Aplicação de métodos ablativos em redes neurais para navegação robótica em campos acidentados

• Processo: 22/08433-2
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de outubro de 2022
• Data de Término da vigência: 26 de janeiro de 2025
• Área de conhecimento: Engenharias - Engenharia Mecânica
• Pesquisador responsável: Marcelo Becker
• Beneficiário: Gianluca Capezzuto Sardinha
• Instituição Sede: Escola de Engenharia de São Carlos (EESC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Bolsa(s) vinculada(s): 24/00519-0 - Fusão orientada por LiDAR e Visão: o uso da rede neural WayFAST para aprimorar a representação de visão de pássaro, BE.EP.IC
• Assunto(s): Agricultura Redes neurais Robôs móveis Robótica
• Palavra(s)-Chave do Pesquisador: Agricultura | Instrumentação e Mecatrônica | Redes neurais | robôs móveis | Robótica | Robótica | Robótica e Mecatrônica

Resumo

A navegação autônoma de robôs terrestres é tipicamente considerada como um problema geométrico, no qual o mesmo deve identificar a geometria do ambiente para planejar uma trajetória sem colisões. Porém, uma visão puramente geométrica do ambientepode ser insuficiente para muitos problemas na navegação robótica. Como por exemplo, métodos de navegação baseados em geometria podem fazer com que um robô evite um local com folhas de plantas, acreditando que o mesmo é intransponível. Dessa forma, é fato que ir além das abordagens geométricas para alcançar um maior potencial é essencial. Assim, fazendo o uso de métodos que possibilitam o aprendizado auto-supervisionado sobre a navegabilidade de ambientes acidentados a partir das experiências prévias do robô e de dados sensoriais, propicia uma previsão de atravessabilidade. Porém, modelos de deep learning que fazem essa predição podem ser investigados e aperfeiçoados por meio de estudos ablativos, sendo diferenciais na causalidade das redes e o principal foco deste projeto.