Please use this identifier to cite or link to this item: https://repositorio.ufrn.br/handle/123456789/26936
Title: N-Learning, uma abordagem para ensino e aprendizagem autônomos em sistemas multirrobôs
Authors: Costa, Luís Feliphe Silva
Keywords: Sistemas multirrobôs;Robôtica baseada em comportamentos;Aprendizagem cooperativa
Issue Date: 17-Dec-2018
Citation: COSTA, Luís Feliphe Silva. N-Learning, uma abordagem para ensino e aprendizagem autônomos em sistemas multirrobôs. 2018. 85f. Tese (Doutorado em Engenharia Elétrica e de Computação) - Centro de Tecnologia, Universidade Federal do Rio Grande do Norte, Natal, 2018.
Portuguese Abstract: Propomos o paradigma N-Learning, que propicia o compartilhamento (ensino e aprendizagem) de comportamentos em sistemas multirrobôs de forma autônoma e em tempo de execução. O paradigma proposto é baseado na robótica comportamental e utiliza aprendizado cooperativo. No modelo formal, os comportamentos do robô são representados na forma de um grafo, onde comportamentos complexos podem ser decompostos em comportamentos simples que, por sua vez, podem ser executados simultaneamente. O N-Learning permite mudar o domínio de atuação do robô sem a necessidade de reprogramação. Isto é, um robô que não possui comportamentos compatíveis para um determinado domínio pode mudar e aprender com os outros robôs, atuando nesse domínio. Essa característica é útil quando existe um grande número de robôs e várias missões diferentes (em domínios diferentes) a serem cumpridas. O N-Learning também pode ser usado com comportamentos emergentes, que precisam ser compartilhados com a equipe. Para validar o paradigma, uma implementação de referência foi desenvolvida baseada na linguagem Python e no Sistema Operacional de Robôs (Robot Operating System), utilizando o simulador Stage e com robôs reais. Resultados mostram que os indivíduos de um grupo de robôs consegue aprender através de interação no sistema multirrobôs. O time sai de um estado de menos conhecimento dos robôs individualmente (isto é, robôs possuindo capacidade de execução de poucos comportamentos) para um estado de mais conhecimento (robôs conseguindo realizar mais comportamentos, aprendidos on-line). Com essa abordagem, comportamentos específicos de determinados ambientes, já existentes, não precisam estar pré-programados em robôs, que conseguem aprender os mesmos com os outros robôs da equipe. Os experimentos demonstram a versatilidade do N-Learning, validando a nossa abordagem.
Abstract: We propose the N-Learning paradigm, which allows the sharing (teaching and learning) of behaviors in multi-robot systems autonomously and at run time. The proposed paradigm is based on behavioral robotics and uses cooperative learning. In the formal model, robot behaviors are represented in the form of a graph, where complex behaviors can be broken down into simple behaviors that, in turn, can be performed simultaneously. N-Learning allows to change the scope domain of the robot without the need for reprogramming. That is, a robot that does not have compatible behaviors for a given domain can change and learn from the other robots acting in that domain. This feature is useful when there are a large number of robots and several, different missions (in different domains) to be fulfilled. N-Learning can also be used with emerging behaviors that need to be shared with the team. To validate the paradigm, a reference implementation was developed based on the Python language and the Robot Operating System, using the Stage simulator and real robots. Results show that individuals in a group of robots can learn through interaction in the multirobot system. The team comes from a state of less knowledge of robots, individually (ie, robots possessing ability to execute a few behaviors) to a state of more knowledge (robots accomplishing more behaviors, learned online). With this approach, behaviors that are specific to certain environments, already existing, do not need to be preprogrammed in the robots, which can learn them with the other robots of the team. The experiments demonstrate the versatility of N-Learning, validating our approach.
URI: https://repositorio.ufrn.br/jspui/handle/123456789/26936
Appears in Collections:PPGEE - Doutorado em Engenharia Elétrica e de Computação

Files in This Item:
File Description SizeFormat 
N-Learningabordagem_Costa_2018.pdf14,45 MBAdobe PDFThumbnail
View/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.