Sistemas inteligentes de navegação autonoma: uma abordagem modular e hierarquica com novos mecanismos de memoria e aprendizagem

Este trabalho envolve o desenvolvimento de métodos, modelos e ferramentas que suportem o tratamento conjunto de controle e informação na simulação computacional de sistemas de navegação autônoma dotados de comportamento inteligente. O interesse científico no estudo de sistemas de navegação em ambientes desconhecidos e sujeitos ao atendimento de múltiplos objetivos é motivado basicamente pelo seu evidente potencial em aplicações industriais e pelo fato de demandarem a implementação de estratégias de solução complexas. A proposta básica desta dissertação é implementar novos mecanismos de memória e aprendizagem para superar uma série de limitações verificadas em um sistema de navegação já proposto na literatura, que apresenta uma arquitetura neuro-nebulosa modular e hierárquica, de modo que módulos devotados a comportamentos inatos são coordenados por um módulo caracterizado pela presença de memória e capacidade de aprendizado. A introdução destes novos mecanismos permite uma exploração mais abrangente da informação disponível no ambiente de navegação, a qual é utilizada para melhorar o desempenho do robô, possibilitando a introdução de controle sobre sua velocidade de deslocamento e, por conseqüência, simulações em ambientes mais complexos contendo obstáculos móveis e múltiplos robôs. O programa desenvolvido para simulação computacional de ambientes virtuais para sistemas de navegação também é parte integrante dos resultados obtidos.This work comprehends the development of methods, models and tools that support the joint treatment of control and information in the computational simulation of autonomous navigation systems with intelligent behavior. The scientific interest in the study of multiobjective oriented navigation systems in unknown environments is mainly motivated by its clear potential in industrial applications and also by the fact that they require the implementation of complex solution strategies. The basic proposal of this dissertation is the creation of new mechanisms of memory and learning to overcome a series of limitations verified in a system previously presented in the literature, composed of a modular and hierarchical neurofuzzy architecture. In this architecture, a module characterized by the presence of memory and learning capability coordinates inborn behavioral modules. The introduction of these new mechanisms permits a broader exploration of the environment information, which is used to improve the robot performance with the introduction of velocity control and, as a result, the execution of simulations in more complex environments, containing mobile obstacles and multiple robots. The program developed for the computational simulation of virtual environments devoted to navigation systems is also part of the obtained results