@PHDTHESIS{ 2023:1741082497,
 	title = {Biologically inspired approaches to building spatial maps for spatial navigation and learning},
 	year = {2023},
 	url = "https://tedebc.ufma.br/jspui/handle/tede/tede/5358",
 	abstract = "Navegar por ambientes desconhecidos e buscar por recursos, como comida e água, é
 fundamental para a sobrevivência de muitos animais, incluindo os seres humanos. Por
 quase um século, pesquisas em neurociência comportamental e cognitiva apoiam a
 existência dos mapas cognitivos, sendo usados por animais para navegar no espaço.
 Mapas cognitivos permitem que animais realizem tarefas complexas, incluindo a aquisição
 de um mapa global a partir de ambientes distintos uma vez que as conexões entre
 eles são estabelecidas. Ademais, pesquisas apontam que a construção de um mapa
 cognitivo prévio à participação em tarefas recompensadas pode acelerar o processo de
 aprendizado, conforme evidenciado por experimentos de aprendizado latente. No entanto,
 os fatores específicos que contribuem para as diferenças observadas na velocidade de
 aprendizado, influenciadas por projetos experimentais e estratégias de exploração no
 aprendizado latente, permanecem uma questão em aberto. Esta tese de doutorado
 propõe novas abordagens computacionais inspiradas em princípios biológicos para a
 construção de mapas espaciais que facilitem a navegação e aprendizado espacial. O
 algoritmo de Localização e Mapeamento Simultâneos (SLAM), inspirado no processo de
 navegação no cérebro de roedores, conhecido como RatSLAM, foi ampliado através do
 desenvolvimento de uma nova abordagem de fusão de estruturas para lidar com o desafio
 do mapeamento em múltiplas sessões. O RatSLAM também é integrado como um
 algoritmo de aprendizado de representação de estado dentro do framework CoBeL-RL,
 um framework de aprendizado por reforço construído com base em descobertas recentes
 em neurociência, permitindo que agentes aprendam tarefas espaciais em ambientes
 desconhecidos. Ao utilizar esse framework, experimentos de aprendizado latente são
 investigados para obter percepções sobre o impacto dos diferentes projetos experimentais
 e estratégias de exploração na velocidade de aprendizado. Os resultados evidenciam o
 êxito do RatSLAM no mapeamento em múltiplas sessões com o uso de conjuntos de
 dados reais, bem como a habilidade de agentes virtuais de aprender tarefas espaciais em
 ambientes desconhecidos. Além disso, evidencia-se que os agentes desenvolvem
 Representações Sucessoras singulares, dependendo dos projetos experimentais
 específicos, o que oferece uma explicação potencial para as variações na velocidade do
 aprendizado nos experimentos de aprendizado latente. No geral, esta tese contribui para
 a robótica e neurociência computacional aprofundando a compreensão dos processos
 cognitivos envolvidos na navegação espacial e fornecendo percepções práticos para o
 desenvolvimento de sistemas robóticos mais eficazes e modelos computacionais
 inspirados em princípios biológicos.",
 	publisher = {Universidade Federal do Maranhão},
 	scholl = {PROGRAMA DE PÓS-GRADUAÇÃO DOUTORADO EM CIÊNCIA DA COMPUTAÇÃO},
 	note = {DEPARTAMENTO DE INFORMÁTICA/CCET}
}