@MASTERSTHESIS{ 2017:1512123330,
 	title = {Implementação de um Sistema Autônomo de Construção de Estrutura usando Aprendizado por Reforço},
 	year = {2017},
 	url = "https://tedebc.ufma.br/jspui/handle/tede/tede/2062",
 	abstract = "Este trabalho apresenta o desenvolvimento e a implementação de um sistema de construção
 autônomo, no qual utiliza um robô móvel terrestre para construir estruturas tridimensionais a
 partir de blocos de diferentes tamanhos. Um planejamento de alto nível é proposto para gerar os
 planos de construção das estruturas. Esse algoritmo é baseado nos métodos de Aprendizado por
 Reforço, denominados de Finite Action-Set Learning Automata (FALA) e Parameterized Learnig
 Automata (PLA). A partir desse planejador, o usuário define os tipos de blocos empregados na
 construção e a forma final da estrutura.
 O planejador de alto nível é usado para resolver os seguintes problemas: 1) Gerar um diagrama
 ótimo de montagem, que consiste em uma lista de posições, orientações e tipos de blocos,
 respeitando a forma final especificada pelo usuário. Esse diagrama é gerado considerando a minimização
 da quantidade de blocos usados e obedecendo as restrições quanto ao posicionamento
 dos blocos; 2) Gerar um plano ótimo de execução que é usado pelo robô para realizar a tarefa
 de montagem da estrutura. Esse plano consiste em definir a sequência de procedimentos para a
 manipulação e para a montagem dos blocos.
 As trajetórias usadas para a realização do plano de execução são geradas por um planejador
 global composto pelo algoritmo A*. Ao finalizar o planejamento, o planejador global envia uma
 série de posições para um controlador de rastreamento de trajetória, chamado de eband local
 planner. Esse controlador de trajetória é usado para controlar a base móvel do robô durante sua
 navegação através do ambiente simulado ou real. O mapeamento do ambiente simulado e real e
 a localização do robô nesses ambientes é realizada através do algoritmo chamado de Real-Time
 Appearance-Based Mapping (RTAB-Map). O RTAB-Map usa informações de imagem e de
 odometria das rodas do robô para gerar o mapa e estimar a posição do robô em relação ao sistema
 de coordenadas global. Os robôs simulado e real utilizam os recursos do framework denominado
 de Robot Operation System (ROS). O ROS permite que diferentes aplicações comuniquem-se
 entre si, mesmo quando executadas em máquinas diferentes.
 Para demonstrar a eficiência das soluções obtidas pelo planejador de alto nível são realizados
 testes simulados e experimentais do sistema de construção autônomo. Durante esses testes
 são montadas diferentes tipos de estrutura (Torre, Barragem, Estação Espacial e Pirâmide). Os
 resultados mostram que o método de aprendizado por reforço é capaz de gerar diagramas de
 montagem e planos de execução (sequência de procedimentos) factíveis para a realização da
 tarefa em menor tempo possível.",
 	publisher = {Universidade Federal do Maranhão},
 	scholl = {PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO/CCET},
 	note = {DEPARTAMENTO DE INFORMÁTICA/CCET}
}