Localização e mapeamento simultâneos utilizando otimização por inteligência de enxame

• Ano de defesa: 2019
• Autor(a) principal: Oliveira, Pedro Jorge de Albuquerque de
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade do Estado do Rio de Janeiro; Centro de Tecnologia e Ciências::Faculdade de Engenharia; BR; UERJ; Programa de Pós-Graduação em Engenharia Eletrônica
• Palavras-chave em Português: Electronic Engineering; Collective intelligence; Simultaneous Localization And Mapping; Robotics; Swarm intelligence; Engenharia eletrônica; Inteligência coletiva; Localização e Mapeamento Simultâneos; Robótica; Inteligência de enxame; CNPQ::ENGENHARIAS
• Link de acesso: http://www.bdtd.uerj.br/handle/1/11752

O problema de localização e mapeamento simultâneos é de fundamental importância tanto por suas aplicações em potencial para a construção de sistemas robóticos autônomos quanto por seu mérito próprio. De fato, a capacidade de adquirir mapas de regiões desconhecidas por meio de um processo exploratório tem, por exemplo, o potencial de alterar o modo de agir de equipes de resgate e operação em situações de emergência a tal ponto que pode ensejar a construção de equipes robóticas de resgate, que operem de modo totalmente independente, num futuro próximo. Uma aplicação mais imediata seria a ampliação da capacidade de adaptação de robôs industriais, que operam em ambientes que são, majoritariamente, conhecidos a priori e estáticos apesar de estarem sujeitos a pequenas alterações como o reposicionamento de obstáculos móveis. Nessa dissertação, apresentamos uma solução para o problema de localização e mapeamento simultâneos que se baseia na otimização por inteligência de enxame. Muito embora diversos trabalhos apliquem métodos clássicos de otimização tais como os quasi-Newton e afins, o uso de técnicas de otimização bio-inspiradas e livres de derivadas foi relativamente pouco explorado nesse campo. Dito isso, escolhemos três técnicas de otimização por inteligência de enxame, quais sejam: enxame de partículas, colônia artificial de abelhas e o algoritmo inspirado nos vaga-lumes . Além disso, e em consonância com o objetivo de construir uma solução eficiente para o problema de localização e mapeamento simultâneos, fazemos uso do conceito de grafos de poses para construir uma solução robusta. Os sistemas de localização e mapeamento simultâneos que sâo baseados em grafos de poses estão, hodiernamente, no estado da arte e acreditamos que o desenvolvimento de sistemas de processamento de varreduras robustos é de extremo valor para o avanço dessa área da robótica. Concluímos por meio dos experimentos que o uso da técnica de otimização por enxame de abelhas forneceu os resultados mais acurados dentro do escopo da estimação online. Essa constatação pode ser verificada pelo fato de que, nos melhores casos, obtivemos ganhos de acurácia entre 12% e 88% na estimativa das componentes translacionais da trajetória do robô em relação a sistemas do estado da arte pelo uso do algoritmo de otimização por colônia artificial de abelhas. O método de otimização inspirado no comportamento de vagalumes não obteve resultados tão precisos quanto os do algoritmo de otimização por colônia artificial de abelhas, entretanto em 7 dos 8 conjuntos de dados de domínio público que utilizamos ele foi o método mais veloz, consumindo, em média, apenas 23% do tempo gasto pela otimização por colônia artificial de abelhas por varredura. A otimização por enxame de partículas apresentou uma precisão inferior que a otimização por colônia artificial de abelhas, no entanto, seu consumo de tempo foi intermediário em comparação às duas outras meta-heurísticas empregadas.