Desenvolvimento de Estratégia de Controle baseadas em Inteligência de Enxames aplicadas a Futebol de Robôs

• Processo: 09/01610-1
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de maio de 2009
• Data de Término da vigência: 30 de abril de 2010
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Sistemas de Computação
• Pesquisador responsável: Roseli Aparecida Francelin Romero
• Beneficiário: Danilo Tadashi Doi
• Instituição Sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Assunto(s): Inteligência artificial
• Palavra(s)-Chave do Pesquisador: Enxames | Estratégia de Controle | Futebol de Robôs | Inteligência Artificial | Pso | Estratégias de Controle baseadas em Inteligência de Enxames

Resumo

Nesta pesquisa é proposto o desenvolvimento de uma estratégia de formação de robôs móveis cooperativos com o objetivo de coordenar os movimentos e tarefas dos mesmos. Neste sentido, é investigada a implementação de técnicas bioinspiradas como Inteligência de Enxames a fim de encontrar uma estratégia adequada quando aplicada em robôs cooperativos. O contexto do trabalho está inserido no problema de futebol de robôs (categoria Mirosot), em que dois times de robôs móveis de pequeno porte competem, tentando marcar gols no time adversário. Pretende-se aplicar a técnica de Enxames para manter a formação dos robôs enquanto eles buscam a meta. Diversas formações para ataque e defesa do time serão analisadas, visando uma estratégia mais eficiente. Os experimentos serÜao realizados no simulador USPDS, já desenvolvido pelo próprio grupo, e finalmente serão feitos experimentos nos robôs reais. Pretende-se confrontar a nova estratégia com outras já desenvolvidas por outros alunos do grupo.

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)

BIANCHI, REINALDO A. C.; ROS, RAQUEL; LOPEZ DE MANTARAS, RAMON; MCGINTY, L; WILSON, DC. Improving Reinforcement Learning by Using Case Based Heuristics. Lecture Notes in Computer Science, v. 5650, p. 3-pg., 2009-01-01. (09/01610-1)