Use este identificador para citar ou linkar para este item:
http://repositorio.utfpr.edu.br/jspui/handle/1/36015| Título: | Optimization of intelligent sensorization systems with machine learning applied to robotic localization |
| Título(s) alternativo(s): | Otimização de sistemas de sensorização inteligente com aprendizado de máquina aplicado à localização robótica |
| Autor(es): | Klein, Luan Carlos |
| Orientador(es): | Fabro, João Alberto |
| Palavras-chave: | Robótica Aprendizado do computador Robótica - Competições Estimativa de parâmetros Inteligência computacional Inteligência artificial Redes neurais (Computação) Robotics Machine learning Robotics - Competitions Parameter estimation Computational intelligence Artificial intelligence Neural networks (Computer science) |
| Data do documento: | 19-Dez-2024 |
| Editor: | Universidade Tecnológica Federal do Paraná |
| Câmpus: | Curitiba |
| Citação: | KLEIN, Luan Carlos. Optimization of intelligent sensorization systems with machine learning applied to robotic localization. 2025. Dissertação (Mestrado em Computação Aplicada) - Universidade Tecnológica Federal do Paraná, Curitiba, 2024. |
| Resumo: | A capacidade de se localizar de maneira eficiente é uma característica essencial para robôs autônomos. Devido à sua importância, esse tema tem sido amplamente estudado e debatido ao longo dos anos, com várias abordagens propostas. Este trabalho se baseia em pesquisas anteriores que sugerem o uso de técnicas de inteligência artificial para a localização no contexto da competição de robótica RobotAtFactory 4.0. Em particular, este estudo foca na otimização dos hiperparâmetros de uma Rede Neural Artificial do tipo MultiLayer Perceptron (MLP), investigando seu desempenho em diferentes situações dentro do mesmo cenário. Os resultados mostraram uma melhoria de até 60% na precisão das estimativas, quando comparado a modelos sem otimização. Outro resultado interessante foi a possibilidade de reutilizar otimizações em diferentes cenários, o que se apresenta como uma alternativa promissora em casos onde o custo computacional para encontrar a melhor configuração é muito elevado. Essa solução oferece uma abordagem eficaz para reduzir o custo computacional, ao mesmo tempo em que melhora o desempenho dos modelos de aprendizagem de máquina. |
| Abstract: | Efficient localization is an essential feature for autonomous robots. Due to its importance, this topic has been widely studied and debated over the years, with several approaches proposed. This study builds on previous research that suggests the use of artificial intelligence techniques for localization in the context of the RobotAtFactory 4.0 robotics competition. In particular, this study focuses on optimizing the hyperparameters of the Multilayer Perceptron (MLP), evaluating its performance in different situations within the same scenario. The results showed an improvement of up to 60% in the estimates’ precision compared to models without optimization. Another interesting result was the possibility of reusing optimizations between different scenarios, a promising alternative in cases where the computational cost of finding the best configuration is very high. This solution offers an effective approach to reducing the computational cost while improving the performance of machine learning models. |
| URI: | http://repositorio.utfpr.edu.br/jspui/handle/1/36015 |
| Aparece nas coleções: | CT - Programa de Pós-Graduação em Computação Aplicada |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| machinelearningroboticsoptimization.pdf | 2,83 MB | Adobe PDF |  Visualizar/Abrir |
Este item está licenciada sob uma Licença Creative Commons
