapa topológico no qual cada nodo congrega um conjunto de percepções formando um contexto que identifica um lugar, uma posição visitada pelo agente e que pode ser reconhecida a partir do conjunto de características percebidas. As relações de vizinhança entre lugares são representadas pelas conexões entre nodos. O modelo GTLSOM é empregado como uma memória de percepções onde o conjunto de percepções atuais dispara lembranças cujo contexto associativo produz o reconhecimento do lugar. O modelo cognitivo e os algoritmos propostos são validados em um ambiente 3D virtual realístico. Esse ambiente foi desenvolvido como parte desta tese, e foi projetado para permitir interações diretas e em tempo real com o agente robótico virtual. A movimentação do agente no ambiente pode ser observada sob três diferentes perspectivas. Uma câmera apresenta a visão do próprio agente robótico. Outra segue o agente enquanto ele se movimenta no ambiente. A terceira câmera produz uma visão de topo, na qual se observa o agente robótico e parte do ambiente ao seu redor. A simulação da dinâmica é capaz de detectar as colisões entre o agente robótico e os elementos do ambiente. Entretanto, a simulação de inércia e de forças de aceleração e gravidade são remetidas a trabalhos futuros