Apresentador : Eder Almeida Batista de Oliveira
Filiação: DCM
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.