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

• Autor(a) principal: Mantovani, Rafael Gomes
• Data de Publicação: 2024
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações da UEL
• Texto Completo: https://repositorio.uel.br/handle/123456789/12564
• 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)

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