Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Marin, Luciene de Oliveira | - |
Autor(es): dc.contributor | Lima, Jeferson José de | - |
Autor(es): dc.contributor | Marin, Luciene de Oliveira | - |
Autor(es): dc.contributor | Lima, Jeferson José de | - |
Autor(es): dc.contributor | Linares, Kathya Silvia Collazos | - |
Autor(es): dc.contributor | Ortiz, Jorge Luis Roel | - |
Autor(es): dc.creator | Welter, Alexsandro Reichert | - |
Data de aceite: dc.date.accessioned | 2025-08-29T11:44:48Z | - |
Data de disponibilização: dc.date.available | 2025-08-29T11:44:48Z | - |
Data de envio: dc.date.issued | 2023-02-22 | - |
Data de envio: dc.date.issued | 2023-02-22 | - |
Data de envio: dc.date.issued | 2022-12-08 | - |
Fonte completa do material: dc.identifier | http://repositorio.utfpr.edu.br/jspui/handle/1/30617 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1082484 | - |
Descrição: dc.description | Automated Guided Vehicles (AGVs) are related to the problem of autonomous navigation in internal logistics, which is a very relevant area in the current industry. With the use of mobile robots, which are controlled without direct human interaction, it is possible to reduce costs, increase efficiency and facilitate the maintenance of internal logistics environments. Among the various solutions, there is the use of reinforcement learning applied to robot control. This learning technique has the characteristic of having an exchange of information between environment and agent, with the agent seeking goals and the environment returning rewards for each of its actions. Such characteristics allow learning to be conducted without prior knowledge of the environment, which is useful in the robotics field, due to its adaptability to dynamic and diverse environments. The present work aims to evaluate the Deep Q-learning (DQN) algorithm for use in autonomous navigation of a mobile robot in a simulation environment and to analyze the results obtained. | - |
Descrição: dc.description | Os veículos guiados automaticamente (AGVs) estão relacionados ao problema da navegação autônoma na logística interna, sendo essa uma área muito pertinente na indústria atual. Com a utilização de robôs móveis, que não precisam da atuação humana direta para o seu funcionamento, é possível reduzir custos, aumentar a eficiência e facilitar a manutenção de ambientes de logística interna. Dentre as várias soluções, existe o uso do aprendizado por reforço aplicado ao controle do robô. Essa técnica de aprendizado tem a característica de ter uma troca de informações entre o ambiente e o agente, com o agente buscando objetivos e o ambiente retornando recompensas para cada uma de suas ações. Tais características permitem que o aprendizado ocorra sem o conhecimento prévio do ambiente, sendo esse um grande diferencial para a área da robótica, pela sua adaptabilidade a ambientes dinâmicos e diversos. O presente trabalho tem o objetivo de avaliar o algoritmo Deep Q-learning (DQN) para o uso na navegação autônoma de um robô móvel em ambiente de simulação e realizar a análise dos resultados obtidos. | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Publicador: dc.publisher | Universidade Tecnológica Federal do Paraná | - |
Publicador: dc.publisher | Pato Branco | - |
Publicador: dc.publisher | Brasil | - |
Publicador: dc.publisher | Departamento Acadêmico de Informática | - |
Publicador: dc.publisher | Engenharia de Computação | - |
Publicador: dc.publisher | UTFPR | - |
Direitos: dc.rights | openAccess | - |
Direitos: dc.rights | http://creativecommons.org/licenses/by-sa/4.0/ | - |
Palavras-chave: dc.subject | Veículos - Controle automático | - |
Palavras-chave: dc.subject | Robôs | - |
Palavras-chave: dc.subject | Sistemas de veículos guiados automatizados | - |
Palavras-chave: dc.subject | Robótica | - |
Palavras-chave: dc.subject | Vehicles - Automatic control | - |
Palavras-chave: dc.subject | Robots | - |
Palavras-chave: dc.subject | Automated guided vehicle systems | - |
Palavras-chave: dc.subject | Robotics | - |
Palavras-chave: dc.subject | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO | - |
Título: dc.title | Aprendizado por reforço profundo para navegação de um veículo guiado automaticamente | - |
Título: dc.title | Deep reinforcement learning applied to a automated guided vehicle | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositorio Institucional da UTFPR - RIUT |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: