Arquitetura de Alto Nível Baseada em Técnicas de Otimização para Aprendizado e Execução de Tarefas em Sistemas Multirobôs
Aprendizado de Tarefas, Agentes Inteligentes, Processo de Aprendizado, Teoria de Vygotsky
Trabalhos desenvolvidos com robôs móveis autônomos buscam um elevado nível de flexibilidade, adaptabilidade e eficiência nas áreas em que ainda não são eficazes quanto os humanos. Porém, diversas pesquisas evidenciam a importância de tarefas que não podem ser executadas por um único robô, fazendo-se necessário que haja uma coordenação entre outros para completar sua resolução.
Os sistemas aplicados em problemas onde as tarefas são executadas por um grupo de robôs são chamados de Sistemas Multi-Robôs, cuja tarefa global é comum a todos os robôs que interagem visando sua execução. É nesse contexto que este trabalho visa desenvolver uma arquitetura que permita gerenciar e manipular a comunicação de um ambiente dinâmico e multi-agente, constituído por agentes robóticos, agentes de software e um agente humano, cujo núcleo principal é um ambiente multi-robô. Esse ambiente é representado, em um patamar de alto nível, como um único agente no sistema maior multi-agente.
O ambiente multi-robô, composto por agentes robóticos inteligentes, será envolvido por técnicas de otimização responsáveis por propiciarem maior eficiência na resolução de problemas que necessitem de cooperação, assimilação e acomodação do conhecimento, e por implementarem um formalismo de aprendizagem de tarefas baseado na teoria de Lev Vygotsky e em outras abordagens de processo de aprendizagem de indivíduos.