Um modelo de sistema nervoso para o problema do controle de animaÃÃo por dinÃmica direta.

• Autor(a) principal: Yuri Lenon Barbosa Nogueira
• Data de Publicação: 2007
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações da UFC
• Texto Completo: http://www.teses.ufc.br/tde_busca/arquivo.php?codArquivo=1323
• topic: animaÃÃo dinÃmica; redes neurais; algoritmos genÃticos; Dynamic animation; neural nets; genetic algorithms; CIENCIA DA COMPUTACAO

A animaÃÃao por dinÃmica direta consiste em sintetizar os movimentos de um modelo a partir da especificaÃÃo de suas propriedades fÃsicas (massa e momento de inÃrcia), das condiÃÃes de vÃnculo entre suas partes componentes, das condiÃÃes de contato com outros corpos e das forÃas que nele atuam. Essa abordagem tem a vantagem de gerar animaÃÃes com realismo fÃsico. O problema, que continua relevante como objeto de investigaÃÃo, à o de controle do modelo: âQue forÃas devem ser aplicadas ao modelo para gerar o movimento desejado?â. A soluÃÃo do problema proposto apresentada neste trabalho assume que o modelo estudado constitui-se de uma estrutura de corpos rÃgidos articulados cujos movimentos sÃo gerados por atuadores internos, com suas forÃas definidas por um sistema nervoso. Com o uso de redes neurais artificiais e computaÃÃo evolucionÃria, o controlador proposto à capaz de adaptar-se para controlar diferentes modelos articulados, e para gerar variados tipos de movimentos enquanto mantÃm a estabilidade mesmo quando hà pequenas variaÃÃes do terreno. O modelo proposto possui, em seu nÃcleo, um gerador central de padrÃes (CPG - Central Pattern Generator) baseado em osciladores neurais, e o mesmo tem sua atividade regulada por mÃdulos sensoriais, para permitir o equilÃbrio da estrutura e estabilidade do movimento, respondendo Ãss variaÃÃes do ambiente. Para a adaptaÃÃo à estrutura articulada e aprendizagem de movimentos, o controlador possui ainda um mÃdulo cognitivo, responsÃvel pela busca dos parÃmetros neurais, atravÃs de algoritmos genÃticos, e das redes de retroalimentaÃÃo (sensoriamento), com programaÃÃo genÃtica. Resultados sÃo apresentados em associaÃÃo ao controle dos modelos humanÃide, cheetah, sapo, luxo e luxo-2, sendo esses dois Ãltimos iguais topologicamente, mas com variaÃÃes nos tamanhos dos corpos e liberdade das juntas. Todos os modelos sÃo testados em terreno plano e com rampa.