Uso de redes neurais baseadas em YOLO para tomada de decisão na transposição de obstáculos para autônomos biomiméticos não guiados
The Use of YOLO-Based Neural Networks for Decision-Making in Obstacle Transposition for Unmanned Biomimetic Autonomous Vehicles
Universidade Federal do ABC - Bacharelado em Ciência e Tecnologia Projeto Dirigido 2023/Q1
Lenin Cristi
{lenin.cristi}@aluno.ufabc.edu.br
O presente artigo trata da viabilidade da utilização de redes neurais de detecção de objetos para tomada de decisão autônoma de robôs de exploração espacial em terreno hostil e não mapeado.
A exploração e mapeamento de terrenos desconhecidos, sejam acidentados, altamente irregulares, ravinas, encostas e mesmo cavernas é um desafio para robôs de exploração, seja essa espacial ou terrestre. A adoção da biomimética na construção de robôs guarda forte relação com a mudança de paradigma de eficiência para adaptabilidade (Fang et all, 2022), onde desenhos com patas e mais similares ao de animais adaptados a sobreviver e explorar terrenos acidentados são utilizados. O desenvolvimento de técnicas de aprendizado de máquina para mapeamento de terrenos e detecção de objetos aliadas a miniaturização e barateamento de sensores e chips embarcados abre uma oportunidade de uso destas duas áreas (Wang et all, 2021) na construção de veículos não guiados que aliando biomimética e aprendizado profundo tem uma capacidade de sobrevivência e exploração inexistente nas gerações de veículos de exploração anteriores.
CMCC - Universidade Federal do ABC (UFABC) - Santo André - SP - Brasil