Aprendizado por reforço aplicado à navegação bias offline em ambientes indoor

Cunha, Éricles dos Santos; Santos, Kevenny de Jesus; Santos, Moisés Junio Fagundes dos

Use este identificador para citar ou linkar para este item: https://ri.ufs.br/jspui/handle/riufs/19124

Registro completo de metadados

Campo DC	Valor	Idioma
dc.contributor.author	Cunha, Éricles dos Santos	-
dc.contributor.author	Santos, Kevenny de Jesus	-
dc.contributor.author	Santos, Moisés Junio Fagundes dos	-
dc.date.accessioned	2024-02-15T22:40:19Z	-
dc.date.available	2024-02-15T22:40:19Z	-
dc.date.issued	2023	-
dc.identifier.uri	https://ri.ufs.br/jspui/handle/riufs/19124	-
dc.language	por	pt_BR
dc.subject	Inteligência artificial	por
dc.subject	Navegação indoor	por
dc.subject	Aprendizado por reforço	por
dc.subject	Enviesamento de informações	por
dc.subject	Algoritmos de busca	por
dc.title	Aprendizado por reforço aplicado à navegação bias offline em ambientes indoor	pt_BR
dc.title.alternative	Modelo inteligente para navegação offline em ambientes indoor baseado no enviesamento de informações em algoritmos de buscas	por
dc.type	Relatório	pt_BR
dc.identifier.license	Creative Commons Atribuição-NãoComercial-CompartilhaIgual 4.0 Internacional (CC BY-NC-SA 4.0)	pt_BR
dc.contributor.advisor1	Benicasa, Alcides Xavier	-
dc.description.resumo	A navegação em ambientes internos apresenta desafios únicos em comparação com a navegação em ambientes externos, onde o GPS é amplamente utilizado. Este projeto teve como objetivo criar um modelo inteligente para aprimorar a navegação offline em ambientes indoor, onde o sinal de GPS é limitado. Com base em um ambiente previamente mapeado com coordenadas em um plano cartesiano, foram empregadas técnicas de Inteligência Artificial (IA), incluindo aprendizado por reforço, buscas cegas e heurísticas, para controlar a trajetória no ambiente. A pesquisa analisou e comparou os resultados obtidos por meio desses métodos, além de considerar estratégias de busca para gerar trajetórias entre pontos de origem e destino, levando em consideração também fatores de interesse e gestão do espaço. Os resultados foram avaliados e comparados entre os modelos por meio de experimentos de percurso, nos quais comparamos os mesmos pontos de origem e destino para os algoritmos, demonstrando as trajetórias no mapa do ambiente. Também realizamos um experimento em lote, gerando origens e destinos aleatórios e usando cada combinação para determinar qual algoritmo percorreu a menor distância. Em conclusão, este projeto demonstrou a eficácia do modelo proposto para melhorar a navegação em ambientes indoor com limitações de sinal de GPS. Os resultados dos experimentos indicaram que a abordagem de Inteligência Artificial mostrou-se promissora na resolução dos desafios associados à navegação interna.	pt_BR
dc.publisher.initials	Universidade Federal de Sergipe - Pró-Reitoria de Pós-Graduação e Pesquisa - Coordenação de Pesquisa	pt_BR
dc.description.local	São Cristóvão	pt_BR
Aparece nas coleções:	33° Encontro de Iniciação Científica da UFS Relatórios de Iniciação Científica

Arquivos associados a este item:

Arquivo	Descrição	Tamanho	Formato
AprendizadoReforcoNavegacaoBiasOffline.pdf		8,61 MB	Adobe PDF	Visualizar/Abrir

Mostrar registro simples do item Visualizar estatísticas