Aprendizagem de tarefas em robots móveis e manipuladores

Abstract

O presente trabalho de investigação centra-se na área da aprendizagem de competências de realização de tarefas com robots. Esta linha de investigação visa enfrentar e resolver complexidades de modelação e controlo envolvidas na realização de tarefas, e aumentar a autonomia e generalidade dos robots. É realizada uma sequência de investigações abrangendo os problemas do controlo de tarefas de navegação de um robot móvel autónomo em ambientes desconhecidos, e do controlo de tarefas finas de um manipulador tendo por base informação sensorial. É apresentado e validado experimentalmente um método de aprendizagem, o algoritmo "parti-game", para simultânea e cooperativamente construir um modelo do mundo, e aprender a navegar um robot móvel até uma região de destino. É investigado o comportamento do método perante alterações no ambiente de trabalho do robot. De seguida a tese desenvolve um novo método, baseado na arquitectura neuronal "Fuzzy ART", para a construção de modelos do mundo a partir de informação sensorial. O novo método é depois integrado, como complemento, no modelo "parti-game" do mundo, permitindo uma utilização mais eficiente da informação sensorial recebida. Utilizando o novo e melhorado modelo do mundo, é seguidamente introduzido um método de filtragem predictiva de trajectórias na aproximação de aprendizagem, reduzindo os custos de exploração, e resultando num novo e melhorado método de navegação. São validados experimentalmente os diferentes métodos de navegação. É de seguida realizado um estudo do problema dos erros de movimento, que surgem devido à quantização dos comandos de velocidade aplicáveis às rodas de um robot Khepera. São desenvolvidos dois algoritmos para aplicação na redução de erros. Na parte final da tese é apresentada e investigada uma arquitectura de aprendizagem por reforço, destinada à aquisição de competências de controlo para realização de tarefas finas com um manipulador tendo por base informação sensorial.