Cultura e extensão
Exame de Qualificação do mestrando - Algoritmos genéticos e redes neurais artificiais para o projeto de robôs móveis robustos a falhas
Palestrante : Eder Almeida Batista de Oliveira
Data: 22/02/2021 Horário: 14:00 às 18:00
Local: Google Meet
Descrição: Resumo: Robôs autônomos são totalmente dependentes de seus sensores e atuadores para interagir com o ambiente, porém tais mecanismos são suscetíveis a falhas. Por conta disso o robô pode comportar-se de formas não previstas e não conseguir realizar suas tarefas de forma aceitável. O projeto das leis de controle para que o robô seja robusto a falhas pode ser extremamente complexo, devido a imprevisibilidade de situações e variações ambientais, endógenas e exógenas ao robô. Neste contexto, podem ser utilizadas técnicas de Algoritmos Evolutivos (AEs) como Algoritmos Genéticos (AGs) para buscar soluções que sejam eficientes. Porém soluções de AGs tradicionais tendem a ser ruins em ambientes com muitas variações e na ocorrência de falhas, pois tais soluções consideram superfícies de fitness estáticas na fase de otimização dos controladores evolutivos. O objetivo deste trabalho é o estudo da busca de soluções que sejam robustas a falhas, definidas por Redes Neurais Artificiais (RNAs) otimizadas por um Algoritmo Genético. Diferentemente de outras soluções encontradas na literatura, uma rede neural é treinada de maneira supervisionada para reproduzir o comportamento de um controlador definido pelo projetista. Então, AGs serão utilizados para otimizar a RNA de modo a obter soluções robustas a falhas.
Data: 22/02/2021 Horário: 14:00 às 18:00
Local: Google Meet
Descrição: Resumo: Robôs autônomos são totalmente dependentes de seus sensores e atuadores para interagir com o ambiente, porém tais mecanismos são suscetíveis a falhas. Por conta disso o robô pode comportar-se de formas não previstas e não conseguir realizar suas tarefas de forma aceitável. O projeto das leis de controle para que o robô seja robusto a falhas pode ser extremamente complexo, devido a imprevisibilidade de situações e variações ambientais, endógenas e exógenas ao robô. Neste contexto, podem ser utilizadas técnicas de Algoritmos Evolutivos (AEs) como Algoritmos Genéticos (AGs) para buscar soluções que sejam eficientes. Porém soluções de AGs tradicionais tendem a ser ruins em ambientes com muitas variações e na ocorrência de falhas, pois tais soluções consideram superfícies de fitness estáticas na fase de otimização dos controladores evolutivos. O objetivo deste trabalho é o estudo da busca de soluções que sejam robustas a falhas, definidas por Redes Neurais Artificiais (RNAs) otimizadas por um Algoritmo Genético. Diferentemente de outras soluções encontradas na literatura, uma rede neural é treinada de maneira supervisionada para reproduzir o comportamento de um controlador definido pelo projetista. Então, AGs serão utilizados para otimizar a RNA de modo a obter soluções robustas a falhas.