Publicação: Investigação do desempenho do planejador de trajetórias Motion Planning Networks
Carregando...
Tipo do documento
Data
Direito de acesso
Coleções
Programa
Área do conhecimento
CNPQ::OUTROS::ENGENHARIA MECATRONICA
Título da Revista
ISSN da Revista
Título de Volume
Autores
Orientador
Coorientador
Resumo
O presente trabalho busca investigar a aplicação de um planejador de trajetórias baseado em
Aprendizado de Máquina na resolução de problemas em que é necessário planejar uma trajetória
entre dois pontos de um ambiente, evitando possíveis colisões com obstáculos nele presentes. Os
ambientes aqui utilizados são bidimensionais, estáticos e apresentam obstáculos com tamanhos
iguais. A abordagem escolhida na resolução deste problema foi o planejador Motion Planning
Networks. Neste algoritmo de planejamento, destacam-se os seguintes elementos: uma rede
neural que sintetiza as informações provenientes do ambiente em uma representação compacta e
eficiente; uma rede neural que gera gradativamente um conjunto de pontos candidatos à trajetória;
um algoritmo otimizador que elimina pontos desnecessários deste conjunto; e, um replanejador
que tenta corrigir eventuais falhas na trajetória planejada. A viabilidade desta abordagem foi
avaliada por meio da análise dos seguintes parâmetros: taxa de sucesso em gerar uma trajetória
válida e tempo de execução. Por meio de tal análise, concluiu-se que o algoritmo Motion Planning
Networks é consistente em planejar trajetórias válidas para os referidos problemas, raramente
apresentando falhas; bem como apresentou, frequentemente, tempos de execução abaixo de meio
segundo. O tempo de execução do MPNet é significantemente menor do que o obtido utilizando
o planejador RRT* para as mesmas trajetórias.
Abstract
This study aims to investigate the application of a Machine Learning-based motion planner for
solving problems in which a path between two points must be planned, avoiding any collisions
with obstacles present in the environment. The environments herein used are bidimensional,
static and feature obstacles of the same size. The chosen approach for solving the said problem
was the Motion Planning Networks algorithm. In this planning algorithm, the following elements
are highlighted: a neural network that synthesizes the environment data in an embedded and
efficient representation; a neural network that gradually processes a set of candidate points to the
planned path; an optimizer algorithm, which removes unnecessary points from such set; and, a
replanning algorithm which attempts to fix eventual mistakes in the planned path. The viability
of this approach was evaluated through the analysis of the following parameters: success rate
in planning a valid path and computation time. As a result of said analysis, it is concluded that
the Motion Planning Networks algorithm is consistent in planning valid paths for said problems,
rarely failing; besides, it regularly took less than half a second to plan a path. MPNet’s mean
computation time is significantly lower than the one obtained using the RRT* planner for the
same paths.
Palavras-chave
Planejamento de trajetórias, Motion planning, Autoencoder, Autoencoder, Perceptron de múltiplas camadas, Multilayer perceptron, RRT*, RRT*, Motion planning networks, Motion planning networks, Aprendizado de máquina, Machine learning, Contractive autoencoder, Contractive autoencoder
Citação
MOURA, Jhonas Prado. Investigação do desempenho do planejador de trajetórias Motion Planning Networks. 2021. 71 f. Trabalho de Conclusão de Curso (Graduação em Engenharia Mecatrônica) - Universidade Federal de Uberlândia, Uberlândia, 2021.
DOI
Coleções
Avaliação
Revisão
Suplementado Por
Referenciado Por
Licença Creative Commons
Exceto quando indicado de outra forma, a licença deste item é descrita como Acesso Aberto