Carregar apresentação
A apresentação está carregando. Por favor, espere
PublicouEdson Frade Monsanto Alterado mais de 8 anos atrás
1
A LUNO : S ÉRGIO R ONALDO B ARROS DOS S ANTOS O RIENTADOR : P ROF. D R. C AIRO L ÚCIO N ASCIMENTO J ÚNIOR C OORIENTADOR : P ROF. D R. S IDNEY N ASCIMENTO G IVIGI J ÚNIOR P LANEJAMENTO E C ONTROLE PARA A C ONSTRUÇÃO A UTÔNOMA DE E STRUTURAS T RIDIMENSIONAIS U TILIZANDO Q UADRIRROTORES
2
Sumário Definição do problema Introdução Solução proposta e Resultados Conclusões finais 2/44
3
1.Definição do problema Propor: Um sistema autônomo de construção de estruturas 3D usando múltiplos quadrirrotores Capturar as peças nas posições de origem Transportar as peças entre as posições de captura e montagem Instalar as peças nos locais especificados As condições do ambiente e os recursos disponíveis As restrições de montagem das estruturas O tempo de execução e a potência dos atuadores considerando que seja capaz de 3/44
4
2.Introdução O Quadrirrotor. o Configuração. o Vantagens. o Movimentos. 4/44
5
Sistemas de coordenadas fixados. 2.Introdução 5/44
6
Aprendizado por reforço (RL). o Estrutura formal do método. o Tipos de sinais de reforço: imediato e atrasado. o Valores do sinal de reforço: discreto ou real. 2.Introdução 6/44
7
Learning Automata (LA). o Formado por autômatos estocásticos. o Um autômato FALA (Finite Action-set Learning Automata) pode ser descrito por: 2.Introdução 7/44
8
Autômato interagindo com um processo. 2.Introdução 8/44
9
Time de autômatos FALA. Aprendizado do Controladores de baixo nível Aprendizado da montagem com um robô Aprendizado da montagem com múltiplos robôs 2.Introdução 9/44
10
Planejamento de trajetória: algoritmo de busca A*. 2.Introdução 10/44
11
3.Solução proposta Projetos dos controladores de voo dos quadrirrotores Projetos dos controladores de voo dos quadrirrotores Construção de estruturas 3D Arq Planejamento da sequência de montagem Planejamento das manobras e velocidades dos quadrirrotores Planejamento das trajetórias O ambiente de construção. Arq 1 2 3 11/44
12
Sistema de controle de um quadrirrotor. o Controladores PID. 3.Solução proposta 12/44
13
3.Solução proposta Estratégia: Usando o Aprendizado por Reforço (RL) Sintonizar e otimizar os controladores de voo Lidar com a não linearidade do quadrirrotor Executar manobras com precisão Capturar e transportar diferentes cargas Operar em ambientes com vento e sob a influência do efeito do solo pode-se para 13/44
14
3.Solução proposta Ambiente de simulação / treinamento. 14/44
15
Arquitetura de aprendizagem do sistema de controle. 3.Solução proposta 15/44
16
O aprendizado por etapas. o Transições entre as etapas: após a convergência do cenário atual. 3.Solução proposta Simulador de voo X-Plane 1º: sem perturbações externas 2º: com vento aleatório em diferentes direções – vel. usada de 0 a 8,34 km/h 3º: com vento e efeito do solo – altura usada para o robô de h = 0,15 a 0,30 m Ambiente / QuadrirrotorEtapas 16/44
17
O 1º Estágio do treinamento. o No. de controladores PID = 4. o No. de parâmetros por controlador = 3. 3.Solução proposta 17/44
18
O 2º Estágio do treinamento. 3.Solução proposta o No. de controladores PID = 2. o No. de parâmetros por controlador = 3. 18/44
19
Algoritmo de aprendizagem dos controladores. 3.Solução proposta 19/44
20
3.Solução proposta Medição da qualidade da resposta (função custo). Avaliação do desempenho e geração do reforço. erro de rastreamento sinal de controle fornecido pelos controladores sobressinal máximo erro de regime 20/44
21
3.Solução proposta Simulação e Processo de treinamento. Evolução – Controladores internos Evolução – Controladores externos 21/44
22
Resultados finais do processo de treinamento dos controladores (em simulação). Considerando a vel. do vento de 0 a 8,34 km/h e o efeito do solo. Controladores de atitude e altura (voo pairado) Controladores de posição e trajetória (voo rastreado) Custo das políticas bem- sucedidas 0.0970.123 398653 98.23%98.07% 3.Solução proposta 22/44
23
Infraestrutura experimental usada no RMCC. 3.Solução proposta 23/44
24
Infraestrutura experimental usada no RMCC. 3.Solução proposta 24/44
25
Componentes do quadrirrotor. 3.Solução proposta 25/44
26
Estudo de casos: captura e transporte de uma peça. 3.Solução proposta 26/44
27
Resultados experimentais: captura e transporte. 3.Solução proposta Retornar 27/44
28
3.Solução proposta Arquitetura de aprendizagem e planejamento. Retornar 28/44
29
Algoritmo de planejamento das sequências de montagem e manobras. 3.Solução proposta 29/44
30
30/44 3.Solução proposta Medição da qualidade da tarefa realizada por cada robô. Calculo do reforço. Tempo médio de translação Tempo médio de subida Tempo médio de descida Tempo médio de rotação Maior tempo obtido Desperdício de energia e redução do no. de pontos de parada Custo final
31
Resolução de conflitos na área de construção e nas caixas de armazenagem. 3.Solução proposta Algoritmo LA – em cada manobra Ajusta a velocidade de translação de cada robô Quando o robô - mais veloz - atingir a posição final Mensura-se a distância entre os robôs Define o ponto de parada A* Verifica se os robôs estão indo para o mesmo local Compara com o valor de segurança Retornar 31/44
32
Planejamento de trajetórias e resolução de colisões. o Tipos: agente - agente e agente - obstáculo. 3.Solução proposta Atualiza passo do A* Expande nó atual Algoritmo A* no 1º passo Atualiza lista de obstáculos móveis Seleciona outro robô Seleciona outro robô Todos robôs se deslocaram ? não sim Seleciona o robô de maior prioridade Move o robô 32/44
33
Estruturas 3D investigadas. 3.Solução proposta Cubo Pirâmide Torre Parede 33/44
34
34/44 Evolução do sistema de construção cooperativo. o Três robôs – Estrutura: cubo – modo em camada. 3.Solução proposta
35
Desempenho do aprendizado para um quadrirrotor. o Diferentes estruturas. o Modo em camada. CuboTorrePirâmideParede No. de peças / variedade12 / 220 / 236 / 338 / 3 24407276 No. total de manobras do robô25417377 Iteração de convergência1094159819722308 Custo da política bem-sucedida5.1805.3325.6025.887 0.95470.95610.95840.9543 3.Solução proposta 35/44
36
3.Solução proposta Desempenho do aprendizado para múltiplos robôs. o Estrutura: Cubo. o Modo em camada. Dados do Sistema No. de Quadrirrotores da equipe1234 No. de peças / Variedade12 / 2 241286 No. máximo de manobras25141210 1244251646209308 Custo das políticas bem-sucedidas126.65129.21144.50153.27 Taxa de convergência, Tc Gmin 0.92680.92230.92120.9203 36/44
37
Resultados: tempo de execução da construção. o Um quadrirrotor - várias estruturas - modo em camada. 3.Solução proposta 37/44
38
3.Solução proposta Resultados: tempo de execução da construção. o Múltiplos robôs - Estrutura: cubo - modo em camada. 38/44
39
Resultados: tempo de montagem da estrutura. o Múltiplos robôs - Estrutura: cubo - modo em camada. 3.Solução proposta 39/44
40
O jogo de FALA provou ser eficaz. Bons controladores podem ser elaborados usando um conhecimento mínimo sobre o sistema. Os diversos controladores podem ser rapidamente projetados e validados em uma plataforma real. Diferentes planos de alto nível podem ser facilmente obtidos para uma mesma estrutura. Planos de construção podem ser elaborados para coordenar múltiplos robôs e evitar conflitos. Trajetórias podem ser diretamente planejadas para realizar a tarefa de montagem e evitar colisões. 4.Conclusão 40/44
41
1.A estratégia baseada em RL para projetar e otimizar os controladores de voo, que: o utiliza o aprendizado por etapas; o considera as perturbações e as variações de massa; o utiliza diversos critérios para otimizar o sistema. 2.A proposta para o planejamento da tarefa de construção com múltiplos quadrirrotores, que: o utiliza duas estratégias de montagem da estrutura; o gera os planos de construção e de trajetórias considerando as limitações de montagem e do ambiente dinâmico. 4.Conclusão Contribuições. 41/44
42
3.A metodologia baseada em RL para a resolução dos conflitos entre os múltiplos quadrirrotores, que: o baseia-se na definição das velocidades de translação e das posições de parada. 4.A proposta para o replanejamento da tarefa em situações de falha de um ou mais quadrirrotores, que: o acomode as falhas e conclua a tarefa sem comprometer a eficiência da execução. Contribuições. 4.Conclusão 42/44
43
4.Conclusão Número total de publicações: 9. Conferências e Congressos. o Brazilian Congress of Mec. Engineering: 2 artigos. o IEEE International Aerospace Conference: 1 artigo. o IEEE International Systems Conference: 4 artigos. o IEEE Systems, Man, Cybernetics: 1 artigo. Periódico. o IEEE Systems Journal (Qualis A1): 1 artigo aceito para publicação. 43/44
44
Agradecimentos 44/44
45
45
46
46 Aprendizado dos Controladores de Baixo Nível de um Quadrirrotor Estudos de casos.
47
47 Aprendizado dos Controladores de Baixo Nível de um Quadrirrotor Resultados experimentais: voo sem carga.
48
48 Montagem Robotizada com um Quadrirrotor Estratégias de construção das estruturas 3D. - Montagem em camada - Montagem híbrida
49
49 Montagem Robotizada com um Quadrirrotor Planejador da tarefa de construção de diferentes estruturas 3D.
50
50 Montagem Robotizada com um Quadrirrotor Calculo do sinal de reforço.
51
51 Montagem Robotizada com um Quadrirrotor Simulação e Processo de Treinamento. o Evolução do aprendizado da construção de uma torre – modo em camada.
52
52 Montagem Robotizada com um Quadrirrotor Simulação e Processo de Treinamento. o Plano de construção aprendido para a montagem de uma torre – modo em camada.
53
53 Montagem Robotizada com um Quadrirrotor Estudos de Casos o Esboço do sistema de gerenciamento da tarefa de construção.
54
54 Montagem Robotizada com um Quadrirrotor Estudos de Casos.
55
55 Montagem Robotizada com um Quadrirrotor Estudos de Casos. o Trajetórias executadas pelo robô real para construir uma torre – modo em camada.
56
56 Planejador da tarefa de construção cooperativa. Construção com Múltiplos Quadrirrotores
57
57 Construção com Múltiplos Quadrirrotores
58
58 Algoritmo de planejamento das sequências de montagem, manobras e velocidades Construção com Múltiplos Quadrirrotores
Apresentações semelhantes
© 2024 SlidePlayer.com.br Inc.
All rights reserved.