Use este identificador para citar ou linkar para este item:
http://riu.ufam.edu.br/handle/prefix/7014
Tipo de documento: | Trabalho de Conclusão de Curso |
Título: | Controlador baseado em aprendizado por reforço para robôs seguidores de pessoas |
Autor(a): | Souza, Fabricio Pinheiro de |
Orientador(a): | Silva, Edson de Araújo |
metadata.dc.contributor.referee1: | Oliveira, Felipe Gomes de |
metadata.dc.contributor.referee2: | Souza, Adriano Honorato de |
Resumo: | Este trabalho propõe uma técnica de rastreamento e acompanhamento de pessoas por meio de robôs seguidores, utilizando aprendizado por reforço. A abordagem baseia-se no algoritmo Deep Q-Network (DQN), que combina aprendizado por reforço e redes neurais profundas. A implementação consiste em um ambiente de treinamento customizado e um agente capaz de aprender a se locomover a partir de um cenário criado no simulador Gazebo. O trabalho apresenta uma revisão bibliográfica sobre o tema, seguida pela descrição da metodologia utilizada, que envolve pesquisa nas bases de dados, construção da solução e treinamento do modelo. Como resultado, a técnica proposta demonstrou ser viável para ser aplicada e testada em robôs reais e tem potencial para diversas aplicações, como vigilância, busca e resgate, assistência humana e segurança. |
Resumo em outro idioma: | This work proposes a tracking and follow-up technique training of people through follower robots, using learning by reinforcement. The approach is based on the Deep Q-Network (DQN) algorithm, which combines reinforcement learning and deep neural networks. The implementation ˜ consists of a customized training environment and an agent capable of learn to move around from a scenario created in the Gazebo simulator. ' The work presents a bibliographic review on the subject, followed by the description of the methodology used, which involves research in the databases, construction of the solution and training of the model. As a result, the technique is proposal proved to be feasible to be applied and tested in real robots and has potential for several applications, such as surveillance, search and rescue, as- human assistance and security. |
Palavras-chave: | Robótica OpenAI Gym Deep Q-Network Aprendizado por Reforço ROS |
Área de conhecimento - CNPQ: | CIENCIAS EXATAS E DA TERRA |
Idioma: | por |
País de publicação: | Brasil |
Faculdade, Instituto ou Departamento: | ICET - Instituto de Ciências Exatas e Tecnologia (Itacoatiara) |
metadata.dc.publisher.course: | Sistemas de Informações - Bacharelado - Itacoatiara |
Tipo de acesso: | Acesso Aberto |
metadata.dc.rights.uri: | An error occurred getting the license - uri. An error occurred getting the license - uri. |
URI: | http://riu.ufam.edu.br/handle/prefix/7014 |
Vocabulário controlado: | Redes neurais (Computação) Inteligência computacional Robôs - Programação |
Aparece nas coleções: | Trabalho de Conclusão de Curso - Graduação - Ciências Exatas e da Terra |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
TCC_FabricioSouza.pdf | 2,14 MB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.