INTRODUÇÃO À ROBÓTICA MÓVEL

Tamanho: px
Começar a partir da página:

Download "INTRODUÇÃO À ROBÓTICA MÓVEL"

Transcrição

1 INTRODUÇÃO À ROBÓTICA MÓVEL Aula 15 Edson Prestes Departamento de Informática Teórica

2 REPRESENTAÇÃO DO AMBIENTE Decomposição Aproximada - Occupancy Grid Figuras Extraída de [6]

3 REPRESENTAÇÃO DO AMBIENTE Decomposição Aproximada 2 m -trees 2 m -tree oferece uma decomposição hierárquica do espaço Ω (definido no inicio da decomposição retangulóide) na forma de uma árvore de grau 2 m, onde m é a dimensão do espaço de configurações. Cada nó da árvore é um retangulóide rotulado de vazio, ocupado ou misto. A raiz da árvore é Ω e apenas as células mistas podem ter filhos, cuja quantidade é 2 m. Se m=2, a árvore é chamada quadtree. Se m=3 ela é chamada octree.

4 REPRESENTAÇÃO DO AMBIENTE Decomposição Aproximada 2 m -trees A altura h da árvore determina a resolução da decomposição. Valores altos de h levam a células pequenas e possuem impacto direto na eficiência do processo de planejamento. O número máximo de folhas é 2 mh Em geral, a decomposição de um nó na árvore ocorre se este for misto e se sua profundidade for menor que um valor prédefinido. As células mistas com profundidade igual a máxima permitida são rotuladas como ocupadas.

5 REPRESENTAÇÃO DO AMBIENTE Decomposição Aproximada 2 m -trees

6 REPRESENTAÇÃO DO AMBIENTE Decomposição Aproximada - 2 m -trees Figura Extraída de [1]

7 REPRESENTAÇÃO DO AMBIENTE Decomposição Aproximada - Células de tamanho variável Grade de Ocupação x Quadtree células x 2290 células

8 REPRESENTAÇÃO DO AMBIENTE Decomposição Topológica As decomposições fixa e adaptativa impõem um conhecimento a priori do mundo, além do que desconsideram detalhes sobre o ambiente. A decomposição topológica concentra-se nos aspectos mais relevantes do ambiente, evitando medidas diretas das propriedades geométricas do ambiente. Uma representação topológica é um grafo G=(V,A), composto por um conjunto de vértices V e um conjunto de arestas A.

9 REPRESENTAÇÃO DO AMBIENTE Decomposição Topológica Os vértices representam áreas do ambiente, com características distingüíveis. Por exemplo, uma intersecção de corredores, uma T-junction. As arestas mostram as conexões entre as diferentes áreas do ambiente e informam ao robô quais são atingíveis a partir de uma dada. É comum associar comportamentos específicos ou comandos às arestas de forma que o robô consiga se deslocar de um local para outro. Os vértices podem estar associados a áreas de diferentes tamanhos.

10 REPRESENTAÇÃO DO AMBIENTE Decomposição Topológica Figura Extraída de [1]

11 REPRESENTAÇÃO DO AMBIENTE Decomposição Topológica Para que um robô consiga navegar robustamente em um ambiente ele deve possuir mecanismos para : detectar a sua posição corrente em termos de vértices do grafo topológico; permitir uma navegação entre os vértices do grafo topológico. Devido ao nível de abstração da representação do ambiente, é difícil determinar com exatidão a localização espacial do robô.

12 REPRESENTAÇÃO DO AMBIENTE Decomposição Topológica Figura Extraída de [1]

13 REPRESENTAÇÃO DO AMBIENTE Decomposição Topológica - RoadMaps A abordagem roadmap captura a conectividade do espaço livre do robô na forma de uma rede de curvas unidimensionais. Uma vez que o roadmap é construído, ele é usado como um conjunto de caminhos padrão. De acordo com Choset[7], roadmaps são exemplos de decomposição topológica. Existem vários tipos de roadmaps : grafos de visibilidade; diagramas de voronoi, etc.

14 REPRESENTAÇÃO DO AMBIENTE Decomposição Topológica Diagrama de Voronoi É uma abordagem que tende a maximizar a distância entre o robô e os obstáculos presentes no ambiente (clearance). Considere. Para qualquer, faça e O diagrama de Voronoi do espaço livre

15 REPRESENTAÇÃO DO AMBIENTE Decomposição Topológica Diagrama de Voronoi O diagrama de Voronoi consiste em um conjunto finito de segmentos de retas e curvas, chamados arcos. Um arco é um segmento de reta se ele corresponder a um conjunto de configurações que estão mais próximas de um mesmo par de arestas que compõem os obstáculos do ambiente. Um arco é uma curva se ele corresponder a um conjunto de configurações que estão mais próximas de um mesmo par consistindo de pelo menos um vértice que compõe os obstáculos do ambiente.

16 REPRESENTAÇÃO DO AMBIENTE Decomposição Topológica Diagrama de Voronoi e delimitam uma região, onde qualquer q possui card(near(q))=1. Figura Extraída de [2]

17 REPRESENTAÇÃO DO AMBIENTE Decomposição Topológica Diagrama de Voronoi Figura Extraída de [2]

18 REPRESENTAÇÃO DO AMBIENTE Decomposição Topológica Diagrama de Voronoi Planejamento usando o Diagrama de Voronoi é como segue: Computa Computa e e identifica os arcos de que contenham estes pontos Busca em uma seqüência de arcos A 1, A 2, A p de forma que e e para todo i {1,2,, p-1}, A i e A i+1, compartilham um mesmo vértice. Se a busca termina com sucesso então retorna juntamente com a seqüência de arcos que os conecta.

19 REPRESENTAÇÃO DO AMBIENTE Decomposição Topológica Diagrama de Voronoi Figura Extraída de [2]

20 REPRESENTAÇÃO DO AMBIENTE Decomposição Topológica Diagrama de Voronoi Os caminhos produzidos pelo diagrama de Voronoi não são ótimos no que se refere ao seu comprimento do caminho total. Uma fraqueza do uso deste tipo de representação está associada ao uso de sensores de curto alcance que podem fazer com que o robô não consiga sentir obstáculos a sua volta. De acordo com [1], uma das principais vantagens é a facilidade em seguir os arcos de Voronoi através de simples regras de controle.

21 REPRESENTAÇÃO DO AMBIENTE Decomposição Contínua Usado como representação 2D de ambientes indoor. É considerado como método de decomposição contínua exata [1]. O custo de armazenamento é proporcional à densidade de objetos presentes no ambiente. Os objetos do ambiente real são modelados através de primitivas geométricas.

22 REPRESENTAÇÃO DO AMBIENTE Decomposição Contínua Figura extraída de [1]

23 REPRESENTAÇÃO DO AMBIENTE Decomposição Contínua O uso de sensores do tipo laser permite extrair linhas mais facilmente que sensores sonar. Figura extraída de [1]

24 REPRESENTAÇÃO DO AMBIENTE Decomposição Contínua Múltiplos retornos de sensores do tipo sonar permitem estimar a estrutura de objetos simples. Figuras extraída de [8]

25 REPRESENTAÇÃO DO AMBIENTE Decomposição Contínua Em geral, mapas baseados em características são usados em conjunto com Filtro de Kalman. Filtro de Kalman representa as características através de um vetor de posições e uma matriz de covariança.

26 BIBLIOGRAFIA [1] Siegwart, R. Nourbakhsh, I. R. Introduction to Autonomous Mobile Robots, MIT Press, [2] Latombe, J. C. Robot Motion Planning, Kluwer Academic Publishers, [3] Bailey, T., Nebot, E. Localisation in large-scale environment. Robotics and Autonomous Systems, v.37, [4] Elfes, A. Sonar-based real world mapping and navigation. IEEE Journal of Robotics and Automation, v. RA-3, n.3, p , 1987 [5] Elfes, A. Using occupancy grids for mobile robot perception and navigation. Computer Magazine, june, 1989.

27 BIBLIOGRAFIA [6] Prestes, E. Navegação Exploratória baseada em problemas de valores de contorno, Tese de Doutorado, UFRGS, [7] Choset, H. Lynch, K.M., Hutchinson, S., Kantor, G., Burgard, W., Kavraki, L. E., Thrun, S. Principle of Robot Motion ; Theory, Algorithms, and Implementation. [8] Leonard, J.J., Durrant-Whyte, H. F., Cox, I. J. Dynamic Map Building for an Autonomous Mobile Robot. IEEE IROS, 1990

28 Grades de Ocupação Amplamente usada na área de Robótica. O ambiente real é representado por um conjunto de células de mesmo tamanho. Cada célula está associada a uma região quadrada do ambiente. É um exemplo de decomposição aproximada do ambiente.

29 Grades de Ocupação Figura extraída de [1]

30 Grades de Ocupação Permitem facilmente integrar as leituras dos sensores do robô para gerar mapas. Isto é feito usando uma teoria formal de evidência como Bayes ou Dempster-Shape, ou heurísticas, como HIMM. É possível usar as grades de ocupação como sensores virtuais para algoritmos de tratamento de obstáculos. A atualização do mapa exige um modelo do sensor do robô.

31 Grades de Ocupação Figura extraída de [2] Figura extraída de [6] I região associada à leitura. Objeto pode estar em qualquer posição nesta área. II região vazia. III região coberta pelo sensor, mas desconhecida. IV região fora do campo de visão do sensor.

32 Grades de Ocupação Distribuição típica do sinal emitido por um sensor sonar Figura extraída de [3]

33 Grades de Ocupação - Bayes Um método muito usado para atualizar a grade de ocupação é converter as leituras dos sensores em probabilidades usando o Teorema de Bayes. Elfes e Moravec foram os pioneiros em 1980 no uso de probabilidades para atualizar a grade. Nesta abordagem o modelo do sensor gera uma probabilidade condicional da forma P(A B).

34 Grades de Ocupação - Bayes Sensores TOF Sonar podem observar se uma célula c em particular está ocupada ou vazia. Este estado pode ser visto como um evento H={H, H} ou H={ocupado, vazio}. A probabilida da ocorrência de H é representada por P(H) de forma que 0 P(H) 1. Conhecendo P(H), sabemos P( H), pois P( H)=1-P(H). Esta probabilidade é chamada incondicional já que independe das leituras feitas pelos sensores do robô.

35 Grades de Ocupação - Bayes Dada uma leitura s, a probabilidade de uma célula c estar ocupada, ou seja, de ocorrer o evento H=ocupado é denotada por P(H s). A probabilidade P(H s) é calculada através da regra de Bayes da seguinte forma P(s H) consiste na probabilidade da leitura s ter sido obtida dado que a célula c está ocupada. Esta probabilidade está relacionada ao modelo do sensor usado. Slides sobre Probabilidade

36 Grades de Ocupação - Bayes Um modelo simples mostrado em [2] é definido como segue: Para a região I Para a região II Tanto P(s vazia) quanto P(s ocupada) são armazenadas para cada célula.

37 Grades de Ocupação - Bayes Considere a célula (marcada abaixo) com distância r=3.5 e =0. Usando as equações associadas ao modelo do sensor definidas para a região II obtemos P(s vazia)=0.825 P(s ocupada)=0.175 Figura extraída de [2]

38 Grades de Ocupação - Bayes Considere a célula (marcada abaixo) com distância r=6 e =5. Usando as equações associadas ao modelo do sensor definidas para a região I obtemos P(s ocupada)=0.52 P(s vazia)=0.48 Figura extraída de [2]

39 Grades de Ocupação - Bayes A probabilidade P(H s) é calculada por mais especificamente P(ocupada) e P(vazia) correspondem a probabilidade prévia (prior probability). Como não conhecemos o estado da célula previamente, é assumido que P(ocupada)=P(vazia)=0.5

40 Grades de Ocupação - Bayes Usando Sabendo que P(s ocupada)=0.52 e P(s vazia)=0.48 e P(ocupada)= P(vazia)=0.5 Temos P(ocupada s)=0.52 P(vazia s)=0.48 Isto ocorreu devido a probabilidade prévia ser 0.5. Em geral P(s H) é diferente de P(H s) Figura extraída de [2]

41 Grades de Ocupação - Bayes O método para calcular a probabilidade condicional a partir de várias leituras é definido como Devido a independência das leituras pode ser simplificado para Um problema nesta abordagem é a necessidade de armazenar todas as probabilidades P(s i H)

42 Grades de Ocupação - Bayes Através de P(H s)p(s) = P(s H)P(H) podemos escrever de forma recursiva, como

43 Grades de Ocupação - Bayes Considere três leituras feitas nos instantes t1, t2 e t3 como apresentado abaixo (exemplo extraído de [2])

44 Grades de Ocupação - Bayes No passo 1 de atualização usando temos Assumindo

45 Grades de Ocupação - Bayes No passo 2 de atualização usando temos Onde P (S t2 O) =0.69,P(S t2 E) =0.31

46 Grades de Ocupação - Bayes No passo 3 de atualização usando temos Onde

47 Grades de Ocupação -HIMM O método HIMM Histogramic In Motion Mapping [6] foi desenvolvido por Borenstein e Koren na universidade de Michigan. A principal motivação para o desenvolvimento do método foi o tratamento dinâmico de obstáculos. O método bayesiano consumia muito tempo de processamento.

48 Grades de Ocupação -HIMM O método HIMM usa o modelo de sonar mostrado na figura abaixo O modelo usado considera que apenas as células no eixo acústico são importantes. Isto gera uma quantidade muito menor de atualizações das células no cone de visão. Neste modelo são consideradas as taxa de atualização das células. Figura extraída de [6] Cada célula armazena um valor entre 0 e 15.

49 Grades de Ocupação -HIMM Uma célula da grade é atualizada sempre que o eixo acústico está sobre ela. Uma célula da grade é atualizada sempre que o eixo acústico está sobre ela. Se esta célula estiver na região associada à leitura feita pelo sensor, então ela será incrementada de 3 unidades. Figura extraída de [6] Se ela estiver a uma distância menor que a distância fornecida pela leitura do sensor, então ela é decrementada de 1 unidade.

50 Grades de Ocupação -HIMM Este processo coleta apenas uma pequena amostra do ambiente, a qual é dependente da velocidade do robô. Figura extraída de [2]

51 Grades de Ocupação -HIMM Um exemplo de funcionamento é apresentado abaixo. Figura extraída de [2]

52 Grades de Ocupação -HIMM Uma das desvantagens do HIMM é que cada célula é atualizada no máximo duas vezes. Isto faz com que cada célula tenha um grau de certeza igual a 6, o que corresponde a menos da metade do valor máximo permitido. Para tratar obstáculos dinâmicos o valor armazenado na célula é levado em consideração para ponderar a força de reação. Robôs com alta velocidade podem ter dificuldades para reagir adequadamente aos obstáculos presentes no ambiente. Para tratar este problema foi proposta uma nova forma de atualização dos valores na grade, chamada Growth Rate Operator.

53 Grades de Ocupação -HIMM Quando um elemento é atualizado como ocupado, o GRO é aplicado usando uma máscara de peso. min(15,23) Figuras extraídas de [2] Calculando o valor de atualização da usando a máscara.

54 Grades de Ocupação -HIMM Um exemplo de mapa gerado pelo método HIMM é ilustrado abaixo Mapa produzido Figura extraída de [6] Considerando threshold=12

55 BIBLIOGRAFIA [1] Prestes, E. Navegação Exploratória baseada em problemas de valores de contorno, Tese de Doutorado, UFRGS, [2] Murphy, R.. Introduction to AI Robotics, MIT Press, [3] Siegwart, R. Nourbakhsh, I. R. Introduction to Autonomous Mobile Robots, MIT Press, [4] Neal, R. M. Probabilistic Inference using Markov Chain Monte Carlo Methods. Technical Report (CRG-TR-93-1). University of Toronto, [5] Thrun, S., Burgard, W., Fox, D. Probabilistic Robotics, MIT Press, [6] Borenstein, J., Koren, Y. Histogramic In-Motion Mapping for mobile robot obstacle avoidance, IEEE Journal of Robotics and Automation, vol. 7, no. 4, 1991.

56 Probabilidade Considere X1, X2,... Xn variáveis aleatórias que podem assumir valores dentro de um conjunto discreto. Por exemplo Podemos ter um modelo probabilistítico completamente especificado pela probabilidade de união (joint probabilities) para cada possível associação de valores para as variáveis aleatórias.

57 Probabilidade Assumindo A={1,2,...,m} e B={m+1,m+2,...,n}, a probabilidade associada a um subconjunto de variáveis (probabilidade marginal) é dada por Por exemplo, P(Clear,Rising)= P(Clear,Rising,Dry)+ P(Clear,Rising,Wet) P(Clear,Rising)= = 0.47

58 Probabilidade A probabilidade condicional para um subconjunto de variáveis, dado os valores para outro subconjunto (disjunto), é definida por Por exemplo,

59 Probabilidade Usando a probabilidade condicional chegamos ao Teorema de Bayes Probabilidade inversa P (x y) = Probabilidade a posteriori P (y x)p (x) P (y) Probabilidade a priori Quando estamos lidando com múltiplas variáveis aleatórias, temos P ({x i : i A} {x j : j B}) = P ({x j : j B} {x i : i A})P ({x i : i A}) P ({x j : j B})

60 Probabilidade Considerando 2 variáveis aleatórias, sabemos que a probabilidade marginal P (x) = Usando a probabilidade condicional y P (x, y) P (x y) =P (x, y)/p (y) Chegamos ao Teorema da Probabilidade Total (caso discreto) P (x) = y P (x y)p(y) Retorno

Navegação autônoma de robôs baseada em técnicas de mapeamento e aprendizagem de máquina

Navegação autônoma de robôs baseada em técnicas de mapeamento e aprendizagem de máquina Navegação autônoma de robôs baseada em técnicas de mapeamento e aprizagem de máquina Alcides Xavier Benicasa 1 Resumo: Este artigo tem como objetivo principal apresentar um método de navegação autônoma

Leia mais

PIP/CA - Programa Interdisciplinar de Pós-Graduação Mestrado em Computação Aplicada da UNISINOS. 2000/2-3o. Trimestre - AULA 02 / FSO

PIP/CA - Programa Interdisciplinar de Pós-Graduação Mestrado em Computação Aplicada da UNISINOS. 2000/2-3o. Trimestre - AULA 02 / FSO PIP/CA - Programa Interdisciplinar de Pós-Graduação Mestrado em Computação Aplicada da UNISINOS 2000/2-3o. Trimestre - AULA 02 / FSO Professor Responsável: CONTROLE & ROBÓTICA INTELIGENTE Prof. Dr. Fernando

Leia mais

Disciplina de. Robôs Móveis Autônomos SSC-0714

Disciplina de. Robôs Móveis Autônomos SSC-0714 USP - ICMC - SSC SSC 0714 (RMA) - 1o. Semestre 2010 Disciplina de SSC-0714 Prof. Fernando Santos Osório Email: fosorio [at] { icmc. usp. br, gmail. com } Estagiário PAE: Maurício Acconcia Dias - macccdias

Leia mais

Introdução à Robótica Móvel

Introdução à Robótica Móvel à Robótica Móvel Aula 3 Edson Prestes Departamento de Informática Teórica http://www.inf.ufrgs.br/~prestes prestes@inf.ufrgs.br Mckerrow, P. J. Introduction to Robotics. Addison Wesley, 1995. Borenstein,

Leia mais

EXTRAÇÃO DE CARACTERÍSTICAS MÉTRICAS LOCAIS A PARTIR DE GRADE DE OCUPAÇÃO USANDO MÉTODO DE VOTAÇÃO PONDERADA

EXTRAÇÃO DE CARACTERÍSTICAS MÉTRICAS LOCAIS A PARTIR DE GRADE DE OCUPAÇÃO USANDO MÉTODO DE VOTAÇÃO PONDERADA EXTRAÇÃO DE CARACTERÍSTICAS MÉTRICAS LOCAIS A PARTIR DE GRADE DE OCUPAÇÃO USANDO MÉTODO DE VOTAÇÃO PONDERADA DIOGO P. F. PEDROSA, ADELARDO A. D. MEDEIROS, PABLO J. ALSINA DCA CT UFRN 59078-900, Natal,

Leia mais

André Chaves Magalhães

André Chaves Magalhães André Chaves Magalhães Planejamento Cinemático-Dinâmico de Movimento com Desvio Local de Obstáculos Utilizando Malhas de Estados Dissertação apresentada à Escola de Engenharia de São Carlos da Universidade

Leia mais

PLANEJAMENTO DE TRAJETÓRIAS PARA ROBÔS MÓVEIS EM AMBIENTES DESCONHECIDOS

PLANEJAMENTO DE TRAJETÓRIAS PARA ROBÔS MÓVEIS EM AMBIENTES DESCONHECIDOS PLANEJAMENTO DE TRAJETÓRIAS PARA ROBÔS MÓVEIS EM AMBIENTES DESCONHECIDOS GUILHERME DE LIMA OTTONI Engenharia de Computação, Fundação Universidade Federal do Rio Grande Av. Itália, Km 8, 96201-900 Rio Grande,

Leia mais

Planejamento De Caminhos Para Manipuladores Robóticos Articulados Em Presença De Obstáculos Usando Uma Descrição Probabilística Tecelada Do Ambiente

Planejamento De Caminhos Para Manipuladores Robóticos Articulados Em Presença De Obstáculos Usando Uma Descrição Probabilística Tecelada Do Ambiente 2º SIMPÓSIO BRASILEIRO DE AUTOMAÇÃO INTELIGENTE CEFET-PR, 13 a 15 de Setembro de 1995 Curitiba Paraná Planejamento De Caminhos Para Manipuladores Robóticos Articulados Em Presença De Obstáculos Usando

Leia mais

Disciplina de Sensores Inteligentes SSC-0715

Disciplina de Sensores Inteligentes SSC-0715 USP - ICMC - SSC SSC 0715 (SensInt) - 2o. Semestre 2010 Disciplina de SSC-0715 1 Prof. Fernando Osório Email: fosorio [at] { icmc. usp. br, gmail. com } Estagiário PAE: Daniel Sales Web: http://www.icmc.usp.br/~fosorio/

Leia mais

Cadeias de Markov. Geovany A. Borges gaborges@ene.unb.br

Cadeias de Markov. Geovany A. Borges gaborges@ene.unb.br 36341 - Introdução aos Processos Estocásticos Curso de Pós-Graduação em Engenharia Elétrica Departamento de Engenharia Elétrica Universidade de Brasília Cadeias de Markov Geovany A. Borges gaborges@ene.unb.br

Leia mais

Universidade Federal do Paraná Departamento de Informática. Reconhecimento de Padrões. Revisão de Probabilidade e Estatística

Universidade Federal do Paraná Departamento de Informática. Reconhecimento de Padrões. Revisão de Probabilidade e Estatística Universidade Federal do Paraná Departamento de Informática Reconhecimento de Padrões Revisão de Probabilidade e Estatística Luiz Eduardo S. Oliveira, Ph.D. http://lesoliveira.net Conceitos Básicos Estamos

Leia mais

Autor: Claudia Patricia Ochoa Díaz

Autor: Claudia Patricia Ochoa Díaz Proposta de Trabalho de Dissertação Técnicas Probabilísticas de Localização e Mapamento aplicadas à Robótica Móvel Autor: Claudia Patricia Ochoa Díaz Orientador: Alberto José Álvares, Dr. Eng. UNIVERSIDADE

Leia mais

Computação Gráfica. Prof. MSc. André Yoshimi Kusumoto andrekusumoto.unip@gmail.com

Computação Gráfica. Prof. MSc. André Yoshimi Kusumoto andrekusumoto.unip@gmail.com Computação Gráfica Prof. MSc. André Yoshimi Kusumoto andrekusumoto.unip@gmail.com Modelagem Em Computação Gráfica, modelagem consiste em todo o processo de descrever um modelo, objeto ou cena, de forma

Leia mais

Projetos. Universidade Federal do Espírito Santo - UFES. Mestrado em Informática 2004/1. O Projeto. 1. Introdução. 2.

Projetos. Universidade Federal do Espírito Santo - UFES. Mestrado em Informática 2004/1. O Projeto. 1. Introdução. 2. Pg. 1 Universidade Federal do Espírito Santo - UFES Mestrado em Informática 2004/1 Projetos O Projeto O projeto tem um peso maior na sua nota final pois exigirá de você a utilização de diversas informações

Leia mais

Universidade Federal de Pernambuco

Universidade Federal de Pernambuco Universidade Federal de Pernambuco Graduação em Engenharia da Computação Centro de Informática 2D Feature Distance Estimation for Indoor Environments using 2D laser range data Proposta de Trabalho de Graduação

Leia mais

5COP096 TeoriadaComputação

5COP096 TeoriadaComputação Sylvio 1 Barbon Jr barbon@uel.br 5COP096 TeoriadaComputação Aula 14 Prof. Dr. Sylvio Barbon Junior Sumário - Problemas Exponenciais - Algoritmos Exponenciais usando Tentativa e Erro - Heurísticas para

Leia mais

INF 1771 Inteligência Artificial

INF 1771 Inteligência Artificial Edirlei Soares de Lima INF 1771 Inteligência Artificial Aula 12 Aprendizado de Máquina Agentes Vistos Anteriormente Agentes baseados em busca: Busca cega Busca heurística Busca local

Leia mais

ALAN PORTO BONTEMPO 1, MARLEY VELLASCO 1, KARLA FIGUEIREDO 1.

ALAN PORTO BONTEMPO 1, MARLEY VELLASCO 1, KARLA FIGUEIREDO 1. UMA ABORDAGEM HÍBRIDA PARA LOCALIZAÇÃO E MAPEAMENTO SIMULTÂNEO PARA ROBÔS MÓVEIS COM SONARES ATRAVÉS DO FILTRO DE KALMAN ESTENDIDO ALAN PORTO BONTEMPO 1, MARLEY VELLASCO 1, KARLA FIGUEIREDO 1. 1. Laboratório

Leia mais

Memória Cache. Prof. Leonardo Barreto Campos 1

Memória Cache. Prof. Leonardo Barreto Campos 1 Memória Cache Prof. Leonardo Barreto Campos 1 Sumário Introdução; Projeto de Memórias Cache; Tamanho; Função de Mapeamento; Política de Escrita; Tamanho da Linha; Número de Memórias Cache; Bibliografia.

Leia mais

Probabilidade. Distribuição Exponencial

Probabilidade. Distribuição Exponencial Probabilidade Distribuição Exponencial Aplicação Aplicada nos casos onde queremos analisar o espaço ou intervalo de acontecimento de um evento; Na distribuição de Poisson estimativa da quantidade de eventos

Leia mais

MODELAGEM DIGITAL DE SUPERFÍCIES

MODELAGEM DIGITAL DE SUPERFÍCIES MODELAGEM DIGITAL DE SUPERFÍCIES Prof. Luciene Delazari Grupo de Pesquisa em Cartografia e SIG da UFPR SIG 2012 Introdução Os modelo digitais de superficie (Digital Surface Model - DSM) são fundamentais

Leia mais

BC-0506: Comunicação e Redes Algoritmos em Grafos

BC-0506: Comunicação e Redes Algoritmos em Grafos BC-0506: Comunicação e Redes Algoritmos em Grafos Santo André, 2Q2011 1 Parte 1: Algoritmos de Busca Rediscutindo: Representações em Grafos Matriz de Adjacências Matriz de Incidências Lista de Adjacências

Leia mais

Probabilidade. Distribuição Exponencial

Probabilidade. Distribuição Exponencial Probabilidade Distribuição Exponencial Aplicação Aplicada nos casos onde queremos analisar o espaço ou intervalo de acontecimento de um evento; Na distribuição de Poisson estimativa da quantidade de eventos

Leia mais

consideradas, entretanto, existem sonares mais sofisticados que são capazes de registrar outros tipos de informações.

consideradas, entretanto, existem sonares mais sofisticados que são capazes de registrar outros tipos de informações. 1 Introdução A robótica ocupa um papel fundamental na indústria. O emprego de manipuladores e máquinas capazes de automatizar processos repetitivos, cansativos, perigosos e inslubre para o ser humano eleva

Leia mais

Curso Automação Industrial Aula 2 Estrutura e características Gerais dos Robôs. Prof. Giuliano Gozzi Disciplina: CNC - Robótica

Curso Automação Industrial Aula 2 Estrutura e características Gerais dos Robôs. Prof. Giuliano Gozzi Disciplina: CNC - Robótica Curso Automação Industrial Aula 2 Estrutura e características Gerais dos Robôs Prof. Giuliano Gozzi Disciplina: CNC - Robótica Cronograma Introdução a Robótica Estrutura e Características Gerais dos Robôs

Leia mais

Espaço Amostral ( ): conjunto de todos os

Espaço Amostral ( ): conjunto de todos os PROBABILIDADE Espaço Amostral (): conjunto de todos os resultados possíveis de um experimento aleatório. Exemplos: 1. Lançamento de um dado. = {1,, 3, 4,, 6}. Doador de sangue (tipo sangüíneo). = {A, B,

Leia mais

Técnicas de Computação Paralela Capítulo III Design de Algoritmos Paralelos

Técnicas de Computação Paralela Capítulo III Design de Algoritmos Paralelos Técnicas de Computação Paralela Capítulo III Design de Algoritmos Paralelos José Rogado jose.rogado@ulusofona.pt Universidade Lusófona Mestrado Eng.ª Informática e Sistemas de Informação 2013/14 Resumo

Leia mais

Teoria dos Grafos. Edson Prestes

Teoria dos Grafos. Edson Prestes Edson Prestes Grafos Cliques Maximais Para determinar os cliques maximais de um grafo G podemos usar o método de Maghout em Dado o grafo abaixo, calcule Determine os conjuntos independentes maximais em

Leia mais

Sistemas Inteligentes Lista de Exercícios sobre Busca

Sistemas Inteligentes Lista de Exercícios sobre Busca Sistemas Inteligentes Lista de Exercícios sobre Busca 1) A* - Problema do metrô de Paris Suponha que queremos construir um sistema para auxiliar um usuário do metrô de Paris a saber o trajeto mais rápido

Leia mais

SISTEMAS ESPECIALISTAS

SISTEMAS ESPECIALISTAS SISTEMAS ESPECIALISTAS Pasteur Ottoni de Miranda Junior DCC PUC Minas Postado em www.pasteurjr.blogspot.com Sistemas especialistas (SE) representam o comportamento de um especialista humano em determinada

Leia mais

ESTIMAÇÃO VISUAL DE DISTÂNCIAS NA NAVEGAÇÃO DE ROBÔS MÓVEIS. Luiz Chaimowicz e Mário Fernando Montenegro Campos

ESTIMAÇÃO VISUAL DE DISTÂNCIAS NA NAVEGAÇÃO DE ROBÔS MÓVEIS. Luiz Chaimowicz e Mário Fernando Montenegro Campos 4o. SBAI- Simpósio Brasileiro de Automação Inteligente, São Paulo, SP, 08-10 de Setembro de 1999 ESTIMAÇÃO VISUAL DE DISTÂNCIAS NA NAVEGAÇÃO DE ROBÔS MÓVEIS Luiz Chaimowicz e Mário Fernando Montenegro

Leia mais

Mapeamento Robótico 2,5-D com Representação em Grade de Ocupação-Elevação

Mapeamento Robótico 2,5-D com Representação em Grade de Ocupação-Elevação UNIVERSIDADE FEDERAL DO RIO GRANDE DO NORTE UNIVERSIDADE FEDERAL DO RIO GRANDE DO NORTE CENTRO DE TECNOLOGIA PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA E DE COMPUTAÇÃO Mapeamento Robótico 2,5-D com

Leia mais

William Stallings Arquitetura e Organização de Computadores 8 a Edição

William Stallings Arquitetura e Organização de Computadores 8 a Edição William Stallings Arquitetura e Organização de Computadores 8 a Edição Capítulo 7 Entrada/saída Os textos nestas caixas foram adicionados pelo Prof. Joubert slide 1 Problemas de entrada/saída Grande variedade

Leia mais

Complexidade de Algoritmos. Edson Prestes

Complexidade de Algoritmos. Edson Prestes Edson Prestes Idéias básicas Um algoritmo guloso seleciona, a cada passo, o melhor elemento pertencente a entrada. Verifica se ele é viável - vindo a fazer parte da solução ou não. Após uma seqüência de

Leia mais

Cálculo das Probabilidades e Estatística I

Cálculo das Probabilidades e Estatística I Cálculo das Probabilidades e Estatística I Prof a. Juliana Freitas Pires Departamento de Estatística Universidade Federal da Paraíba - UFPB juliana@de.ufpb.br Introdução a Probabilidade Existem dois tipos

Leia mais

Sistema de Despacho de Serviços de Táxi

Sistema de Despacho de Serviços de Táxi Sistema de Despacho de Serviços de Táxi é um inovador sistema de despacho eletrônico de serviços de táxi, dotado da mais alta tecnologia de computação móvel e de otimização de mobilidade. O TAXI-LINK está

Leia mais

Capítulo 5: Aplicações da Derivada

Capítulo 5: Aplicações da Derivada Instituto de Ciências Exatas - Departamento de Matemática Cálculo I Profª Maria Julieta Ventura Carvalho de Araujo Capítulo 5: Aplicações da Derivada 5- Acréscimos e Diferenciais - Acréscimos Seja y f

Leia mais

Sistemas de Tempo Real: Conceitos Básicos

Sistemas de Tempo Real: Conceitos Básicos Escola de Computação 2000 - IME-USP Sistemas de Tempo Real: Conceitos Básicos Jean-Marie Farines Joni da Silva Fraga Rômulo Silva de Oliveira LCMI - Laboratório de Controle e Microinformática DAS - Departamento

Leia mais

UM TEOREMA QUE PODE SER USADO NA

UM TEOREMA QUE PODE SER USADO NA UM TEOREMA QUE PODE SER USADO NA PERCOLAÇÃO Hemílio Fernandes Campos Coêlho Andrei Toom PIBIC-UFPE-CNPq A percolação é uma parte importante da teoria da probabilidade moderna que tem atraído muita atenção

Leia mais

Sistema de Navegação Autônoma de Robôs Móveis em Ambiente com Obstáculos em Movimento. Resumo

Sistema de Navegação Autônoma de Robôs Móveis em Ambiente com Obstáculos em Movimento. Resumo TECNOLOGIA Sistema de Navegação Autônoma de Robôs Móveis em Ambiente com Obstáculos em Movimento Resumo Felipe A. Pinagé 1, Hayanna S. Pinheiro 2, José P. Queiroz-Neto 3 O presente artigo consiste em uma

Leia mais

Rastreamento de Múltiplos. Objetos em Tempo Real

Rastreamento de Múltiplos. Objetos em Tempo Real Rastreamento de Múltiplos Objetos em Tempo Real THIAGO DA ROSA DE BUSTAMANTE 1 UFMG - Universidade Federal de Minas Gerais, Av. Antônio Carlos, 667 Pampulha - Belo Horizonte, MG, Brasil trb@dcc.ufmg.br

Leia mais

Projeto de um Sistema Mecânico para Auxiliar o Implante Permanente de Sementes Radioativas em Tecidos Moles

Projeto de um Sistema Mecânico para Auxiliar o Implante Permanente de Sementes Radioativas em Tecidos Moles Universidade Federal de São João Del-Rei MG 26 a 28 de maio de 2010 Associação Brasileira de Métodos Computacionais em Engenharia Projeto de um Sistema Mecânico para Auxiliar o Implante Permanente de Sementes

Leia mais

BCC204 - Teoria dos Grafos

BCC204 - Teoria dos Grafos BCC204 - Teoria dos Grafos Marco Antonio M. Carvalho (baseado nas notas de aula do prof. Haroldo Gambini Santos) Departamento de Computação Instituto de Ciências Exatas e Biológicas Universidade Federal

Leia mais

Estruturas de Dados Árvores

Estruturas de Dados Árvores Estruturas de Dados Árvores Prof. Eduardo Alchieri Árvores (introdução) Importância de estruturas unidimensionais ou lineares (vetores e listas) é inegável Porém, estas estruturas não são adequadas para

Leia mais

MÉTODOS DE RESOLUÇÃO DE PROBLEMAS EM IA. Busca em espaço de estados. Estados e Operadores. Jogo dos 8. Sumário. Exemplo: jogo dos 8

MÉTODOS DE RESOLUÇÃO DE PROBLEMAS EM IA. Busca em espaço de estados. Estados e Operadores. Jogo dos 8. Sumário. Exemplo: jogo dos 8 MÉTODOS DE RESOLUÇÃO DE PROBLEMAS EM IA Sumário busca em espaço de estados redução de problemas Busca em espaço de estados Exemplo: jogo dos 8 2 8 3 1 6 4 7 5 Jogo dos 8 Estados e Operadores Estado: uma

Leia mais

CADEX. Consultoria em Logística Interna. Layout de armazém. Objectivos. Popularidade. Semelhança. Tamanho. Características

CADEX. Consultoria em Logística Interna. Layout de armazém. Objectivos. Popularidade. Semelhança. Tamanho. Características CADEX Consultoria em Logística Interna Layout de armazém fonte: Wikipédia O layout de armazém é a forma como as áreas de armazenagem de um armazém estão organizadas, de forma a utilizar todo o espaço existente

Leia mais

Algoritmos e Estrutura de Dados III. Árvores

Algoritmos e Estrutura de Dados III. Árvores Algoritmos e Estrutura de Dados III Árvores Uma das mais importantes classes de estruturas de dados em computação são as árvores. Aproveitando-se de sua organização hierárquica, muitas aplicações são realizadas

Leia mais

Universidade Federal de Goiás Instituto de Informática Processamento Digital de Imagens

Universidade Federal de Goiás Instituto de Informática Processamento Digital de Imagens Universidade Federal de Goiás Instituto de Informática Processamento Digital de Imagens Prof Fabrízzio Alphonsus A M N Soares 2012 Capítulo 2 Fundamentos da Imagem Digital Definição de Imagem: Uma imagem

Leia mais

Desenvolvimento de um Sistema Híbrido para Rastreamento

Desenvolvimento de um Sistema Híbrido para Rastreamento Desenvolvimento de um Sistema Híbrido para Rastreamento de Objetos aplicado ao Futebol de Robôs Eduardo W. Basso 1, Diego M. Pereira 2, Paulo Schreiner 2 1 Laboratório de Robótica Inteligente Instituto

Leia mais

UM SISTEMA DE NAVEGAÇÃO PARA O ROBÔ MÓVEL X80

UM SISTEMA DE NAVEGAÇÃO PARA O ROBÔ MÓVEL X80 UM SISTEMA DE NAVEGAÇÃO PARA O ROBÔ MÓVEL X80 JOSÉ RENATO A. SOUTO, ROSIERY MAIA, ANDERSON A. SOUZA, BRUNO SANTANA Departamento de Computação Universidade do Estado do Rio Grande do Norte (UERN) Natal,

Leia mais

COBERTURA EM UMA REDE DE SENSORES SEM FIO

COBERTURA EM UMA REDE DE SENSORES SEM FIO COBERTURA EM UMA REDE DE SENSORES SEM FIO Vivian Lúcia Bittencourt Drumond Universidade Presidente Antônio Carlos Rodovia MG 368 KM 12 Colônia Rodrigo Silva Barbacena Minas Gerais Brasil viviandrumond@yahoo.com.br

Leia mais

Figuras geométricas. Se olhar ao seu redor, você verá que os objetos. Nossa aula. Figuras geométricas elementares

Figuras geométricas. Se olhar ao seu redor, você verá que os objetos. Nossa aula. Figuras geométricas elementares A UU L AL A Figuras geométricas Se olhar ao seu redor, você verá que os objetos têm forma, tamanho e outras características próprias. As figuras geométricas foram criadas a partir da observação das formas

Leia mais

5.1 Modelo de uma rede óptica com conversores de comprimento de onda

5.1 Modelo de uma rede óptica com conversores de comprimento de onda 5 Trabalho Realizado Na seção 2.3, estabeleceu-se que uma das alternativas sub-ótimas de alocação de conversores de comprimento de onda em redes parciais é fazer uso de simulações para gerar estatísticas

Leia mais

Roteamento em Redes de Computadores

Roteamento em Redes de Computadores Roteamento em Redes de Computadores José Marcos Câmara Brito INATEL - Instituto Nacional de Telecomunicações INATEL - Instituto Nacional de Telecomunicações 01/08/00 1 Introdução Objetivo Tipos de rede

Leia mais

Árvores Binárias de Busca

Árvores Binárias de Busca Árvores Binárias de Busca Uma Árvore Binária de Busca T (ABB) ou Árvore Binária de Pesquisa é tal que ou T = 0 e a árvore é dita vazia ou seu nó contém uma chave e: 1. Todas as chaves da sub-árvore esquerda

Leia mais

Avaliação de Desempenho

Avaliação de Desempenho Avaliação de Desempenho Aulas passadas Modelagem de sistemas via cadeias de Markov Aula de hoje Introdução à simulação Gerando números pseudo-aleatórios 1 O Ciclo de Modelagem Sistema real Criação do Modelo

Leia mais

Modelo para estimativa de risco operacional e previsão de estoque para equipamentos da Comgás

Modelo para estimativa de risco operacional e previsão de estoque para equipamentos da Comgás Modelo para estimativa de risco operacional e previsão de estoque para equipamentos da Comgás Resumo Marcos Henrique de Carvalho 1 Gabriel Alves da Costa Lima 2 Antonio Elias Junior 3 Sergio Rodrigues

Leia mais

Planejamento de trajetória para estacionamento de veículos autônomos. Marcos Gomes Prado

Planejamento de trajetória para estacionamento de veículos autônomos. Marcos Gomes Prado Planejamento de trajetória para estacionamento de veículos autônomos Marcos Gomes Prado SERVIÇO DE PÓS-GRADUAÇÃO DO ICMC-USP Data de Depósito: Assinatura: Planejamento de trajetória para estacionamento

Leia mais

Sinopse da Teoria da Escolha

Sinopse da Teoria da Escolha 14.126 Teoria dos Jogos Sergei Izmalkov e Muhamet Yildiz Outono de 2001 Sinopse da Teoria da Escolha Esta nota resume os elementos da teoria da utilidade esperada. Para uma exposição em detalhes dos quatro

Leia mais

Métodos de mapeamento para fenômenos qualitativos e quantitativos

Métodos de mapeamento para fenômenos qualitativos e quantitativos IT 508 - Cartografia Temática Representação cartográfica: Métodos de mapeamento para fenômenos qualitativos e quantitativos Profa.. Juliana Moulin Segundo os métodos padronizados, conforme o uso das variáveis

Leia mais

GRADES DE EVIDÊNCIA COM VISÃO ESTÉREO OMNIDIRECIONAL PARA NAVEGAÇÃO DE ROBÔS MÓVEIS

GRADES DE EVIDÊNCIA COM VISÃO ESTÉREO OMNIDIRECIONAL PARA NAVEGAÇÃO DE ROBÔS MÓVEIS FABIANO ROGÉRIO CORRÊA GRADES DE EVIDÊNCIA COM VISÃO ESTÉREO OMNIDIRECIONAL PARA NAVEGAÇÃO DE ROBÔS MÓVEIS Dissertação apresentada à Escola Politécnica da Universidade de São Paulo para obtenção do Título

Leia mais

Lógica e Raciocínio. Decisão sob Risco Probabilidade. Universidade da Madeira. http://dme.uma.pt/edu/ler/

Lógica e Raciocínio. Decisão sob Risco Probabilidade. Universidade da Madeira. http://dme.uma.pt/edu/ler/ Lógica e Raciocínio Universidade da Madeira http://dme.uma.pt/edu/ler/ Decisão sob Risco Probabilidade 1 Probabilidade Em decisões sob ignorância a probabilidade dos diferentes resultados e consequências

Leia mais

As fases na resolução de um problema real podem, de modo geral, ser colocadas na seguinte ordem:

As fases na resolução de um problema real podem, de modo geral, ser colocadas na seguinte ordem: 1 As notas de aula que se seguem são uma compilação dos textos relacionados na bibliografia e não têm a intenção de substituir o livro-texto, nem qualquer outra bibliografia. Introdução O Cálculo Numérico

Leia mais

Arquitetura de Computadores - Arquitetura RISC. por Helcio Wagner da Silva

Arquitetura de Computadores - Arquitetura RISC. por Helcio Wagner da Silva Arquitetura de Computadores - Arquitetura RISC por Helcio Wagner da Silva Introdução RISC = Reduced Instruction Set Computer Elementos básicos: Grande número de registradores de propósito geral ou uso

Leia mais

Geração de Números Aleatórios e Simulação

Geração de Números Aleatórios e Simulação Departamento de Informática Geração de Números Aleatórios e imulação Métodos Quantitativos LEI 26/27 usana Nascimento (snt@di.fct.unl.pt) Advertência Autores João Moura Pires (jmp@di.fct.unl.pt) usana

Leia mais

Tópicos Especiais em Redes: Introdução a Teoria dos Jogos com Aplicações a Redes de Computadores

Tópicos Especiais em Redes: Introdução a Teoria dos Jogos com Aplicações a Redes de Computadores Tópicos Especiais em Redes: Introdução a Teoria dos Jogos com Aplicações a Redes de Computadores Aula passada: Discussão sobre situações de conflito Exemplos de jogos Jogo em aula Aula de hoje: Introdução

Leia mais

CINEMÁTICA - É a parte da mecânica que estuda os vários tipos de movimento, sem se preocupar com as causas destes movimentos.

CINEMÁTICA - É a parte da mecânica que estuda os vários tipos de movimento, sem se preocupar com as causas destes movimentos. INTRODUÇÃO À CINEMÁTICA REPOUSO OU MOVIMENTO? DEPENDE DO REFERENCIAL! CINEMÁTICA - É a parte da mecânica que estuda os vários tipos de movimento, sem se preocupar com as causas destes movimentos. REFERENCIAL.

Leia mais

Sistemas Digitais. Sistemas Digitais III - Ementa

Sistemas Digitais. Sistemas Digitais III - Ementa Sistemas Digitais Sistemas Digitais I - Sistemas Combinatórios As saídas atuais são determinadas diretamente a partir das entradas atuais. Portas Lógicas. Sistemas Digitais II - Sistemas Seqüenciais As

Leia mais

Técnicas de Cartografia Digital

Técnicas de Cartografia Digital Técnicas de Cartografia Digital Maria Cecília Bonato Brandalize 2011 Aula 8 1. Vetoriais 2. Matriciais 3. Vantagens e Desvantagens 1. Vetoriais 2. Matriciais 3. Vantagens e Desvantagens Como são representados

Leia mais

Disciplina de Introdução aos Sistemas Robóticos SSC-5887

Disciplina de Introdução aos Sistemas Robóticos SSC-5887 USP - ICMC SSC / PG-CCMC SSC 5887 (ISR) - 1o. Semestre 2009 Disciplina de SSC-5887 Prof. Fernando Santos Osório Grupo SEER Email: fosorio [at] { icmc. usp. br, gmail. com } Web: http://www.icmc.usp.br/~fosorio/

Leia mais

Plano Curricular de Matemática 9º ano - 2014 /2015-3º Ciclo

Plano Curricular de Matemática 9º ano - 2014 /2015-3º Ciclo Plano Curricular de Matemática 9º ano - 2014 /2015-3º Ciclo Tema/Subtema Conteúdos Metas Nº de Aulas Previstas Org.Trat.Dados / Planeamento Estatístico Especificação do problema Recolha de dados População

Leia mais

Figure 2 - Nós folhas de uma árvore binária representando caracteres ASCII

Figure 2 - Nós folhas de uma árvore binária representando caracteres ASCII A ocorrência tamanho ASCII codificação de Huffman é um A Codificação método de compactação de Huffman caracteres (American e a variável codificação dos usado símbolos Standard para por cada muitas no Code

Leia mais

Universidade Federal do ABC. Sinais Aleatórios. Prof. Marcio Eisencraft

Universidade Federal do ABC. Sinais Aleatórios. Prof. Marcio Eisencraft Universidade Federal do ABC Sinais Aleatórios Prof. Marcio Eisencraft São Paulo 2011 Capítulo 1 Probabilidades Neste curso, trata-se dos fenômenos que não podem ser representados de forma determinística

Leia mais

CENTRO FEDERAL DE EDUCAÇÃO TECNOLÓGICA CELSO SUCKOW DA FONSECA HABILIDADES CONTEÚDO METODOLOGIA/ESTRATÉGIA HORA/ AULA ANÁLISE GRÁFICA DE FUNÇÕES

CENTRO FEDERAL DE EDUCAÇÃO TECNOLÓGICA CELSO SUCKOW DA FONSECA HABILIDADES CONTEÚDO METODOLOGIA/ESTRATÉGIA HORA/ AULA ANÁLISE GRÁFICA DE FUNÇÕES CENTRO FEDERAL DE EDUCAÇÃO TECNOLÓGICA CELSO SUCKOW DA FONSECA ENSINO MÉDIO ÁREA CURRICULAR: CIÊNCIA DA NATUREZA, MATEMÁTICA E SUAS TECNOLOGIAS DISCIPLINA: MATEMÁTICA I SÉRIE 1.ª CH 68 ANO 2012 COMPETÊNCIAS:.

Leia mais

Agenda. Detecção e Análise de Movimento em Vídeos. Detecção e Análise de Movimentos: Introdução. Detecção e Análise de Movimentos: Introdução

Agenda. Detecção e Análise de Movimento em Vídeos. Detecção e Análise de Movimentos: Introdução. Detecção e Análise de Movimentos: Introdução Agenda Detecção e Análise de Movimento em Vídeos Alceu de Souza Britto Jr. Alessandro L. Koerich InviSys Sistemas de Visão Computacional Ltda Programa de Pós-Graduação em Informática (PPGIa PUCPR) Introdução

Leia mais

Robótica Inteligente

Robótica Inteligente Robótica Inteligente Módulos Funcionais de um (hipotético) Robô Móvel Inteligente: Módulos Funcionais relacionados com o Controlo Módulos da Arquitectura de controlo hipotética Objectivos essenciais na

Leia mais

INTRODUÇÃO À ROBÓTICA MÓVEL

INTRODUÇÃO À ROBÓTICA MÓVEL INTRODUÇÃO À ROBÓTICA MÓVEL Aula 27 Edson Prestes Departamento de Informática Teórica http://www.inf.ufrgs.br/~prestes prestes@inf.ufrgs.br Localização É um componente essencial para um robô ser completamente

Leia mais

Planejamento de trajetória em ambientes com prioridades dinâmicas

Planejamento de trajetória em ambientes com prioridades dinâmicas UNIVERSIDADE DE SÃO PAULO INSTITUTO DE CIÊNCIAS MATEMÁTICAS E DE COMPUTAÇÃO Planejamento de trajetória em ambientes com prioridades dinâmicas Heitor Luis Polidoro São Carlos / SP Junho de 2010 Planejamento

Leia mais

INTRODUÇÃO À ROBÓTICA MÓVEL

INTRODUÇÃO À ROBÓTICA MÓVEL INTRODUÇÃO À ROBÓTICA MÓVEL Aula 8 Edson Prestes Departamento de Informática Teórica http://www.inf.ufrgs.br/~prestes prestes@inf.ufrgs.br São dispositivos que medem algum atributo do ambiente. São chamados

Leia mais

Revista Hispeci & Lema On Line ano III n.3 nov. 2012 ISSN 1980-2536 unifafibe.com.br/hispecielemaonline Centro Universitário UNIFAFIBE Bebedouro-SP

Revista Hispeci & Lema On Line ano III n.3 nov. 2012 ISSN 1980-2536 unifafibe.com.br/hispecielemaonline Centro Universitário UNIFAFIBE Bebedouro-SP Reconhecimento de face utilizando banco de imagens monocromáticas e coloridas através dos métodos da análise do componente principal (PCA) e da Rede Neural Artificial (RNA) [Recognition to face using the

Leia mais

Introdução à Simulação

Introdução à Simulação Introdução à Simulação O que é simulação? Wikipedia: Simulação é a imitação de alguma coisa real ou processo. O ato de simular algo geralmente consiste em representar certas características e/ou comportamentos

Leia mais

Simulação e controle inteligente de tráfego veicular urbano

Simulação e controle inteligente de tráfego veicular urbano Simulação e controle inteligente de tráfego veicular urbano Instituto de Informática - UFRGS XVII Seminário de Computação (SEMINCO) 04/11/2008 Roteiro Introdução O Simulador ITSUMO Simulação de Caso Real:

Leia mais

Aula 20. Roteamento em Redes de Dados. Eytan Modiano MIT

Aula 20. Roteamento em Redes de Dados. Eytan Modiano MIT Aula 20 Roteamento em Redes de Dados Eytan Modiano MIT 1 Roteamento Deve escolher rotas para vários pares origem, destino (pares O/D) ou para várias sessões. Roteamento datagrama: a rota é escolhida para

Leia mais

A Vision Tracking System for Robotic Wheelchairs

A Vision Tracking System for Robotic Wheelchairs A Vision Tracking System for Robotic Wheelchairs Fernando Paolieri Neto, Clésio Luis Tozzi Departamento de Engenharia de Computação e Automação Industrial Faculdade de Engenharia Elétrica e de Computação

Leia mais

PLANIFICAÇÃO ANUAL. MACS Matemática Aplicada às Ciências Sociais. Curso de Línguas e Humanidades 2º ANO (11º ANO)

PLANIFICAÇÃO ANUAL. MACS Matemática Aplicada às Ciências Sociais. Curso de Línguas e Humanidades 2º ANO (11º ANO) PLANIFICAÇÃO ANUAL MACS Matemática Aplicada às Ciências Sociais Curso de Línguas e Humanidades º ANO (º ANO) Ano Lectivo 0/05 Planificação º Ano - MACS º Período Número de Aulas Previstas 0 Apresentação

Leia mais

Deteção do Espaço Navegável para o ATLASCAR usando informação 3D

Deteção do Espaço Navegável para o ATLASCAR usando informação 3D Deteção do Espaço Navegável para o ATLASCAR usando informação 3D Diogo Artur Fonseca Matos Universidade de Aveiro Departamento de Engenharia Mecânica 16 de Julho 2013 Conteúdos 1 Introdução Apresentação

Leia mais

Universidade Federal de São João Del Rei - UFSJ

Universidade Federal de São João Del Rei - UFSJ Universidade Federal de São João Del Rei - UFSJ Instituída pela Lei 0.45, de 9/04/00 - D.O.U. de /04/00 Pró-Reitoria de Ensino de Graduação - PROEN Disciplina: Cálculo Numérico Ano: 03 Prof: Natã Goulart

Leia mais

A abordagem do assunto será feita inicialmente explorando uma curva bastante conhecida: a circunferência. Escolheremos como y

A abordagem do assunto será feita inicialmente explorando uma curva bastante conhecida: a circunferência. Escolheremos como y 5 Taxa de Variação Neste capítulo faremos uso da derivada para resolver certos tipos de problemas relacionados com algumas aplicações físicas e geométricas. Nessas aplicações nem sempre as funções envolvidas

Leia mais

CAPÍTULO I - ELEMENTOS DE PROBABILIDADE

CAPÍTULO I - ELEMENTOS DE PROBABILIDADE CAPÍTULO I - ELEMENTOS DE PROBABILIDADE 1.1 INTRODUÇÃO Em geral, um experimento ao ser observado e repetido sob um mesmo conjunto especificado de condições, conduz invariavelmente ao mesmo resultado. São

Leia mais

BCC202 - Estrutura de Dados I

BCC202 - Estrutura de Dados I BCC202 - Estrutura de Dados I Aula 04: Análise de Algoritmos (Parte 1) Reinaldo Fortes Universidade Federal de Ouro Preto, UFOP Departamento de Ciência da Computação, DECOM Website: www.decom.ufop.br/reifortes

Leia mais

Hashing. Estruturas de Dados. Motivação

Hashing. Estruturas de Dados. Motivação Estruturas de Dados Hashing Prof. Ricardo J. G. B. Campello Parte deste material é baseado em adaptações e extensões de slides disponíveis em http://ww3.datastructures.net (Goodrich & Tamassia). Motivação

Leia mais

Redes de Sensores Sem Fio

Redes de Sensores Sem Fio Disciplina 2º.semestre/2004 aula2 Redes de Sensores Sem Fio Antônio Alfredo Ferreira Loureiro loureiro@dcc.ufmg.br Depto. Ciência da Computação UFMG Linnyer Beatrys Ruiz linnyer@dcc.ufmg.br Depto. Engenharia

Leia mais

NOÇÕES DE PROBABILIDADE

NOÇÕES DE PROBABILIDADE NOÇÕES DE PROBABILIDADE Fenômeno Aleatório: situação ou acontecimento cujos resultados não podem ser determinados com certeza. Exemplos: 1. Resultado do lançamento de um dado;. Hábito de fumar de um estudante

Leia mais

Visualização Científica. Pedro de Botelho Marcos Março/2008. Núcleo de Computação Científica Tópicos Avançados em Computação II

Visualização Científica. Pedro de Botelho Marcos Março/2008. Núcleo de Computação Científica Tópicos Avançados em Computação II Pedro de Botelho Marcos Março/2008 1 Sumário Introdução Ciclo de Visualização Dados 3D Dados Vetoriais Referências 2 Introdução O que? Representação visual de dados. Para? Facilitar a análise de grandes

Leia mais

Processamento Digital de Imagens

Processamento Digital de Imagens Processamento Digital de Imagens Israel Andrade Esquef a Márcio Portes de Albuquerque b Marcelo Portes de Albuquerque b a Universidade Estadual do Norte Fluminense - UENF b Centro Brasileiro de Pesquisas

Leia mais

3.1. Representação de Velocidade de um Corpo Rígido:

3.1. Representação de Velocidade de um Corpo Rígido: 3. CINEMÁTICA DIFERENCIAL Neste capítulo abordamos a descrição do movimento do robô manipulador sem levar em conta os esforços que o produzem. Um importante problema cinemático associado ao movimento do

Leia mais

ALGORITMO DE MAPEAMENTO USANDO MODELAGEM PROBABILÍSTICA

ALGORITMO DE MAPEAMENTO USANDO MODELAGEM PROBABILÍSTICA ALGORITMO DE MAPEAMENTO USANDO MODELAGEM PROBABILÍSTICA Anderson A. de Souza, Adelardo A. D. Medeiros, Luiz M. G. Gonçalves Universidade Federal do Rio Grande do Norte DCA-CT-UFRN, 59072-970, Natal, RN,

Leia mais

NAVEGAÇÃO DE ROBÔS MÓVEIS EM AMBIENTES DESCONHECIDOS UTILIZANDO SONARES DE ULTRA-SOM

NAVEGAÇÃO DE ROBÔS MÓVEIS EM AMBIENTES DESCONHECIDOS UTILIZANDO SONARES DE ULTRA-SOM NAVEGAÇÃO DE ROBÔS MÓVEIS EM AMBIENTES DESCONHECIDOS UTILIZANDO SONARES DE ULTRA-SOM Guilherme de Lima Ottoni ottoni@acm.org Walter Fetter Lages y w.fetter@ieee.org Department of Computer Science, Princeton

Leia mais

Sistemas Inteligentes. Aula: Agentes Inteligentes Flávia Barros & Patricia Tedesco

Sistemas Inteligentes. Aula: Agentes Inteligentes Flávia Barros & Patricia Tedesco Sistemas Inteligentes Aula: Agentes Inteligentes Flávia Barros & Patricia Tedesco 1 Ao final desta aula a gente deve... Entender o que é um Agente Racional (inteligente)? Distinguir entre os vários tipos

Leia mais