Tomada de decisão e planejamento de trajetória para veículos inteligentes utilizando processos de decisão de Markov parcialmente observáveis e aprendizado por reforço inverso

• Processo: 18/19732-5
• Modalidade de apoio: Bolsas no Brasil - Doutorado
• Data de Início da vigência: 01 de janeiro de 2019
• Data de Término da vigência: 10 de janeiro de 2022
• Área de conhecimento: Engenharias - Engenharia Elétrica
• Pesquisador responsável: Denis Fernando Wolf
• Beneficiário: Júnior Anderson Rodrigues da Silva
• Instituição Sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Vinculado ao auxílio: 14/50851-0 - INCT 2014: Instituto Nacional de Ciência e Tecnologia para Sistemas Autônomos Cooperativos Aplicados em Segurança e Meio Ambiente, AP.TEM
• Assunto(s): Robótica Veículos autônomos Veículos inteligentes Tomada de decisão Processos de Markov
• Palavra(s)-Chave do Pesquisador: Aprendizado por reforço inverso | Navegação cooperativa | planejamento de trajetória | Processos de Decisão de Markov Parcialmente Observáveis | Veículos autônomos | Robótica Móvel

Resumo

Robôs móveis autônomos que compartilham um mesmo ambiente com pessoas requerem estratégias de planejamento de movimento que se assemelhem, em alguns aspectos, ao comportamento humano. Tal comportamento facilita que outros agentes predigam os movimentos do robô e vice-versa, fazendo com que a navegação flua de forma conjunta. Este é um cenário muito provável no qual os veículos autônomos estarão inseridos: terão que compartilhar as vias de tráfego com outros veículos (autônomos ou não), se integrando aos mesmos de forma cooperativa. Neste projeto de doutorado propõe-se o desenvolvimento e implementação de uma estrutura de tomada de decisão para veículos autônomos em um cenário urbano. As ações de outros veículos serão inferidas por meio de aprendizado por reforço inverso, pelo o qual os comportamentos de agentes são aprendidos por meio da imitação de um especialista. A tomada de decisão se dará por meio de Processos de Decisão de Markov Parcialmente Observáveis, uma vez que as ações de outros veículos não podem ser observadas diretamente. Por fim, uma trajetória será planejada e executada considerando-se o estilo de pilotagem do especialista. Para validação da proposta, será utilizada a plataforma de testes CaRINA II, um veículo autônomo em desenvolvimento pelo Laboratório de Robótica Móvel da USP em São Carlos. O ambiente de teste será o Campus 2 da USP em São Carlos, pois este possui elementos estruturais que caracterizam um cenário urbano. Este projeto faz parte do projeto temático apoiado pela FAPESP, processo n. 2014/50851-0 "Instituto Nacional de Ciência e Tecnologia para Sistemas Autônomos Cooperativos Aplicados em Segurança e Meio Ambiente". (AU)

Publicações científicas

(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)

RODRIGUES DA SILVA, JUNIOR ANDERSON; GOMES, IAGO PACHECO; WOLF, DENIS FERNANDO; GRASSI, VALDIR. parse Road Network Model for Autonomous Navigation Using Clothoid. IEEE TRANSACTIONS ON INTELLIGENT TRANSPORTATION SYSTEMS, v. 23, n. 2, p. 885-898, FEB 2022. (18/19732-5, 14/50851-0)

RODRIGUES DA SILVA, JUNIOR ANDERSON; GRASSI JR, VALDIR; WOLF, DENIS FERNANDO; IEEE. Decision Making for Autonomous Vehicles at Signalized Intersection under Uncertain Traffic Signal Phase and Timing Information. 2021 20TH INTERNATIONAL CONFERENCE ON ADVANCED ROBOTICS (ICAR), v. N/A, p. 6-pg., 2021-01-01. (18/19732-5, 14/50851-0)

SILVA, JUNIOR A. R.; GRASSI JR, VALDIR; WOLF, DENIS FERNANDO; IEEE. Continuous Deep Maximum Entropy Inverse Reinforcement Learning using online POMDP. 2019 19TH INTERNATIONAL CONFERENCE ON ADVANCED ROBOTICS (ICAR), v. N/A, p. 6-pg., 2019-01-01. (18/19732-5, 14/50851-0)

Publicações acadêmicas

(Referências obtidas automaticamente das Instituições de Ensino e Pesquisa do Estado de São Paulo)

SILVA, Júnior Anderson Rodrigues da. Direção autônoma: apredendo a tomar decisões na presença de incertezas. 2023. Tese de Doutorado - Universidade de São Paulo (USP). Instituto de Ciências Matemáticas e de Computação (ICMC/SB) São Carlos.