unisinos programa interdisciplinar de pós- graduação em computação aplicada grupo de ia...

UNISINOS Programa Interdisciplinar de Pós-Graduação em Computação Aplicada

Grupo de IA

Controle Inteligente de Veículos Controle Inteligente de Veículos Autônomos: Automatização do Autônomos: Automatização do

Processo de Estacionamento de CarrosProcesso de Estacionamento de Carros

Fernando Osório

osorio@exatas.unisinos.br

* Farlei José Heinen

farlei@prisma.unisinos.br

Luciane Fortes

luciane.fortes@gm.com

UNISINOS Programa Interdisciplinar de Pós-Graduação em Computação Aplicada

Grupo de IA

Introdução

Este trabalho tem por objetivo apresentar um sistema de controle inteligente de veículos

autônomos.

O sistema que estamos desenvolvendo é responsável pela automatização da tarefa de

condução de um veículo, onde buscamos obter um sistema de controle robusto capaz

de estacionar um carro em uma vaga paralela.

UNISINOS Programa Interdisciplinar de Pós-Graduação em Computação Aplicada

Grupo de IA

SEVASEVA (Simulador de Estacionamento (Simulador de Estacionamento

de Veículos Autônomos)de Veículos Autônomos)

Componentes principais:

-Modelo de simulação dos sensores;-Modelo de simulação da cinemática

do veículo (deslocamento do carro);-Comandos do atuador relacionado ao deslocamento

(avançar / recuar e velocidade);-Comandos do atuador relacionado ao giro do veículo

(rotação da direção).

Desenvolvido em Visual C++ utilizando OpenGLDesenvolvido em Visual C++ utilizando OpenGL

UNISINOS Programa Interdisciplinar de Pós-Graduação em Computação Aplicada

Grupo de IA

Modelo Sensorial

-Sensores de distância -Sensores de distância Infravermelhos.Infravermelhos.

-Sensores posicionados de forma -Sensores posicionados de forma estratégica, especificamente para estratégica, especificamente para estacionamento em vagas estacionamento em vagas paralelas.paralelas.

UNISINOS Programa Interdisciplinar de Pós-Graduação em Computação Aplicada

Grupo de IA

Modelo Cinemático

X

Y

X = V * Cos () * Cos ()Y = V * Cos () * Cos () += V / L * Sin ()

UNISINOS Programa Interdisciplinar de Pós-Graduação em Computação Aplicada

Grupo de IA

Sistema Especialista

Problemas:

• Pouco robustas, sujeitas a erros, pouco flexíveis e de difícil adaptação a novas situações;

Procurando_Vaga Posicionando Entrando_Vaga

Posicionando_Vaga

Otimizando_VagaAlinhandoParado

Autômato de estados finitos (FSA)Autômato de estados finitos (FSA)

UNISINOS Programa Interdisciplinar de Pós-Graduação em Computação Aplicada

Grupo de IA

Sistema Especialista

Se Estado_Atual(Procurando_Vaga) e Próximo_ao_Obstáculo(V[4]) e Próximo_ao_Obstáculo(V[5]) Então Speed = Avanço_Rápido e RotVel = Direção_Reta;Se Estado_Atual(Procurando_Vaga) e Longe__do_Obstáculo(V[2])eLonge__do_Obstáculo(V[3]) e Longe__do_Obstáculo(V[4]) e Longe__do_Obstáculo(V[5]) Então Troca_Estado(Posicionando) e Inicializa(Odômetro);Se Estado_Atual(Posicionando)Então Speed = Avanço_Rápido e Rotvel = Direção_Reta;Se Estado_Atual(Posicionando) e Longe_do_Obstáculo(V[4]) e Deslocamento_Suficiente(Odômetro)Então Estado_atual(Entrando_Vaga) e Inicializa(Odômetro);Se Estado_Atual(Entrando_Vaga)Então Speed = Ré_Rápida e RotVel = Giro_Esquerda_Max;

UNISINOS Programa Interdisciplinar de Pós-Graduação em Computação Aplicada

Grupo de IA

Exemplo

SEVASEVA (Simulador de Estacionamento de Veículos (Simulador de Estacionamento de Veículos

Autônomos)Autônomos)

UNISINOS Programa Interdisciplinar de Pós-Graduação em Computação Aplicada

Grupo de IA

Rede Neural

O modelo de RNA adotado foi o MLP (Multi-Layer Perceptron), com aprendizado supervisionado do tipo Cascade-Correlation

As variáveis (atributos) de entrada da rede que empregamos foram:O estado dos seis sensores e uma indicação do estado atual do processo de estacionamento.

Na saída da rede iremos obter:O estado dos atuadores (velocidade e rotação), assim como uma indicação do próximo estado do processo de estacionamento

UNISINOS Programa Interdisciplinar de Pós-Graduação em Computação Aplicada

Grupo de IA

Funcionamento das Variáveis na Rede

Sensores (Valsens[0..5]) Estado Inicial

RNARNA

Rotvel Speed Próximo Estado

UNISINOS Programa Interdisciplinar de Pós-Graduação em Computação Aplicada

Grupo de IA

Base de Aprendizado

UNISINOS Programa Interdisciplinar de Pós-Graduação em Computação Aplicada

Grupo de IA

Resultados

Número de Experimentos: 10

Médias:

• Épocas: 572

• Nº de Neurônios Adicionados: 2

• Taxa de Aprendizado(% Acertos): 98,469

Nº de Exemplos da Base de Aprendizado: 392

Nº de Exemplos não aprendidos: 6

UNISINOS Programa Interdisciplinar de Pós-Graduação em Computação Aplicada

Grupo de IA

Conclusões

Os resultados obtidos até o presente demonstram que ambos os controladores são capazes de estacionar corretamente um carro, baseados apenas nas informações provenientes de seus sensores externos

Porem...