Uma abordagem baseada em Engenharia Dirigida por Modelos e Aprendizado de Máquina Aplicado a Robôs Móveis

Silva, Edson de Araújo; http://lattes.cnpq.br/4611046818672891

Tese

Uma abordagem baseada em Engenharia Dirigida por Modelos e Aprendizado de Máquina Aplicado a Robôs Móveis

A aplicação de robôs móveis em ambientes complexos requer uma alta capacidade de autonomia em sua tomada de decisão. A literatura afirma que o próximo passo na evolução dos controladores robóticos autônomos é tornar os robôs autoadaptativos. Além disso, os avanços no campo da Aprendizagem de Máquina...

ver descrição completa

Autor principal:	Silva, Edson de Araújo
Outros Autores:	http://lattes.cnpq.br/4611046818672891
Grau:	Tese
Idioma:	por
Publicado em:	Universidade Federal do Amazonas 2023
Assuntos:	Aprendizado do computador Engenharia de software auxiliada por computador Robótica CIENCIAS EXATAS E DA TERRA: CIENCIA DA COMPUTACAO: METODOLOGIA E TECNICAS DA COMPUTACAO: ENGENHARIA DE SOFTWARE Robótica Aprendizado de Máquina Aprendizado por Reforço Engenharia Dirigida por Modelo
Acesso em linha:	https://tede.ufam.edu.br/handle/tede/9319

id	oai:https:--tede.ufam.edu.br-handle-:tede-9319
recordtype	dspace
spelling	oai:https:--tede.ufam.edu.br-handle-:tede-93192023-04-28T05:04:21Z Uma abordagem baseada em Engenharia Dirigida por Modelos e Aprendizado de Máquina Aplicado a Robôs Móveis An Approach Based on Model Driven Engineering and Machine Learning Applied to Mobile Robots Silva, Edson de Araújo Barreto, Raimundo da Silva http://lattes.cnpq.br/4611046818672891 http://lattes.cnpq.br/1132672107627968 Carvalho, José Reginaldo Hughes Colonna, Juan Gabriel Pio, José Luiz de Souza Aprendizado do computador Engenharia de software auxiliada por computador Robótica CIENCIAS EXATAS E DA TERRA: CIENCIA DA COMPUTACAO: METODOLOGIA E TECNICAS DA COMPUTACAO: ENGENHARIA DE SOFTWARE Robótica Aprendizado de Máquina Aprendizado por Reforço Engenharia Dirigida por Modelo A aplicação de robôs móveis em ambientes complexos requer uma alta capacidade de autonomia em sua tomada de decisão. A literatura afirma que o próximo passo na evolução dos controladores robóticos autônomos é tornar os robôs autoadaptativos. Além disso, os avanços no campo da Aprendizagem de Máquina está aumentando, contribuindo para o surgimento de inúmeras oportunidades para o desenvolvimento de controles inteligentes aplicados aos robôs. No entanto, ainda existem vários desafios a serem enfrentados, por exemplo, a complexidade no desenvolvimento, a necessidade de reimplementação ao mudar aspectos do ambiente, a necessidade de grandes quantidades de dados, propagação de erros, mapeamento de estados complexos em uma única missão de robô, entre outros. A fim de mitigar esses problemas, propomos um Framework, denominado RLoRDE (Reinforcement Learning for Robotic model-Driven Engineering), que se baseia na utilização da Engenharia Dirigida por Modelos para simplificar o desenvolvimento de software robótico, onde o código é gerado de acordo com o modelo criado pelo desenvolvedor seguindo regras impostas pelos metamodelos desenvolvidos durante esta tese. Uma ferramenta gráfica auxilia na criação e transformação dos modelos para o código. Métodos de Aprendizado por Reforço estão disponíveis onde é possível gerar ambientes de treinamento para missões que requerem flexibilidade para lidar com a variabilidade do ambiente e promover a autoadaptação. Nossos experimentos foram realizados aumentando o grau de complexidade do ambiente para a missão do robô. Os resultados experimentais mostram que o Framework RLoRDE é promissor no sentido de que obtivemos em média 69\% de taxa de sucesso na missão em cenários onde o robô não foi treinado. The application of mobile robots in complex environments requires a high capacity for autonomy in their decision making. The literature states that the next step in the evolution of autonomous robotic controllers is to make robots self-adaptive. In addition, advances in the field of Machine Learning are increasing, contributing to the emergence of numerous opportunities for the development of intelligent controls applied to robots. However, there are still several challenges to be faced, for example, the complexity in development, the need for reprogramming when changing aspects of the environment, the need for large amounts of data, error propagation, mapping complex states into a single robot, among others. In order to mitigate these problems, we propose a Framework, called RLoRDE (Reinforcement Learning for Robotic model-Driven Engineering), which is based on the use of Model Driven Engineering to simplify the development of robotic software, where the code is generated according to the model created by the developer following rules imposed by the metamodels developed during this thesis. A graphical tool assists in creating and transforming models to code. Reinforcement Learning methods are available where it is possible to generate training environments for missions that require flexibility to deal with the variability of the environment and promote self-adaptation. Our experiments were carried out by increasing the degree of complexity of the environment for the robot's mission. The experimental results show that the Framework RLoRDE is promising in the sense that we obtained an average 69\% mission success rate in scenarios where the robot was not trained. CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior FAPEAM - Fundação de Amparo à Pesquisa do Estado do Amazonas 2023-04-27T16:00:59Z 2022-12-19 Tese SILVA, Edson de Araújo. Uma abordagem baseada em Engenharia Dirigida por Modelos e Aprendizado de Máquina Aplicado a Robôs Móveis. 2022. 80 f. Tese (Doutorado em Informática) - Universidade Federal do Amazonas, Manaus (AM), 2022. https://tede.ufam.edu.br/handle/tede/9319 por Acesso Aberto http://creativecommons.org/licenses/by/4.0/ application/pdf Universidade Federal do Amazonas Instituto de Computação Brasil UFAM Programa de Pós-graduação em Informática
institution	TEDE - Universidade Federal do Amazonas
collection	TEDE-UFAM
language	por
topic	Aprendizado do computador Engenharia de software auxiliada por computador Robótica CIENCIAS EXATAS E DA TERRA: CIENCIA DA COMPUTACAO: METODOLOGIA E TECNICAS DA COMPUTACAO: ENGENHARIA DE SOFTWARE Robótica Aprendizado de Máquina Aprendizado por Reforço Engenharia Dirigida por Modelo
spellingShingle	Aprendizado do computador Engenharia de software auxiliada por computador Robótica CIENCIAS EXATAS E DA TERRA: CIENCIA DA COMPUTACAO: METODOLOGIA E TECNICAS DA COMPUTACAO: ENGENHARIA DE SOFTWARE Robótica Aprendizado de Máquina Aprendizado por Reforço Engenharia Dirigida por Modelo Silva, Edson de Araújo Uma abordagem baseada em Engenharia Dirigida por Modelos e Aprendizado de Máquina Aplicado a Robôs Móveis
topic_facet	Aprendizado do computador Engenharia de software auxiliada por computador Robótica CIENCIAS EXATAS E DA TERRA: CIENCIA DA COMPUTACAO: METODOLOGIA E TECNICAS DA COMPUTACAO: ENGENHARIA DE SOFTWARE Robótica Aprendizado de Máquina Aprendizado por Reforço Engenharia Dirigida por Modelo
description	A aplicação de robôs móveis em ambientes complexos requer uma alta capacidade de autonomia em sua tomada de decisão. A literatura afirma que o próximo passo na evolução dos controladores robóticos autônomos é tornar os robôs autoadaptativos. Além disso, os avanços no campo da Aprendizagem de Máquina está aumentando, contribuindo para o surgimento de inúmeras oportunidades para o desenvolvimento de controles inteligentes aplicados aos robôs. No entanto, ainda existem vários desafios a serem enfrentados, por exemplo, a complexidade no desenvolvimento, a necessidade de reimplementação ao mudar aspectos do ambiente, a necessidade de grandes quantidades de dados, propagação de erros, mapeamento de estados complexos em uma única missão de robô, entre outros. A fim de mitigar esses problemas, propomos um Framework, denominado RLoRDE (Reinforcement Learning for Robotic model-Driven Engineering), que se baseia na utilização da Engenharia Dirigida por Modelos para simplificar o desenvolvimento de software robótico, onde o código é gerado de acordo com o modelo criado pelo desenvolvedor seguindo regras impostas pelos metamodelos desenvolvidos durante esta tese. Uma ferramenta gráfica auxilia na criação e transformação dos modelos para o código. Métodos de Aprendizado por Reforço estão disponíveis onde é possível gerar ambientes de treinamento para missões que requerem flexibilidade para lidar com a variabilidade do ambiente e promover a autoadaptação. Nossos experimentos foram realizados aumentando o grau de complexidade do ambiente para a missão do robô. Os resultados experimentais mostram que o Framework RLoRDE é promissor no sentido de que obtivemos em média 69\% de taxa de sucesso na missão em cenários onde o robô não foi treinado.
author_additional	Barreto, Raimundo da Silva
author_additionalStr	Barreto, Raimundo da Silva
format	Tese
author	Silva, Edson de Araújo
author2	http://lattes.cnpq.br/4611046818672891
author2Str	http://lattes.cnpq.br/4611046818672891
title	Uma abordagem baseada em Engenharia Dirigida por Modelos e Aprendizado de Máquina Aplicado a Robôs Móveis
title_short	Uma abordagem baseada em Engenharia Dirigida por Modelos e Aprendizado de Máquina Aplicado a Robôs Móveis
title_full	Uma abordagem baseada em Engenharia Dirigida por Modelos e Aprendizado de Máquina Aplicado a Robôs Móveis
title_fullStr	Uma abordagem baseada em Engenharia Dirigida por Modelos e Aprendizado de Máquina Aplicado a Robôs Móveis
title_full_unstemmed	Uma abordagem baseada em Engenharia Dirigida por Modelos e Aprendizado de Máquina Aplicado a Robôs Móveis
title_sort	uma abordagem baseada em engenharia dirigida por modelos e aprendizado de máquina aplicado a robôs móveis
publisher	Universidade Federal do Amazonas
publishDate	2023
url	https://tede.ufam.edu.br/handle/tede/9319
_version_	1831970153083961344
score	11.753735

Uma abordagem baseada em Engenharia Dirigida por Modelos e Aprendizado de Máquina Aplicado a Robôs Móveis

Registros relacionados