Utilize este link para identificar ou citar este item: https://bdm.unb.br/handle/10483/36043
Arquivos neste item:
Arquivo Descrição TamanhoFormato 
2023_LuizHenriqueNunesDeOliveira_tcc.pdf14,76 MBAdobe PDFver/abrir
Registro completo
Campo Dublin CoreValorLíngua
dc.contributor.advisorMuñoz Arboleda, Daniel Mauricio-
dc.contributor.authorOliveira, Luiz Henrique Nunes de-
dc.identifier.citationOLIVEIRA, Luiz Henrique Nunes de. Aprendizado por demonstração aplicado em uma plataforma de robótica móvel usando redes neurais recorrentes. 2023. 67 f., il. Trabalho de conclusão de curso (Bacharelado em Engenharia Eletrônica) — Universidade de Brasília, Brasília, 2023.pt_BR
dc.descriptionTrabalho de conclusão de curso (graduação) — Universidade de Brasília, Faculdade UnB Gama, 2023.pt_BR
dc.description.abstractO aprendizado por demonstração é utilizado para ensinar robôs a fazerem tarefas complexas e viabiliza a programação de robôs móveis. Neste trabalho será utilizada uma plataforma robótica móvel previamente desenvolvida, chamada de robô MARIA, que faz uso da metodologia de aprendizado por demonstração a partir da composição de comportamentos simples, conhecidos como micro-comportamentos. Em particular, este trabalho visa explorar a capacidade de redes neurais artificiais recorrentes permitindo que o controlador neural use as saídas passadas, evitando mudanças bruscas entre os micro-comportamentos ensinados. Como resultados, um ambiente de simulação foi desenvolvido no intuito de validar a metodologia proposta para a aprendizagem de micro-comportamentos e cenários desconhecidos foram usados para testar a composição de micro-comportamentos. Adicionalmente, uma arquitetura de hardware da rede neural recorrente foi mapeada em um SoC FPGA e, através da técnica de hardware-in-the-loop (HIL), foi integrada ao simulador permitindo comparar numericamente o desempenho do controlador neural em software e em hardware. E por fim foram realizados testes físicos com a nova topologia de rede neural para os micro-comportamentos.pt_BR
dc.rightsAcesso Abertopt_BR
dc.subject.keywordRedes neurais (Computação)pt_BR
dc.subject.keywordAprendizado por demonstraçãopt_BR
dc.subject.keywordRobóticapt_BR
dc.titleAprendizado por demonstração aplicado em uma plataforma de robótica móvel usando redes neurais recorrentespt_BR
dc.typeTrabalho de Conclusão de Curso - Graduação - Bachareladopt_BR
dc.date.accessioned2023-09-22T15:16:40Z-
dc.date.available2023-09-22T15:16:40Z-
dc.date.submitted2023-07-25-
dc.identifier.urihttps://bdm.unb.br/handle/10483/36043-
dc.language.isoPortuguêspt_BR
dc.rights.licenseA concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor que autoriza a Biblioteca Digital da Produção Intelectual Discente da Universidade de Brasília (BDM) a disponibilizar o trabalho de conclusão de curso por meio do sítio bdm.unb.br, com as seguintes condições: disponível sob Licença Creative Commons 4.0 International, que permite copiar, distribuir e transmitir o trabalho, desde que seja citado o autor e licenciante. Não permite o uso para fins comerciais nem a adaptação desta.pt_BR
dc.contributor.advisorcoPastrana Triana, Mario Andrés-
dc.description.abstract1Demonstration learning is used to teach robots to perform complex tasks and enables the programming of mobile robots. In this work, a previously developed mobile robotic platform called MARIA will be used, which employs the methodology of demonstration learning through the composition of simple behaviors known as micro-behaviors. Specif ically, this work aims to explore the capability of recurrent artificial neural networks, allowing the neural controller to use past outputs, thus avoiding abrupt changes between the taught micro-behaviors. As a result, a simulation environment was developed to val idate the proposed methodology for learning micro-behaviors, and unknown scenarios were used to test the composition of micro-behaviors. Additionally, a hardware archi tecture of the recurrent neural network was mapped onto an SoC FPGA, and through the hardware-in-the-loop (HIL) technique, it was integrated into the simulator, allowing for a numerical comparison of the performance of the neural controller in software and hardware. Finally, physical tests were conducted with the new neural network topology for the micro-behaviors.pt_BR
Aparece na Coleção:Engenharia Eletrônica



Todos os itens na BDM estão protegidos por copyright. Todos os direitos reservados.