Redes neurais artificiais na otimização da computação de caminhos seguros em terrenos com topografia

Detalhes bibliográficos
Autor(a) principal: Weber, Crístian Marcos
Data de Publicação: 2022
Idioma: por
Título da fonte: Manancial - Repositório Digital da UFSM
dARK ID: ark:/26339/001300000kdk2
Texto Completo: http://repositorio.ufsm.br/handle/1/26187
Resumo: Trabalho de conclusão de curso (graduação) - Universidade Federal de Santa Maria, Centro de Tecnologia, Curso de Ciência da Computação, RS, 2022.
id UFSM_63b5032fbbf321e0de96e2a218e4fc32
oai_identifier_str oai:repositorio.ufsm.br:1/26187
network_acronym_str UFSM
network_name_str Manancial - Repositório Digital da UFSM
repository_id_str
spelling Redes neurais artificiais na otimização da computação de caminhos seguros em terrenos com topografiaRedes neurais profundasInteligência artificialAprendizado de máquinaBusca de caminhoDeep neural networksArtificial intelligenceMachine learningPathfindingCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOTrabalho de conclusão de curso (graduação) - Universidade Federal de Santa Maria, Centro de Tecnologia, Curso de Ciência da Computação, RS, 2022.The computation of shortest paths (pathfinding) optimized for the topographical features of real world terrains has been investigated in different problems in the areas of robotics, computer games and simulation. Pathfinding for topographical realistic terrain models involves finding a least-cost path evaluated in terms of distance traveled according to the slopes of the terrain. In path computations performed to solve tactical and strategic problems, the pathfinding of safe paths and with lower topographical costs is a subject still little explored in the literature. Among other aspects, path safety may be related to the visual concealment of an agent traveling along the path in relation to an observer located at a position on the terrain. The objective of this work is to investigate how the computations of a heuristic pathfinding algorithm A∗ should be performed so that an agent can use a path that allows the agent’s stealth locomotion in relation to an observer. This indicates that the terrain relief features are important both for obtaining a low-cost path and for computing the observer’s field of view and the consequent agent stealth according to the terrain relief. For the use of heuristic pathfinding algorithms, determining an efficient heuristic in terms of execution time and node expansion is a challenging task in this secure topographic pathfinding problem. The proposal of this work, therefore, also involves using and evaluating the learning capacity of a deep neural network in the approximation of the heuristic to be used by the A∗ algorithm, thus allowing to optimize the computations of safe routes with lower costs.A computação de caminhos (pathfinding) otimizados para as caraterísticas topográficas de terrenos do mundo real tem sido investigada em diferentes problemas nas áreas de robótica, jogos de computador e simulação. Pathfinding em modelos de terrenos topograficamente realistas envolve encontrar um caminho de menor custo avaliado pela distância percorrida de acordo com os aclives e declives do terreno. Em computações de caminhos para solucionar problemas de natureza tática e estratégica, a busca de caminhos seguros e com menores custos topográficos é um assunto ainda pouco explorado na literatura. Entre outros aspectos, a segurança do caminho pode estar relacionada a ocultação visual de um agente em relação a um observador localizado em um ponto do terreno. O objetivo deste trabalho é investigar como as computações do algoritmo heurístico de pathfinding A∗ devem ser realizadas para que um agente possa encontrar um caminho que permita sua locomoção furtiva em relação a um observador. Isso indica que as características de relevo do terreno são importantes tanto para obtenção de um caminho de custo reduzido quanto para a computação do campo de visão do observador e a consequente furtividade do agente de acordo com o relevo do terreno. Para o emprego de algoritmos de pathfinding heurísticos, determinar uma heurística eficiente em termos de tempo de execução e expansão de nodos é uma tarefa desafiadora para pathfinding topográfico seguro. A proposta deste trabalho envolve utilizar e avaliar a capacidade de aprendizado de uma rede neural profunda na aproximação da heurística a ser usada pelo algoritmo A∗, assim permitindo otimizar as computações de rotas seguras com menores custos.Universidade Federal de Santa MariaBrasilUFSMCentro de Tecnologiade Lima Silva, Luis AlvaroWeber, Crístian Marcos2022-09-14T17:42:29Z2022-09-14T17:42:29Z2022-08-102022Trabalho de Conclusão de Curso de Graduaçãoinfo:eu-repo/semantics/publishedVersionapplication/pdfhttp://repositorio.ufsm.br/handle/1/26187ark:/26339/001300000kdk2porAttribution-NonCommercial-NoDerivatives 4.0 Internationalhttp://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccessreponame:Manancial - Repositório Digital da UFSMinstname:Universidade Federal de Santa Maria (UFSM)instacron:UFSM2022-09-14T17:42:30Zoai:repositorio.ufsm.br:1/26187Biblioteca Digital de Teses e Dissertaçõeshttps://repositorio.ufsm.br/ONGhttps://repositorio.ufsm.br/oai/requestatendimento.sib@ufsm.br||tedebc@gmail.comopendoar:2022-09-14T17:42:30Manancial - Repositório Digital da UFSM - Universidade Federal de Santa Maria (UFSM)false
dc.title.none.fl_str_mv Redes neurais artificiais na otimização da computação de caminhos seguros em terrenos com topografia
title Redes neurais artificiais na otimização da computação de caminhos seguros em terrenos com topografia
spellingShingle Redes neurais artificiais na otimização da computação de caminhos seguros em terrenos com topografia
Weber, Crístian Marcos
Redes neurais profundas
Inteligência artificial
Aprendizado de máquina
Busca de caminho
Deep neural networks
Artificial intelligence
Machine learning
Pathfinding
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
title_short Redes neurais artificiais na otimização da computação de caminhos seguros em terrenos com topografia
title_full Redes neurais artificiais na otimização da computação de caminhos seguros em terrenos com topografia
title_fullStr Redes neurais artificiais na otimização da computação de caminhos seguros em terrenos com topografia
title_full_unstemmed Redes neurais artificiais na otimização da computação de caminhos seguros em terrenos com topografia
title_sort Redes neurais artificiais na otimização da computação de caminhos seguros em terrenos com topografia
author Weber, Crístian Marcos
author_facet Weber, Crístian Marcos
author_role author
dc.contributor.none.fl_str_mv de Lima Silva, Luis Alvaro
dc.contributor.author.fl_str_mv Weber, Crístian Marcos
dc.subject.por.fl_str_mv Redes neurais profundas
Inteligência artificial
Aprendizado de máquina
Busca de caminho
Deep neural networks
Artificial intelligence
Machine learning
Pathfinding
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
topic Redes neurais profundas
Inteligência artificial
Aprendizado de máquina
Busca de caminho
Deep neural networks
Artificial intelligence
Machine learning
Pathfinding
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
description Trabalho de conclusão de curso (graduação) - Universidade Federal de Santa Maria, Centro de Tecnologia, Curso de Ciência da Computação, RS, 2022.
publishDate 2022
dc.date.none.fl_str_mv 2022-09-14T17:42:29Z
2022-09-14T17:42:29Z
2022-08-10
2022
dc.type.driver.fl_str_mv Trabalho de Conclusão de Curso de Graduação
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://repositorio.ufsm.br/handle/1/26187
dc.identifier.dark.fl_str_mv ark:/26339/001300000kdk2
url http://repositorio.ufsm.br/handle/1/26187
identifier_str_mv ark:/26339/001300000kdk2
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv Attribution-NonCommercial-NoDerivatives 4.0 International
http://creativecommons.org/licenses/by-nc-nd/4.0/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Attribution-NonCommercial-NoDerivatives 4.0 International
http://creativecommons.org/licenses/by-nc-nd/4.0/
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade Federal de Santa Maria
Brasil
UFSM
Centro de Tecnologia
publisher.none.fl_str_mv Universidade Federal de Santa Maria
Brasil
UFSM
Centro de Tecnologia
dc.source.none.fl_str_mv reponame:Manancial - Repositório Digital da UFSM
instname:Universidade Federal de Santa Maria (UFSM)
instacron:UFSM
instname_str Universidade Federal de Santa Maria (UFSM)
instacron_str UFSM
institution UFSM
reponame_str Manancial - Repositório Digital da UFSM
collection Manancial - Repositório Digital da UFSM
repository.name.fl_str_mv Manancial - Repositório Digital da UFSM - Universidade Federal de Santa Maria (UFSM)
repository.mail.fl_str_mv atendimento.sib@ufsm.br||tedebc@gmail.com
_version_ 1815172355916300288

Registros relacionados