Navegação autônoma para veículos aéreos não tripulados simulados em ambientes desconhecidos: planejamento de caminhos através do uso da aprendizagem por reforço
dc.contributor.advisor | Simões, Marco Antônio Costa | |
dc.contributor.author | Jesus, Filipe Silva de | |
dc.contributor.referee | Mascarenhas, Ana Patricia Fontes Magalhães | |
dc.contributor.referee | Suárez, Diego Gervasio Frías | |
dc.date.accessioned | 2024-10-24T15:16:05Z | |
dc.date.available | 2024-10-24T15:16:05Z | |
dc.date.issued | 2023-07-12 | |
dc.description.abstract | Com o avanço da tecnologia e o aumento do uso de Veículos Aéreos Não Tripulados (VANTs) em diversas aplicações, como inspeções de infraestruturas, monitoramento ambiental e entregas de mercadorias, torna-se fundamental o desenvolvimento de técnicas avançadas para o planejamento de caminhos dessas aeronaves. Trabalhos relacionados na área têm explorado abordagens de aprendizagem por reforço para o planejamento de caminhos em ambientes 2D, porém, ainda existem lacunas a serem preenchidas em relação a ambientes 3D e à inclusão de obstáculos complexos. Nessa perspectiva, este estudo propõe a integração do algoritmo de busca A* no módulo de planejamento de caminhos, comparando com técnicas de navegação que utilizam a aprendizagem por reforço. Além disso, para aprimorar a percepção do agente no ambiente tridimensional, é proposta uma modelagem que converte dados de um sensor 2D em uma representação abstrata 3D via software, permitindo ao VANT obter uma compreensão mais abrangente e precisa do cenário. Os experimentos revelaram um significativo aumento na taxa de sucesso da navegação autônoma, indo de 29% para 76% com a utilização da modelagem tridimensional dos obstáculos. Além disso, demonstramos que o VANT, treinado por meio de aprendizado por reforço, adquiriu habilidades fundamentais de navegação. Esses avanços visam preencher lacunas e, consequentemente, contribuir para a automação e eficiência das operações dessas aeronaves. | |
dc.description.abstract2 | With the advancement of technology and the increasing use of Unmanned Aerial Vehicles (UAVs) in various applications, such as infrastructure inspections, environmental monitoring, and goods delivery, the development of advanced techniques for path planning of these aircraft becomes essential. Related works in the field have explored reinforcement learning approaches for path planning in 2D environments; however, there are still gaps to be filled regarding 3D environments and the inclusion of complex obstacles. In this perspective, this study proposes the integration of the A* search algorithm into the path planning module, comparing it with navigation techniques using reinforcement learning. Additionally, to enhance the agent’s perception in the threedimensional environment, a modeling approach is proposed that converts data from a 2D sensor into a 3D abstract representation via software, allowing the UAV to obtain a more comprehensive and accurate understanding of the scenario. The experiments revealed a significant increase in the success rate of autonomous navigation, rising from 29% to 76% with the utilization of 3D modeling of obstacles. Furthermore, we demonstrated that the UAV, trained through reinforcement learning, acquired fundamental navigation skills. These advancements aim to fill gaps and, consequently, contribute to the automation and efficiency of the operations of these aircraft. | |
dc.format.mimetype | application/pdf | |
dc.identifier.citation | JESUS, Filipe Silva de. Navegação autônoma para veículos aéreos não tripulados simulados em ambientes desconhecidos: planejamento de caminhos através do uso da aprendizagem por reforço. Orientador: Marco Antônio Costa Simões. 2023. 116 f. Trabalho de conclusão de curso (Bacharelado em Sistemas de Informação) - Departamento de Ciências Exatas e da Terra, Campus I, Universidade do Estado da Bahia. Salvador- BA, 2023. | |
dc.identifier.uri | https://saberaberto.uneb.br/handle/20.500.11896/6504 | |
dc.language.iso | por | |
dc.publisher | Universidade do Estado da Bahia | |
dc.publisher.program | Graduação | |
dc.rights | info:eu-repo/semantics/openAccess | |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/br/ | |
dc.rights2 | Attribution-NonCommercial-NoDerivs 3.0 Brazil | en |
dc.subject.keywords | Plajenamento de caminhos | |
dc.subject.keywords | Veículos aéreos não tripulados | |
dc.subject.keywords | Aprendizagem por reforço | |
dc.title | Navegação autônoma para veículos aéreos não tripulados simulados em ambientes desconhecidos: planejamento de caminhos através do uso da aprendizagem por reforço | |
dc.title.alternative | Autonomous navigation for simulated unmanned aerial vehicles in unknown environments: path planning using reinforcement learning | |
dc.type | info:eu-repo/semantics/bachelorThesis |
Arquivos
Pacote Original
1 - 1 de 1
Carregando...
- Nome:
- Navegação autônoma para veículos_Filipe Jesus.pdf
- Tamanho:
- 6.84 MB
- Formato:
- Adobe Portable Document Format
- Descrição:
Licença do Pacote
1 - 1 de 1
Carregando...
- Nome:
- license.txt
- Tamanho:
- 462 B
- Formato:
- Item-specific license agreed upon to submission
- Descrição: