Extração automática de mapas de atributos baseada em técnica bayesiana para localização de robôs móveis
A solução do problema de determinação da postura (ou localização) é de fundamental importância para a incorporação de autonomia em robôs móveis. Entretanto, devido à natureza inexata do movimento, uma localização precisa não é possível usando unicamente odometria. Faz-se necessário extrair das leituras sensoriais do robô informações que permitam corrigir os desvios intrínsecos a cada ação executada. Neste contexto, os algoritmos de Monte Carlo estimam e atualizam a postura (com base em modelos a priori de sensores e atuadores) através de um conjunto de partículas que simbolizam possíveis posturas do robô no ambiente, associadas a uma crença que indica quão bem estas se aproximam de sua localização real. Complexa, no entanto, é a tarefa de obtenção do modelo sensorial, principalmente quando realizada por meio de técnicas não-automáticas. A idéia central aqui utilizada consiste no treinamento de redes neurais artificiais para extração automática de um mapa de atributos que simplifica o modelo sensorial, usando um método bayesiano (BaLL - Bayesian Landmark Learning) a partir de leituras sensoriais. Este trabalho descreve a implementação utilizando-se como base a plataforma ARIA para simulação de um robô móvel Magellan Pro cujos sensores externos são sonares. Os resultados mostram o funcionamento da técnica e a sua aplicabilidade para a obtenção automática de mapas de atributos.
Main Authors: | , |
---|---|
Format: | Digital revista |
Language: | Portuguese |
Published: |
Sociedade Brasileira de Automática
2006
|
Online Access: | http://old.scielo.br/scielo.php?script=sci_arttext&pid=S0103-17592006000400002 |
Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
id |
oai:scielo:S0103-17592006000400002 |
---|---|
record_format |
ojs |
spelling |
oai:scielo:S0103-175920060004000022007-04-02Extração automática de mapas de atributos baseada em técnica bayesiana para localização de robôs móveisMiranda,Fábio L. N. deRibeiro,Carlos H. C. Modelos de sensores Localização de robôs móveis Aprendizado de máquina A solução do problema de determinação da postura (ou localização) é de fundamental importância para a incorporação de autonomia em robôs móveis. Entretanto, devido à natureza inexata do movimento, uma localização precisa não é possível usando unicamente odometria. Faz-se necessário extrair das leituras sensoriais do robô informações que permitam corrigir os desvios intrínsecos a cada ação executada. Neste contexto, os algoritmos de Monte Carlo estimam e atualizam a postura (com base em modelos a priori de sensores e atuadores) através de um conjunto de partículas que simbolizam possíveis posturas do robô no ambiente, associadas a uma crença que indica quão bem estas se aproximam de sua localização real. Complexa, no entanto, é a tarefa de obtenção do modelo sensorial, principalmente quando realizada por meio de técnicas não-automáticas. A idéia central aqui utilizada consiste no treinamento de redes neurais artificiais para extração automática de um mapa de atributos que simplifica o modelo sensorial, usando um método bayesiano (BaLL - Bayesian Landmark Learning) a partir de leituras sensoriais. Este trabalho descreve a implementação utilizando-se como base a plataforma ARIA para simulação de um robô móvel Magellan Pro cujos sensores externos são sonares. Os resultados mostram o funcionamento da técnica e a sua aplicabilidade para a obtenção automática de mapas de atributos.info:eu-repo/semantics/openAccessSociedade Brasileira de AutomáticaSba: Controle & Automação Sociedade Brasileira de Automatica v.17 n.4 20062006-12-01info:eu-repo/semantics/articletext/htmlhttp://old.scielo.br/scielo.php?script=sci_arttext&pid=S0103-17592006000400002pt10.1590/S0103-17592006000400002 |
institution |
SCIELO |
collection |
OJS |
country |
Brasil |
countrycode |
BR |
component |
Revista |
access |
En linea |
databasecode |
rev-scielo-br |
tag |
revista |
region |
America del Sur |
libraryname |
SciELO |
language |
Portuguese |
format |
Digital |
author |
Miranda,Fábio L. N. de Ribeiro,Carlos H. C. |
spellingShingle |
Miranda,Fábio L. N. de Ribeiro,Carlos H. C. Extração automática de mapas de atributos baseada em técnica bayesiana para localização de robôs móveis |
author_facet |
Miranda,Fábio L. N. de Ribeiro,Carlos H. C. |
author_sort |
Miranda,Fábio L. N. de |
title |
Extração automática de mapas de atributos baseada em técnica bayesiana para localização de robôs móveis |
title_short |
Extração automática de mapas de atributos baseada em técnica bayesiana para localização de robôs móveis |
title_full |
Extração automática de mapas de atributos baseada em técnica bayesiana para localização de robôs móveis |
title_fullStr |
Extração automática de mapas de atributos baseada em técnica bayesiana para localização de robôs móveis |
title_full_unstemmed |
Extração automática de mapas de atributos baseada em técnica bayesiana para localização de robôs móveis |
title_sort |
extração automática de mapas de atributos baseada em técnica bayesiana para localização de robôs móveis |
description |
A solução do problema de determinação da postura (ou localização) é de fundamental importância para a incorporação de autonomia em robôs móveis. Entretanto, devido à natureza inexata do movimento, uma localização precisa não é possível usando unicamente odometria. Faz-se necessário extrair das leituras sensoriais do robô informações que permitam corrigir os desvios intrínsecos a cada ação executada. Neste contexto, os algoritmos de Monte Carlo estimam e atualizam a postura (com base em modelos a priori de sensores e atuadores) através de um conjunto de partículas que simbolizam possíveis posturas do robô no ambiente, associadas a uma crença que indica quão bem estas se aproximam de sua localização real. Complexa, no entanto, é a tarefa de obtenção do modelo sensorial, principalmente quando realizada por meio de técnicas não-automáticas. A idéia central aqui utilizada consiste no treinamento de redes neurais artificiais para extração automática de um mapa de atributos que simplifica o modelo sensorial, usando um método bayesiano (BaLL - Bayesian Landmark Learning) a partir de leituras sensoriais. Este trabalho descreve a implementação utilizando-se como base a plataforma ARIA para simulação de um robô móvel Magellan Pro cujos sensores externos são sonares. Os resultados mostram o funcionamento da técnica e a sua aplicabilidade para a obtenção automática de mapas de atributos. |
publisher |
Sociedade Brasileira de Automática |
publishDate |
2006 |
url |
http://old.scielo.br/scielo.php?script=sci_arttext&pid=S0103-17592006000400002 |
work_keys_str_mv |
AT mirandafabiolnde extracaoautomaticademapasdeatributosbaseadaemtecnicabayesianaparalocalizacaoderobosmoveis AT ribeirocarloshc extracaoautomaticademapasdeatributosbaseadaemtecnicabayesianaparalocalizacaoderobosmoveis |
_version_ |
1756401771259887616 |