Controle inteligente de um robô móvel omnidirecional com tomada de decisão utilizando aprendizagem por reforço
| Autor: | Moreira, Victor Ramon Firmo |
|---|---|
| Přispěvatelé: | Araújo, Fábio Meneghetti Ugulino de, Santana Júnior, Orivaldo Vieira de, Colombini, Esther Luna, Bessa, Wallace Moreira |
| Jazyk: | portugalština |
| Rok vydání: | 2021 |
| Předmět: | |
| Zdroj: | Repositório Institucional da UFRN Universidade Federal do Rio Grande do Norte (UFRN) instacron:UFRN |
| Popis: | Conselho Nacional de Desenvolvimento Científico e Tecnológico - CNPq A evolução dos sistemas robóticos se tornou evidente no decorrer do tempo. Tanto pelos avanços em fabricação mecânica quanto pelos novos algoritmos utilizados, os robôs móveis têm se tornado cada vez mais independentes em suas ações. No que tange às estratégias de aprendizagem de máquina, uma atenção especial vem sendo dada aos algoritmos de aprendizagem por reforço, em virtude de suas semelhanças com o processo de aprendizado biológico. Neste trabalho propõe-se o desenvolvimento de um agente autônomo, combinando estratégias de controle inteligente com algoritmos de tomada de decisão. Para a implementação da estratégia proposta, será utilizado o robô móvel omnidirecional Robotino. Foram realizadas simulações de atuação do robô que tem por objetivo a exploração espacial de um ambiente, sendo para isso aplicado um modelo matemático específico. Para o controle do sistema, a estratégia de Linearização por Realimentação foi combinada a um compensador baseado em Redes Neurais Artificiais para lidar com as incertezas, eventuais perturbações externas e compensar a dinâmica não modelada. O algoritmo epsilon-greedy, por sua vez, foi escolhido para capacitar o robô no processo de tomada de decisão. Os resultados da implementação experimental mostram que a estratégia de controle inteligente foi eficiente e o agente inteligente proposto foi capaz de explorar o ambiente de maneira efetiva, obtendo uma alta recompensa média. The evolution of robotic systems has become evident over time. Due to the advances in mechanical manufacturing and the new algorithms used, mobile robots have become increasingly independent in their actions. Regarding machine learning strategies, special attention is given to reinforcement learning algorithms, because of its similarities with the biological learning process. This work proposes the development of an autonomous agent, combining intelligent control strategies with decision-making algorithms. For the implementation of the proposed strategy, the Robotino®omnidirectional mobile robot will be used. Simulations of the robot’s performance were performed to explore space in an environment, for which a specific mathematical model is applied. For system control, the Linearization by Feedback strategy was combined with a compensator based on Artificial Neural Networks to deal with uncertainties, possible external disturbances disturbances and compensate for unmodeled dynamics. The e-greedy algorithm, in turn, was chosen to enable the robot in the decision-making process. The results of the experimental implementation show that an intelligent control strategy was efficient and the proposed intelligent agent was able to explore the environment effectively, obtaining a high average reward. |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|