Resumo da Tese apresentada à COPPE/UFRJ como parte dos requisitos necessários para a obtenção do grau de Mestre em Ciências (M.Sc.)

Um Algorítmo de Aprendizado para Replanejamento e Adaptação para Veículos Submarinos Autonomos

Rodrigo Fonseca Carneiro

Março/2016

Orientador:

Ramon Romankevicius Costa

Programa:

Engenharia Elétrica

      Rob´otica autˆonoma ´e um dos principais desafios de pesquisa na ´area de rob´otica atualmente. Robˆos submarinos s˜ao um caso especial por estarem imersos em um ambiente dinˆamico com pouca comunica¸c˜ao com a superf´ýcie, sensores ruidosos e imprecisos e energia limitada.
      Uma das principais tarefas para um robˆo submarino para ser autˆonomo ´e perceber o mundo, tomar decis˜oes com base nessas percep¸c˜oes e navegar atrav´es do ambiente para cumprir sua miss˜ao.
      Este trabalho ir´a introduzir os conceitos de percep¸c˜ao, tomada de decis˜ao e Machine Learning a ser aplicado a um Ve´ýculo de Opera¸c˜ao Remoto (ROV), a fim de transform´a-lo em um Ve´ýculo de Opera¸c˜ao Remoto H´ýbrido (H-ROV).
      Esses conceitos ser˜ao aplicados em um replanejamento de miss˜ao onde o robˆo deve escolher a partir de um conjunto de diferentes a¸c˜oes aquelas que o far˜ao atingir seus objetivo. Essas a¸c˜oes formar˜ao um novo plano quando algo impede a execu¸c˜ao do plano inicial. Para o replanejamento os conceitos de Reinforcement Learning ser˜ao aplicados, de modo a minimizar a energia necess´aria para a realiza¸c˜ao do novo plano de a¸c˜oes.
      O algoritmo foi aplicado em um ambiente de simula¸c˜ao e mostrou-se eficaz para replanejamento e adapta¸c˜ao da miss˜ao.