Utilização de Reinforcement Learning com dados de câmera para Navegação Autônoma

• Processo: 24/09442-0
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de setembro de 2024
• Data de Término da vigência: 31 de agosto de 2025
• Área de conhecimento: Engenharias - Engenharia Mecânica
• Pesquisador responsável: Marcelo Becker
• Beneficiário: Arthur Pompeu dos Santos Rocha
• Instituição Sede: Escola de Engenharia de São Carlos (EESC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Assunto(s): Agricultura Navegação Robôs móveis Robótica
• Palavra(s)-Chave do Pesquisador: Agricultura | Navegação | reinforcement learning | robôs móveis | Robótica | Robotica Terrestre | Automação, Mecatrônica e Robótica

Resumo

O projeto aborda a implementação de um algoritmo no robô TerraSentia para o controle da navegação terrestre em campos agrícolas, ambientes remotos e repletos de irregularidades no terreno. Nesses locais, é essencial obter uma coleta abrangente de dados do ambiente para garantir uma melhor navegação do robô. Assim, nessa pesquisa serão utilizados dados de câmera, que são eficazes para obter informações e \textit{features} do ambiente com alta precisão, auxiliando na tomada de decisão e capacitando o robô a discernir semanticamente obstáculos e rotas em ambientes agrícolas. Com esses dados, o projeto propõe o estudo e a implementação de um método de aprendizado de máquina denominado \emph{Deep Reinforcement Learning} para a navegação do TerraSentia, resultando na criação de caminhos adaptativos e seguros em plantações. Nesse método, o agente aprende a tomar decisões interagindo dinamicamente com o ambiente e recebendo recompensas em troca de suas ações. Dessa forma, será desenvolvido um algoritmo que maximize a recompensa acumulada ao longo do tempo, permitindo que o robô navegue com precisão entre duas colunas de plantação.