Cooperação humano-robô através de interações por ações

• Ano de defesa: 2019
• Autor(a) principal: Carvalho, Kevin Braathen de
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Viçosa; Ciência da Computação
• Palavras-chave em Português: Interação homem-máquina; Robótica Redes neurais (Computação); Sistema de reconhecimento de padrões; Ciência da Computação
• Link de acesso: https://locus.ufv.br//handle/123456789/30974

A Interação Humano-Robô vem ganhando mais espaço no meio acadêmico nos últimos anos. Esta é uma área de interesse devido ao seu grande leque de aplicações, tais como busca e resgate, entretenimento, auxílio militar e policial, exploração espacial, tarefas com veículos aéreos não tripulados e robótica socialmente assistiva. O último item pode ser mais detalhado com aplicações como ajuda a idosos, pessoas física ou mentalmente debilitadas, e até mesmo suporte educacional. Esse trabalho propõe um método de reconhecimento de ações para ser utilizado como via de comunicação com uma plataforma robótica para tarefas de robótica socialmente assistiva, tais como auxiliar o usuário em carregar peso, sendo capaz de segui-lo e de ir para pontos predeterminados, enquanto desvia de obstáculos. O método proposto para interação é baseado em redes neurais artificiais e se apoia em redução da dimensionalidade da entrada pelo uso de autovalores. A base de dados utilizada é própria, devido ao fato das bases de dados encontradas na internet não possuírem classes de ações desejadas para a aplicação proposta. A validação do método se da através de comparação com o DTW (Dynamic Time Warping), tanto em desempenho simples quanto em escalabilidade. Testes online são realizados para assegurar que a base de dados não estava enviesada ou tendenciosa. Os resultados experimentais mostraram que o método de comunicação é eficaz, tendo mais de 99% de acerto nos testes online, para 5 pessoas diferentes na sua basc de dados com 10 amostras de cada pessoa para cada classe. A estratégia é escalável para novos usuários e requer um número reduzido de 5 amostras de treinamento de cada pessoa para cada classe para alcançar taxas de acerto superiores a 96%. Palavras-chave: Reconhecimento de Ações. Interação Humano-Robô. Robótica Social- mente Assistiva. Redes Neurais.