Você está na página 1de 27

Metodologia

Cientfica

Joo Francisco de Oliveira Batista

UNIVERSIDADE ESTADUAL DE CAMPINAS


FACULDADE DE ENGENHARIA ELTRICA E DE COMPUTAO

Uma Proposta Evolutiva para Controle


Inteligente em Navegao Autnoma de
Robs
Renato Reder Cazangi
Prof. Dr. Fernando Jos Von Zuben (Orientador)
Prof. Dr. Maurcio Fernandes Figueiredo (Co-orientador)

Tese apresentada Ps-graduao da Faculdade


de Engenharia Eltrica e de Computao da
Universidade Estadual de Campinas como
requisito parcial obteno do grau de Mestre
em Engenharia Eltrica na rea de Engenharia
de Computao.

Banca examinadora:
Prof. Dr. Fernando Jos Von Zuben FEEC/UNICAMP
Prof. Dr. Christiano Lyra Filho FEEC/UNICAMP
Prof. Dr. Marconi Kolm Madrid FEEC/UNICAMP
Prof. Dr. Roseli Aparecida Francelin Romero ICMC/USP So
Carlos

Campinas, 28 de Maio de 2004

FICHA CATALOGRFICA ELABORADA PELA


BIBLIOTECA DA REA DE ENGENHARIA - BAE UNICAMP

C318p
C318p

Cazangi, Renato Reder


Cazangi,
Renato
Reder inteligente em
Uma proposta
evolutiva
para controle
Uma proposta
evolutiva
controle
inteligente
navegao
autnoma
de robspara
/ Renato
Reder
Cazangi.em-navegao
robs / Renato Reder Cazangi. -Campinas, autnoma
SP: [s.n.], de
2004.
Campinas, SP: [s.n.], 2004.
Orientadores: Fernando Jos Von Zuben ; Maurcio
Orientadores:
Fernando Jos Von Zuben ; Maurcio
Fernandes Figueiredo.
Fernandes Figueiredo.
Dissertao (mestrado)
- Universidade Estadual de
Dissertao
(mestrado)
- Universidade
de
Campinas, Faculdade de Engenharia
EltricaEstadual
e de
Campinas, Faculdade de Engenharia Eltrica e de
Computao.
Computao.
1. Sistemas inteligentes de controle. 2. Computao
1. Sistemas
inteligentes
deSistemas
controle.de
2. veculos
Computao
evolutiva.
3. Robs
mveis. 4.
evolutiva.
3.
Robs
mveis.
4.
Sistemas
de
auto-guiados. I. Von Zuben, Fernando Jos. II.veculos
auto-guiados.
I. Von
Zuben, III.
Fernando
Jos. II.
Figueiredo,
Maurcio
Fernandes.
Universidade
Figueiredo,
Maurcio
Fernandes.
III.
Universidade
Estadual de Campinas. Faculdade de Engenharia Eltrica
Estadual
de Campinas.
Faculdade de Engenharia Eltrica
e de Computao.
IV. Ttulo.
e de Computao. IV. Ttulo.

RENATO REDER CAZANGI

UMA PROPOSTA EVOLUTIVA PARA CONTROLE INTELIGENTE


EM NAVEGAO AUTNOMA DE ROBS

Dissertao apresentada ao Colegiado de Engenharia Eltrica, para a obteno do ttulo de Mestre em Engenharia Eltrica.

APROVADA em 28 de Maio de 2004.

Prof. Dr. Christiano Lyra Filho

FEEC/UNICAMP

Prof. Dr. Marconi Kolm Madrid

FEEC/UNICAMP

Profa. Dra. Roseli Aparecida Francelin Romero

ICMC/USP

Prof. Dr. Fernando Jos Von Zuben


(Orientador)
CAMPINAS-SP
2004

AGRADECIMENTOS

A Deus por me dar fora para superar as dificuldades e, embora eu no merea,


pelo privilgio de ter colocado e continuar colocando em minha vida oportunidades e, principalmente, pessoas to especiais. Entre elas, uma famlia incrvel,
os melhores orientadores e todos aqueles que s eu sei o quo so e foram importantes nessa caminhada.
Ao professor Andr Luiz Zambalde, por constante motivao, e por ser um exemplo de dedicao, competncia e simplicidade.
Aos professores do Departamento de Cincia de Computao, pelo apoio e dedicao, que me ensinaram muito do que sei.
Universidade Federal de Lavras, por me fornecer os equipamentos necessrios
e todo suporte minha pesquisa.
Aos meus pais e minha irm, cada qual a seu jeito, por serem o alicerce, a fora e a inspirao para que eu continue sempre. Tenho orgulho de t-los em minha vida.
Aos amigos e todas as pessoas que, de alguma maneira, me auxiliaram e acompanharam nesta caminhada.

Resumo
Este trabalho apresenta um sistema autnomo evolutivo aplicado ao controle de
um rob mvel em tarefas de navegao por ambientes desconhecidos. O sistema reativo, no possui conhecimento inicial e aprende a lidar eficientemente
com situaes nas quais o rob tem que capturar alvos evitando colises contra
obstculos. Para isto, ele desenvolve estratgias gerais de navegao, controlando a direo e a velocidade do rob sem qualquer auxlio externo. A abordagem
evolutiva do sistema de navegao se baseia em uma verso de sistemas classificadores com aprendizado, contendo novos operadores, fluxos de controle adicionais e mecanismos especficos para o atendimento dos requisitos de navegao. Os resultados obtidos apontam para a validade da proposta.

Abstract
This work presents an autonomous evolutionary system applied to the control of
a mobile robot when navigating in unknown environments. The system is reactive, it does not have initial knowledge and learns efficiently to deal with situations where the robot must capture targets avoiding collisions against obstacles.
Toward this end, it develops general strategies, controlling the robot direction
and speed without any external assistance. The evolutionary approach of the
navigation system is based on a version of learning classifier systems, including
new operators, additional control flows and specific mechanisms devoted to
attending the navigation requirements. The obtained results indicate the validity
of the proposal.

SUMRIO
1

Introduo

1.1

Contextualizao e motivao . . . . . . . . . . . . . . . . . . . . 7

1.2

Problema e objetivo . . . . . . . . . . . . . . . . . . . . . . . . .

1.3

Estrutura do projeto . . . . . . . . . . . . . . . . . . . . . . . . . 10

Referencial Terico

2.1

Referencial conceitual . . . . . . . . . . . . . . . . . . . . . . . . 12

2.2

Referencial relacionado . . . . . . . . . . . . . . . . . . . . . . . 14

Metodologia

3.1

Tipo de pesquisa . . . . . . . . . . . . . . . . . . . . . . . . . . . 17

3.2

Procedimento metodolgico . . . . . . . . . . . . . . . . . . . . . 18

Resultados e Discusso

4.1

Resultados e Informaes Pertinentes . . . . . . . . . . . . . . . . 20

4.2

Navegao com Rob Real: Experimentos e Resultados . . . . . . . 21

Concluses

12

17

20

23

7
1. INTRODUO

Nesta seo, apresentaremos a evoluo cientfica e tecnolgica que tem trazido


inovaes e descobertas cada vez mais surpreendentes. Na subseo 1.1, so
apresentados a contextualizao e a motivao para realizao deste trabalho. Na
subseo 1.2, apresentam-se os problemas e objetivos encontrados ao longo do
desenvolvimento. Na subseo 1.3, apresentada a estrutura do projeto.

1.1. Contextualizao e motivao

Tendo em vista todas as vantagens das abordagens evolutivas, principalmente


relacionadas robustez e autonomia, este trabalho prope e desenvolve um sistema de navegao autnomo evolutivo fundamentado na teoria dos sistemas
classificadores com aprendizagem.
Basicamente, os sistemas classificadores podem ser descritos como mtodos e princpios para criao e atualizao de regras de inferncia, chamadas
classificadores, que codificam eventuais aes a serem tomadas por um agente
sob condies especificas do ambiente. Um dos componentes fundamentais do
sistema, responsvel pela atualizao do contedo das regas e consequente aperfeioamento das mesmas, so os algoritmos genticos. A presena deles confere
o carter evolutivo aos sistemas classificadores. Por serem capazes de combinar,
em um nico sistema, evoluo e aprendizagem de forma integrada, os sistemas
classificadores podem ser considerados modelos apropriados para a sntese de
sistemas complexos adaptativos.

8
Na etapa de projeto, a execuo e a avaliao de desempenho de um sistema de controle no precisam necessariamente ser realizadas no equipamento
real a ser controlado. possvel, graas aos recursos computacionais disponveis
atualmente, realizar simulaes empregando modelagem matemtica e processamento computacional capazes de reproduzir virtualmente condies de operao em ambientes naturais. Esta opo tem gerado muita discusso entre pesquisadores, enaltecendo as vantagens e desvantagens da simulao computacional
quando comparada implementao em robs reais. A simulao computacional
uma estratgia importante por dois motivos bsicos: proficincia e tempo. Nem
todos os pesquisadores possuem aptido tcnica e disponibilidade de recursos
para construir um rob real. Alm disso, a investigao de comportamentos
complexos em robs reais pode demandar testes exaustivos, dificultando ou at
inviabilizando a implementao. Para se ter ideia do tempo despendido com
experimentos com robs reais em relao s simulaes, autores citam um experimento cuja realizao completa com robs reais levou cerca de 66 horas. Caso
fosse feito em simulao, o mesmo experimento seria reduzido a apenas 1 hora.
Apesar dos benefcios e facilidades do uso da simulao, esta no pode substituir
plenamente a experimentao em robs reais, j que as caractersticas de operao do mundo real so extremamente difceis de serem modeladas computacionalmente com exatido e completude. Seus sistemas de navegao, apesar de
apenas parcialmente autnomos, so uma mostra das potencialidades da pesquisa em navegao autnoma.
Entre as aplicaes mais comuns, esto tarefas como vigilncia, limpeza
de superfcies, auxilio a deficientes fsicos, aplicaes mdicas, transporte de
materiais e outras. Os casos de trabalhos que envolvem situaes de risco ao ser
humano so variados, como no desarmamento de minas manuteno de material

9
radioativo, limpeza de encanamentos de esgoto, prospeco submarina, sensoriamento remoto, auxilio em resgates e combate a incndios.
Dessa forma, este artigo trs consigo maneiras viveis de facilitar o cotidiano da populao trazendo mais conforto, segurana e rapidez em seus meios
de comunicao, transporte, entre outras atividades desempenhadas ainda, por
humanos. Alm disso, este projeto tambm tem como objetivo social, a acessibilidade, visando a incluso de deficientes fsicos e visuais na sociedade.

1.2. Problema e Objetivo

Um dos problemas de engenharia mais complexos pesquisa de sistemas autnomos a navegao autnoma de robs. O problema consiste em desenvolver
mecanismos de tomada de deciso para um ou mais robs mveis, dispostos em
um ambiente arbitrrio junto ao qual devem atuar de forma autnoma, visando
cumprir certas tarefas.
A complexidade do projeto fica clara quando os aspectos neles envolvidos so esmiuados. Primeiramente, o ambiente, alm de ser arbitrrio, pode
apresentar uma conformao no estruturada e dinmica, sendo que o rob desconhece sua topologia. O rob interage com o ambiente apenas por meio de seus
sensores e atuadores que so frequentemente de alcano limitado e sujeitos
rudos. Alm de navegar pelo ambiente sem auxilio externo, o rob ainda deve
executar certas tarefas predeterminadas, como: desvio de obstculos, busca de
alvo, coleta de objetos, recarga de energia, mapeamento do territrio, entre outros.

10
Particularmente neste trabalho, o problema caracterizado da seguinte
forma: o ambiente, desconhecido, possui obstculos e alvos dispostos arbitrariamente e a navegao do rob deve se dar visando realizar simultaneamente
captura de alvos, um por vez, e desvio de obstculos, evitando colises.
Com isso o objetivo do trabalho desenvolver e investigar um sistema
de navegao autnoma baseado em sistemas classificadores para guiar um rob
por ambiente desconhecidos e visando atender mltiplos objetivos, possivelmente conflitantes. O rob incumbido de duas tarefas: capturar alvos e desviar de
obstculos para tomar decises. Espera-se que o sistema de navegao, por meio
de interao com o ambiente, apresente a emergncia destes dois comportamentos e desenvolva mecanismos de coordenao dos mesmos, visto que eles so
conflitantes.

1.3. Estrutura do Projeto

Basicamente, o sistema de navegao autnomo proposto e desenvolvido foi


investigado de trs maneiras: puramente em simulao computacional, mesclando simulao com navegao em rob real, puramente em rob real. Ele possui
oito sensores que medem distncia a obstculos e luminosidade. So controlveis, de forma precisa, sua velocidade e direo.
Esta dissertao est organizada da seguinte forma: no primeiro captulo, apresentada a introduo, trazendo consigo a contextualizao e motivao do trabalho realizado, problema e objetivos, e tambm como estrutura-se o mesmo. No
segundo captulo, encontra-se o referencial terico, sendo dividido em referenci-

11
al terico e relacionado. No terceiro captulo, ser apresentada a metodologia,
sendo exposto o tipo de pesquisa e os procedimentos metodolgicos utilizados
para o desenvolvimento do projeto. No quarto captulo, sero apresentados os
resultados e discusses encontradas. No quinto captulo, as concluses obtidas
no trabalho sero demonstradas, dando a resposta aos objetivos e apresentado as
contribuies para trabalhos futuros, afim de um prximo estudante dar continuidade em seu trabalho ou at mesmo melhorar o que j foi projetado. E por fim,
o referencial bibliogrfico ser exposto, a fim de orientar os interessados a encontrar maiores informaes referentes ao que foi escrito durante todo o trabalho.
Alm disso, no incio do trabalho, h outras formas de orientao para
acompanhar o desenvolvimento do projeto, tais como o resumo do artigo, o sumrio, que o encaminhara para cada tpico desejado, indicando o capitulo em
que cada ttulo encontra-se e sua determinada pgina.

12
2. REFERENCIAL TERICO

Nesta seo, sero apresentadas as referncias bibliogrficas para o desenvolvimento de ideias, visando o embasamento do estudo, fazendo referncias aos
autores que j estudaram sobre o assunto tratado. Na subseo 2.2, ser apresentado o referencial bsico (ou conceitual) e na subseo. 2.2, o referencial relacionado (ou estado da arte).

2.1 Referencial Terico

NOLFI e FLOREANO (2000) explicam que a aprendizagem em robs baseia-se


na ideia de que um sistema de controle pode se tornar apto a atual eficientemente
diante de novas situaes, sustentando-se na sua capacidade de generalizar conhecimentos adquiridos anteriormente, mesmo que estes sejam diversos e incompletos. Entretanto, generalizao no a nica propriedade de um sistema
com aprendizagem, existem outras propriedades importantes (PFEIFER; SHERIER, 1999).
A pesquisa em torno do desenvolvimento de sistemas autnomos inteligentes intensa e apresenta diversas abordagens. Algumas abordagens promissoras envolvem: sistemas dinmicos (ARROWSMITH; PLACE, 19990; BAKER..., 1990; JACKSON, 1991), economia comportamental (MCFARLAND;
BOSSER, 1993) e esquemas (BARTLETT, 1932; ARKIN, 1993). Entretanto, a
abordagem mais consolidada e grandemente utilizada a Inteligncia Artificial.

13
A Inteligncia Artificial pode ser dividida em duas partes: a IA clssica
e a inteligncia computacional. A IA clssica rene tcnicas baseadas em lgica
proposicional e na manipulao algortmica de estruturas simblicas.

J a inteligncia computacional, a qual engloba redes neurais artificiais,


computao evolutiva, sistemas nebulosos e, mais recentemente, outros mecanismos de computao bio-inspirada, se caracteriza pela sntese de estruturas
flexveis para armazenagem e fluxo de informao, podendo apresentar processamento distribudo, controle descentralizado, auto-organizao, no linearidade,
alm de recorrer a uma grande variedade de mecanismos de inferncia e busca
em espaos de atributos.
Note que, neste trabalho, quando se fala em sistemas de IA clssica, refere-se a sistemas puramente simblicos. Muitos trabalhos de IA clssica tm
sido dedicados a espaos abstratos, virtuais, cujos estados e operaes so precisamente definidos, o que, em geral, ocorre raramente no mundo real. Outras
deficincias esto relacionadas organizao hierrquica, processamento centralizado e direcionamento a tarefas bastante especficas (PFEIFER; SHEIER,
1999).
Embora o estudo dos SCs seja relativamente novo, existem duas variantes para formao dos classificadores: a abordagem Pittsburgh, na qual um indivduo representa a soluo para o problema, e a abordagem Michigan, cuja soluo dada pela populao como um todo (MICHALEWICZ, 1996).
Este trabalho adota e descreve os fundamentos da abordagem Michigan,
cujos componentes principais, so: Mdulo de tratamento de regras e mensa

14
gens; mdulo de atribuio de crdito; mdulo de descoberta de novas regras.
Em certos problemas, a codificao binria pode levar a um desempenho insatisfatrio. Uma alternativa o uso de codificao com ponto flutuante (nmeros
reais) ou inteiros. MICHALEWICZ (1996) apresenta simulaes computacionais comparando o desempenho de algoritmos genticos com codificao binria
e com ponto flutuante, aplicados a um problema de controle.
BOOKER (1989) descreve a operao do algoritmo de Bucket Brigade, de modo
informal, fazendo uma analogia com as operaes econmicas. Segundo esta
viso, cada regra tem o papel de um intermedirio em uma transao financeira.
Como intermediria, uma regra negocia apenas com seus fornecedores ( regras
que por meio de sua atuao ativaram a regrama chamada intermediria) e seus
consumidores (eventuais regras ativadas por causa da atuao da regra intermediria).

2.2 Referencial relacionado

Devido grande variedade de situaes com que o rob pode se defrontar ao


longo da navegao, sendo algumas inditas e no previsveis, o desempenho de
um sistema de navegao depende de sua capacidade de aprendizagem e adaptao. Justamente devido importncia da aprendizagem, intensos esforos de
pesquisa tm sido dedicados ao aperfeioamento desta potencialidade em sistemas de navegao (FIGUEIREDO, 1997). J no tocante aos mecanismos de
adaptao, mecanismos sofisticados e eficientes derivados da teoria de controle
automtico (KUO, 1991) podem ser prontamente empregados.

15
As redes neurais artificiais se mostram muito eficazes na sntese de arquiteturas de controle em navegao de robs, por apresentarem um grande poder de representao de conhecimento e por serem excelentes modelos de aprendizagem e generalizao. FIGUEIREDO (1997) apresenta uma proposta inovadora e eficaz com base em tcnicas com base tcnicas avanadas de redes neurais artificiais e sistemas nebulosos, capazes de realizar processamento hbrido,
com etapas de natureza numrica e simblica.
A arquitetura do sistema hierrquica e dividida em trs mdulos principais:
dois devotados tomada de deciso e um terceiro coordenao. Em CRESTANI (2001), procede-se extenso do trabalho de FIGUEIREDO (1997). Mais
recentemente, HAYDU (2003) implementa um SNA baseado em uma rede neural multicamadas, com diferentes tipos de conexes sinpticas e que realiza aprendizagem por reforo.
Outra ferramenta de inteligncia computacional so os sistemas imunolgicos artificiais. Suas maiores virtudes so a capacidade de auto-organizao e
operao distribuda. WATANABE Y. (1999) investiga um SNA baseado nesta
tcnica. Aperfeioamentos do SNA WATANABE Y. (1999) so propostos em
MICHALEWICZ (1996), incluindo a aplicao de um mecanismo evolutivo
para determinao das conexes da rede imunolgica.
De fato, as tcnicas de computao evolutiva merecem um grande destaque em navegao autnoma, sendo a principal delas os algoritmos genticos.
Estas tcnicas se inspiram basicamente na teoria da evoluo das espcies e comungam uma estrutura bsica: realizam reproduo, impem variaes aleatrias, promovem competio e executam seleo de indivduos de uma dada po-

16
pulao. Suas principais caractersticas so: grande robustez, diversidade e capacidade de busca.
Existem diversos tipos de algoritmos de atribuio de crdito para aplicao em Sistemas Classificadores, que podem, inclusive, ser personalizados de
acordo com o problema, mas todos devem garantir a aprendizagem. O algoritmo
mais disseminado conhecido como Bucket Brigade. Este algoritmo foi especialmente proposto para problemas em que a realimentao espaada e que envolvam sistemas classificadores que contemplam classificadores postadores de
mensagens, ou seja, classificadores que ativam outros classificadores. Apesar de
bastante utilizado, este mtodo apresenta dificuldades quando o sistema classificador no admite classificadores postadores de mensagens. Neste caso, h uma
alternativa mais simples, a implementao do SC segundo a abordagem de estmulo-resposta. Neste caso, apenas um classificador ativado para atuar no ambiente, simplificando o processo de recompensa ou punio (RICHARDS,
1995).
O algoritmo de Bucket Brigade distribui energia aos classificadores. As
grandes inovaes dos XCS consistem em basear a distribuio de energia na
preciso das regras, participam apenas aqueles que foram satisfeitos pela mensagem de entrada e que tm a mesma ao da regra atuante (BUTZ..., 1997).

17
3. METODOLOGIA

Nesta seo, ser relatado de que forma aconteceu o desenvolvimento do projeto


e em qual situao metodolgica ele enquadra-se. Sendo assim, na subseo 3.1,
ser apresentado o tipo de pesquisa utilizada no trabalho e na subseo 3.2, sero
abordados os procedimentos metodolgicos necessrios para determinado resultado.

3.1 Tipo de pesquisa

A pesquisa de sistemas inteligentes por intermdio de agentes autnomos classificada como um tipo de pesquisa experimental, a qual envolve experimentos
com o Rob KHEPERA II, desenvolvidas em ambiente de simulao. A ideia se
resume em construir para entender, e a finalidade do experimento alcanar
melhores resultados a fim obter sucesso na realizao das atividades robticas
citadas. A abordagem consiste em criar sistemas artificiais que reproduzam aspectos dos sistemas naturais, de modo a entender seus mecanismos internos e
assim descobrir como e por que certos eventos ocorrem. O outro paradigma de
abordagem conhecido como analtico, prega a realizao de experimentos em
um sistema j existente para ento analisar os resultados visando desenvolver
um modelo que seja capaz de prever os efeitos de experimentos futuros.
Neste trabalho o rob tem uma capacidade de aprendizagem latente, a
qual uma caracterstica e uma das principais vantagens do sistema classificador. Isto , mesmo que o sistema no receba alguma realimentao do ambiente,

18
ele possui meios de continuar aprendendo e aperfeioando seus conhecimentos.
Outra vantagem a possibilidade da construo, de forma incremental, de um
mapa ou representao do ambiente que pode ser usado para realizao de aes
com base em planejamento.

3.2 Procedimento metodolgico

O simulador foi programado usando orientao a objetos (OO) e implementado


no ambiente de desenvolvimento Borland C++ Builder 6, que emprega a linguagem de programao C++. A linguagem C++ muito utilizada e reconhecida
por suas propriedades associadas ao paradigma de OO, como classes, hereditariedade, encapsulao, polimorfismo e persistncia.
O projeto foi realizado no ano de 2004, na UNICAMP (Universidade
Estadual de Campinas, SP), com o auxilio dos professores Fernando Jos Von
Zuben e Maurcio Fernandes Figueiredo, na Faculdade de Engenharia Eltrica e
de Computao.
O simulador desenvolvido apresenta uma interface bastante amigvel,
cujos existem para a insero e edio de objetos no ambiente (obstculos, alvos
e robs) e para controle da simulao (play, pause, stop). Alm disso, h mecanismos de anlise do desempenho do sistema durante a navegao os quais podem ser acompanhados em tempo real.
O ambiente de navegao bidimensional e permite simular situaes
caracterizadas por diferentes topologias e nveis de complexidade. Obstculos

19
so representados por retngulos de cor preta e podem ser inseridos com o tamanho e posio desejados. Alvos e robs tambm podem ser dispostos no ambiente em qualquer posio que no coincida com um objeto j existente. Os alvos
so representados por pequenos crculos em vermelho e azul, e o rob representado por uma figura triangular verde.
Alm das funcionalidades mencionadas, relativas a construo do ambiente ainda h mecanismos de analise do desempenho do sistema durante a navegao, os
quais podem ser acompanhados em tempo real. Tais ferramentas referem-se
exibio de grficos e dados que proporcionam uma interpretao visual e estatstica de diversas informaes sobre o sistema. Este mdulo do simulador rico
em detalhes e fundamental para a avaliao e acompanhamento do desempenho
e comportamento do rob e do sistema de navegao.

20
4

RESULTADOS E DISCUSSO

Nesta seo, sero abordados os resultados dos experimentos e sero discutidos


o que necessrio para obter-se melhores desempenhos. Na subseo 4.1, sero
apresentados os resultados e as informaes pertinentes. Na subseo 4.2, sero
apresentados os resultados na navegao com rob real: Experimentos e Resultados. Na subseo 4.3, sero apresentados os experimentos em ambientes reais.

4.1 Resultados e Informaes Pertinentes

Para se interpretar os resultados, recorre-se apresentao do desempenho do


SNA nos experimentos na forma de grficos. Os grficos contm trs curvas
coloridas, cada qual representante de um evento evolutivo. A curva vermelha
est associada s colises em obstculos, a curva verde representa as capturas de
alvos, e os eventos de monotonia so indicados pela curva azul. Em resumo,
cada ponto (x,y) do grfico indica a quantidade de eventos sucedidos at a respectiva gerao (x).
Considerando a eventual situao em que o alvo est posicionado atrs
de um obstculo, do ponto de vista do rob, parece ser impossvel que os sensores detectem o alvo, pois a luminosidade bloqueada pelo obstculo.
De forma simplificada os objetivos do rob durante o processo de navegao so capturar alvos continuamente e evitar colises em obstculos, partindo
de conhecimento inicial inexistente. Traduzindo em grficos, o que se espera

21
que a curva de colises estabilize aps algum tempo e a curva de capturas cresa
continuamente. Os eventos de coliso so fundamentais evoluo do sistema,
pois sua ocorrncia faz com que o sistema aprenda a desviar de obstculos e
assim tenda a no mais colidir. O rob no sofre danos materiais ao colidir, dado
que a coliso virtual. Isto , o evento disparado quando uma proximidade
menor que um limiar estipulado detectado. Os eventos de monotonia no so
desejados, mas no necessrios quando o rob fica por muito tempo sem colidir
nem capturar dados.
O principal intuito geral das experincias realizadas neste trabalho
demonstrar a capacidade de aprendizagem do sistema de navegao autnoma
em diversas formas.

4.2 Navegao com Rob Real: Experimentos e Resultados

A simulao computacional de sistemas de navegao autnomos traz facilidades como economia de tempo e equipamentos. Entretanto, por mais completo
que seja o simulador, praticamente impossvel reproduzir nele todos os pormenores de um ambiente real.
Neste sentido, importante realizar testes para se validar o sistema de
navegao tanto em simulao como de forma prtica. Com este objetivo, dois
experimentos interligados foram conduzidos, sendo que no primeiro houve treinamento do SNA at sua maturao por meio de simulao e sua validao no
ambiente real, a bordo do rob Khepera II.

22
O teste durou 58 minutos e foi encerrado quando 5000 iteraes foram
executadas. Neste intervalo, o rob atingiu a fonte luminosa 16 vezes sem que
colidisse e nem sequer sofresse eventos de monotonia.
O simulador foi implementado de forma que o modelo do rob em simulao fosse equivalente ao rob real em termos de suas caractersticas como
numero e posio de sensores, capacidade de manobras, etc.
Diante destes resultados, pode-se afirmar que os comportamentos que
emergiram por meio da simulao foram consistentes e eficazes tambm na situao real. O SNA mostrou-se robusto, pois foi capaz de realizar seus objetivos,
tratando adequadamente fatores do ambiente real ausentes em seu treinamento
virtual, como impreciso na leitura dos sensores. Alm de validar o sistema em
situaes reais, os dois experimentos anteriores demonstraram tambm que o
simulador suficientemente adequado ao treinamento, ou maturao, do sistema
de navegao em ambientes que obedeam a uma dinmica no muito complexa.
Ficou igualmente claro o dispendioso tempo gasto em experimentos reais quando comparado simulao.

23
5

CONCLUSES

A navegao de robs um problema muito oportuno pesquisa de sistemas inteligentes e suas propriedades, sendo alguma delas a aprendizagem, a
adaptao e autonomia. Estas propriedades interdependentes encontradas em
abundancia nos sistemas biolgicos motivaram sua reproduo artificial em um
sistema de controle para navegao de robs.
Este sistema, chamado sistema de navegao autnomo (SNA), foi desenvolvido ao longo deste trabalho tendo como objetivo guiar, sem qualquer
auxilio externo, um rob mvel por ambientes arbitrrios e inicialmente desconhecidos, cumprindo simultaneamente duas tarefas: evitar colises e capturar
alvos dispostos arbitrariamente no ambiente de navegao.
O SNA possui capacidade de aprendizagem e adaptao que possibilitam que o rob, a partir da ausncia de conhecimento inicial, adquira novos conhecimentos, proponha e coordene comportamentos possivelmente conflitantes,
ou seja, evolutivo. Alm de evolutivo, o SNA reativo. Isto , o sistema atua
com base em informaes instantneas capturadas pelos sensores e no com
base em dados incorporados previamente.
J os processos evolutivos so disparados por eventos de coliso, captura e monotonia que ocorrem durante a navegao do rob. Cada um destes trs
eventos dispara processos evolutivos especficos responsveis pela emergncia
dos comportamentos no-inatos de desvio de obstculos e captura de alvos. O
SNA e seus diversos aspectos foram testados e validados por um extenso de

24
experimentos de navegao. Os experimentos visaram demonstrar as virtudes do
sistema e detectar deficincias.
As principais contribuies deste trabalho esto associadas s modificaes feitas no SC original para que este pudesse ser adequadamente aplicado ao
problema tratado e produzisse bons resultados. Entre os aperfeioamentos esto:
a estrutura e a codificao de regras, procedimentos especficos de avaliao e
reproduo, incluindo operadores genticos dedicados e um mecanismo reprodutivo que emprega taxa de procriao.
Outra contribuio a sntese de um mecanismo de controle de velocidade embutido na prpria estrutura do SC. A partir da implementao do SNA
com todas as contribuies j citadas, a realizao de um elenco de experimentos possibilitou a validao da proposta e uma anlise de desempenho.
Uma das deficincias mais marcantes percebidas durante os experimentos foi a dificuldade do SNA em coordenar os comportamentos de desvio de
obstculos e captura de alvos quando o rob foi exposto a situaes de navegao em que alvo e obstculos estavam muito prximos. Esta dificuldade est
diretamente relacionada natureza dos sensores, visto que a fonte luminosa associada ao alvo acaba interferindo na deteco sensorial de obstculos. Como o
rob Khepera II admite de mdulos sensoriais mais elaborados, como cmeras
digitais, a adio de procedimentos bsicos de tratamento de imagens permitiria
contornar a questo da interferncia sensorial, custa de uma carga de processamento computacional adicional.

25
REFERNCIAS BIBLIOGRFICAS
ARKIN, R.C., (1993), Modeling Neural Function at the Schema Level: Implications and Results for Robotic Control, chapter in Biological Neural Networks
in Invertebrate Neuroethology and Robotics, ed. R. Beer, R. Ritzmann, and T.
McKenna, Academic Press, pp. 383-410.
ARROWSMITH, D. K. & PLACE, C. M., (1990), An Introduction to Dynamical Systems, Cambridge University Press.
BAKER, G. L. & GOLLUP, J. P., (1990), Chaotic Dynamics - an Introduction, Cambridge University Press.
BARTLETT, F.C., (1932), A Study in Experimental and Social Psychology,
Cambridge University Press.
BOOKER, L. B., GOLDBERG, D. E. & HOLLAND, J. H., (1989), Classifier
Systems and Genetic Algorithms, Artificial Intelligence, vol. 40, pp. 235-282.
BUTZ, M. V. & WILSON, S. W., (2001), An Algorithmic Description of
XCS, Technical Report 2000, University of Illinois at Urbana-Champaign,
Urbana, IL, EUA.
CLANCEY, W. J., (1997), Situated Cognition: On Human Knowledge and
Computer Representations, Cambridge University Press.
FIGUEIREDO, M., (1999), Navegao Autnoma de Robs, VII Escola de
Informtica da SBC - Regional Sul, pp. 74 106.
HENDRIKS-JANSEN, H., (1996), Catching Ourselves in the Act: Situated
Activity, Interactive Emergence, Evolution and Human Thought. The MIT
Press, Cambridge, MA.
JACKSON, E.A., (1991), Perspectives of nonlinear dynamics, Cambridge
University Press.
MCFARLAND, D. J. & BOSSER, T, (1993), Intelligent Behaviours in Animals and Robots, Cambridge, MA, MIT Press.

26
MICHALEWICZ, Z., (1996), Genetic Algorithms + Data Structures = Evolution Programs, 3rd edition, Springer.
NOLFI , S. & FLOREANO, D. (2000), Evolutionary Robotics, MIT Press.
PFEIFER, R. & SHEIER, C., (1999), Understanding Intelligence, MIT Press.
WATANABE, Y., ISHIGURO, A. & UCHIKAWA, H., (1999), Decentralized
Behaviour Arbitration Mechanism for Autonomous Mobile Robot Using Immune Network, In D. Dasgupta (Editor), Artificial Immune Systems and their
Applications, Springer.
WINOGRAD, T. & FLORES, F, (1986), Understanding Computers and Cognition: A New Foundation for Design, Ablex Publishing.