Localização de robôs móveis utilizando o novo algoritmo de Morcegos baseado em Líderes

• Autor(a) principal: Araujo Neto, Wolmar
• Data de Publicação: 2019
• Tipo de documento: Tese
• Idioma: por
• Título da fonte: Repositório Institucional da UFJF
• Texto Completo: https://repositorio.ufjf.br/jspui/handle/ufjf/10329
• topic: CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA; Robôs móveis; Algoritmo de morcegos; Localização; Localização de Monte Carlo adaptativa; AMCL; Bat algorithm; Localization; Mobile robots

Um problema estocástico complexo de importância essencial em aplicações de robôs móveis é a localização do robô. Esta pode ser tratada como um problema de otimização, devido à sua característica de apresentar diferentes possíveis soluções (mínimos locais). O método proposto nesse trabalho é baseado no Algoritmo de Morcegos, o qual apresentou melhores resultados para o problema de localização global e sequestro de robô quando comparado com outros métodos da literatura. Apresentou-se resultados favoráveis tanto para localização global, com uma celeridade tão hábil quanto os algoritmos comparados, como resultados significativos em uma situação de sequestro de robô. A nome proposto para a modificação do algoritmo clássico de morcegos foi Algoritmo de Morcegos Baseado em Líderes (Leader-Based Bat Algorithm - LBBA), em virtude de ter a característica de simular ações de líderes de grupo, os quais influenciam outros menos qualificados. A consequência da utilização de mais de um líder implica em uma busca, da melhor posição, mais diversificada no mapa, lidando melhor com cenários que apresentem muitas ambiguidades no decorrer da localização. Foram realizados testes em diferentes cenários (além do teste em um mapa real). O algoritmo bioinspirado de morcegos na sua forma clássica (BA) foi comparado com outros algoritmos (otimização de enxame de partículas - PSO e Filtro de Partículas - FP) e obteve bons resultados. Estes inspiraram a proposta de uma variante no algoritmo de morcegos capaz de lidar com situações mais complexas de localização onde o BA apresentava dificuldades, o LBBA obteve resultados notáveis quando comparado com Localização de Monte Carlo Adaptativa (AMCL).