Navegação guiada de um agente autônomo por meio de relações projetivas obtidas por múltiplas perspectivas espaciais

Abstract

Navegação é uma habilidade essencial para que agentes móveis possam ser completamente autônomos e capazes de desempenhar tarefas complexas que dependam de diversas competências cognitivas. Contudo, o problema de navegação em agentes que não podem perceber o mundo e não tem modelo de movimento completamente definido foi, até agora, pouco estudado. Uma maneira de tornar possível a navegação de um agente sem estas informações é a utilização da navegação guiada, na qual outros agentes autônomos, dotados de percepção, podem, por meio da união de suas diferentes perspectivas, inferir de forma recursiva a localização e as ações que o agente guiado deve tomar para realizar um trajeto de sua origem até um destino. Devido, ainda, a falta de conhecimento que pode existir sobre as características físicas e sensoriais do agente que será conduzido, um sistema de navegação guiada deve ser capaz de trabalhar com um nível de abstração que possibilite o uso de um modelo genérico de movimento e que transmita instruções de ação em alto nível, permitindo sua interpretação por qualquer tipo de agente autônomo. Esta abstração pode ser alcançada pelo uso de instruções baseadas em preposições espaciais projetivas, como direita, esquerda, frente e atrás. Assim, este trabalho apresenta dois modelos híbridos, qualitativo-probabilístico, para se guiar um agente sem percepção e sem modelo de movimento definido por meio do uso de proposições projetivas. Estes dois modelos utilizam os fundamentos encontrados no Filtro de Partículas, utilizado no contexto de navegação, e a representação qualitativa formalizada por meio da linguagem de restrição para relações de direção relativas StarVars. Os dois métodos propostos foram sistematicamente avaliados por experimentos realizados em um simulador de robôs humanoides e em duas provas de conceito, uma para cada método, realizadas com robôs humanoides reais. Os resultados obtidos demonstraram que os dois modelos de navegação guiada propostos foram bem sucedidos.

Navigation is an essential ability for mobile agents to be completely autonomous and able to perform complex tasks that depend on various cognitive skills. However, the problem of navigation in agents that can not perceive the world and does not have a fully defined model of movement has so far been little studied. One way to make an agent without these information to navigate is to use guided navigation, in which other autonomous agents, endowed with perception, can, through the union of their different perspectives, infer recursively the localization and the actions that the guided agent must take to make a route from its origin to a destination. Due to the lack of knowledge that can exist about the physical and sensorial characteristics of the agent to be conducted, a guided navigation system must be able to work with a level of abstraction that allows the use of a generic model of movement and that transmits instructions of action at high level, that can be interpreted by any type of autonomous agent. This abstraction can be achieved by using instructions based on projective spatial prepositions such as right, left, front, and back. Thus, this work presents two hybrid models, qualitative-probabilistic, to guide an agent without perception and without model of movement defined through the use of projective propositions. These two models use the foundations found in the Particle Filter, used in the context of navigation, and the qualitative representation formalized by means of the restriction language for relative relations of direction StarVars. The two proposed methods were systematically evaluated by experiments carried out on a 2D humanoid robot simulator and two proofs of concept, one for each method, were performed with real humanoid robots. The results obtained demonstrated that the two guided navigation models proposed were successful.