Título: A DIMENSÃO TEMPORAL NO APRENDIZADO DE TAREFAS DE NAVEGAÇÃO DE ROBÔS MÓVEIS USANDO REDES NEURAIS ARTIFICIAIS
Autores: Freire, Ananda L.; Barreto, Guilherme A.; Veloso, Marcus V. D.; Varela, Antonio T.
Resumo: Este artigo reporta resultados de uma investigação acerca do grau de influência que a inclusão de mecanismos de memória de curta duração (MCD) exercem sobre o desempenho de classificadores neurais quando aplicados em tarefas de navegação de robôs. Em particular, este artigo trata da navegação do tipo Wall Following. Para este fim, quatro conhecidas arquiteturas neurais (Perceptron Logístico, Perceptron Multicamadas, Mistura de Especialistas e rede de Elman) são usadas com o intuito de associar diferentes padrões de leituras sensoriais com quatro classes de ações pré-determinadas. Todas as etapas dos experimentos – aquisição dos dados, seleção e treinamento das arquiteturas em um simulador e execução das arquiteturas em um robô móvel real (SCITOS G5), são descritas em detalhes. Os resultados obtidos sugerem que a tarefa de seguir paredes, formulada como um problema de classificação de padrões, é não-linearmente separável, resultado este que favorece a rede MLP quando os classificadores são treinados sem MCD. Contudo, se mecanismos de MCD são usados, então até mesmo uma rede linear é capaz de executar a tarefa de interesse com sucesso.
Palavras-chave: Navegação de robôs; Seguir paredes; Classificadores neurais; Memória de curta duração
Páginas: 6
Código DOI: 10.21528/CBRN2003-009
Artigo em PDF: 107_CBRN2009.pdf
Arquivo BibTex: 107_CBRN2009.bib