NeuroFSM: aprendizado de Autômatos Finitos através do uso de Redes Neurais Artificiais aplicadas à robôs móveis e veículos autônomos

Abstract

Autonomous navigation is a fundamental task in mobile robotics. In order to accurately perform this task it is necessary an intelligent navigation and control system associated to the sensorial system. This project presents the development of a control system for autonomous mobile robots and vehicles navigation. The adopted approach uses Artificial Neural Networks for Finite State Machine learning, allowing the robots to deal with sensorial data even when this data is not precise and correct. Simultaneously, it allows the robots to consider the different situations and states they are inserted in (context detection). This way, it is possible to decide how to proceed with motion control and then execute navigation and control tasks from the most simple ones until the most complex and high level tasks. So, this work uses Artificial Neural Networks to recognize the robot's current state (context) at the environment where it is inserted. Once the state is detected, including identification of robot's position according to environment elements, the robot will be able to determine the action/behavior to be executed. The navigation and control system implements a Finite State Machine deciding the current action from current state, being able to identify state changes, alternating between different previously defined behaviors. In order to validade this approach, many experiments were performed with the use of a robotic simulator (Player-Stage), and carrying out tests with real robots (Pioneer P3-AT, SRV-1 and autonomous vehicles).

Navegação autônoma de robôs móveis e detecção de intrusos em ambientes internos utilizando sensores 2D e 3D

“…Em relação a estas três funcionalidades (mapeamento, localização e navegação), neste trabalho foi abordado o uso de mapas topológicos, onde a construção e uso destes mapas considerou o trabalho anterior de outro membro do Laboratório LRM, Daniel Sales (Sales, 2012a), que também atuou junto aos projetos do INCT-SEC relativos aos robôs de vigilância. Este trabalho permitiu implementar um mecanismo de navegação topológica, resultando na publicação de um trabalho conjunto sobre este tema (Sales, 2012b).…”

“…Esta sequência de trechos pode ser definida como um autômato finito (sequência de estados e ações associadas), e que permite representar uma trajetória definida em um mapa topológico. Esta abordagem foi proposta por Daniel Sales (Sales, 2012a), em sua dissertação de mestrado, tendo sido desenvolvida junto ao LRM/ICMC-USP. A Figura 2.3 exemplifica essa abordagem.…”

“…Portanto, uma vez conhecida a posição de origem e destino no mapa topológico (que é previamente fornecido), o robô pode definir uma trajetória e navegar de modo a avançar de um nodo a outro do mapa topológico. De acordo com Sales (Sales, 2012a), são implementados comportamentos reativos simples de navegação para cada situação (estado), e ao ser detectada a transição de um nodo a outro (através de um reconhecimento dos padrões que definem as transições, como portas e passagens com curvas a esquerda ou a direita), o robô atualiza sua localização em relação ao mapa topológico, ao mesmo tempo em que seleciona um novo comportamento adequado para navegar neste ambiente (p.ex. avançar em um corredor).…”

“…avançar em um corredor). A abordagem proposta em (Sales, 2012a) realiza esta navegação baseada em mapas topológicos através da implementação de autômatos finitos e de redes neurais artificiais, que são responsáveis pela detecção da troca de estados (passagem de um nodo a outro do mapa).…”

“…Nesta dissertação, considerou-se a proposta do uso da metodologia apresentada em (Sales, 2012a), sendo que as tarefas que necessitavam ser desenvolvidas eram: (i) a detecção de transições entre nodos do mapa topológico, e (ii) a implementação de um comportamento reativo de navegação que permitisse seguir de um nodo a outro do mapa, desviando de obstáculos. A detecção de transições entre nodos do mapa topológico foi desenvolvida usando uma rede neural artificial para identificar situações específicas (baseada no uso do Kinect), conforme será apresentado na seção 4.3.…”