Agentes autônomos com rastreamento de alvo baseado em visão computacional e aprendizagem por reforço
Agentes Autônomos, Aprendizagem por Reforço, Controle Inteligente, Rastreamento de Alvo, Visão Computacional
A sociedade moderna, a partir da evolução das técnicas de aprendizagem de máquina e da inteligência artificial, evoluiu para o estado em que se requer cada vez menos operadores humanos para realização de atividades simples, como aspirar o piso, caixas de supermercado, até mesmo atividades complexas como dirigir veículos que, apesar de grande avanço no desenvolvimento, apresentam dificuldades de adquirir robustez em condições inesperadas. No que se refere a agentes inteligentes, que realizam atividades como as mencionados, é requerido destes o domínio de seu ambiente bem como possuir um sistema de controle capaz de lidar com situações imprevistas, a fim de que se aproximem dos traços de organismos inteligentes: robustez, capacidade de predição, de aprendizagem e de adaptação às circunstâncias em que está inserido. A visão computacional permite o reconhecimento do ambiente por parte do agente de modo que, com algoritmos de aprendizagem por reforço, ele possa modificar suas ações de controle quando, no intuito de desviar de obstáculos e evitar colisões ou acidentes. Neste trabalho espera-se combinar visão computacional com a abordagem de aprendizagem por reforço para realizar a tomada de decisões do controlador inteligente de um robô móvel que permitirá a este agente adquirir a capacidade necessária para seguir eficientemente a trajetória aleatória de um veículo-alvo a uma distância delimitada, de modo robusto e seguro. Espera-se, a partir de simulações em plataforma de simulação e avaliação experimental com o robô móvel omnidirecional Robotino, atingir o resultado esperado para a tarefa de seguidor atribuída ao agente.