tópico 12: agentes inteligentes e robótica autônoma fernando josé von zuben ea072 departamento...

Tpico 12: Agentes Inteligentes e Robtica Autnoma Fernando Jos Von Zuben EA072 DEPARTAMENTO DE ENGENHARIA DE COMPUTAO E AUTOMAO INDUSTRIAL FACULDADE DE ENGENHARIA ELTRICA E DE COMPUTAO UNICAMP www.lbic.fee.unicamp.br

2 ndice de Assuntos Consideraes Iniciais Caracterizao de Agentes Agentes Inteligentes: Conceitos Bsicos Navegao Autnoma de Robs Robtica Baseada em Comportamento Robtica Evolutiva Alguns Trabalhos Desenvolvidos no LBiC Referncias bibliogrficas Leituras adicionais

3 Consideraes Iniciais Eu estou convencido que os robs esto hoje onde os computadores estavam em 1978. Foi por volta daquele ano que os computadores comearam a aparecer em nosso meio do modo como os robs esto surgindo agora. claro, foram necessrios ainda outros 15 anos at que os computadores realmente se difundissem nas nossas vidas. Eu penso que em 15 anos, os robs estaro em todos os lugares, assim como se d atualmente com o e- mail e a Internet. Rodney Brooks, pesquisador e co-fundador da iRobot Technology Review, 2/2004

4 Consideraes Iniciais O estgio atual da rea de robtica se assemelha muito quele em que se encontravam os computadores 30 anos atrs. Pode-se dizer que os braos robticos industriais so hoje os robs mais comuns, assim como os mainframes eram os computadores em destaque naquela poca. Embora tenham sua importncia, evidente o quo limitados so (e eram) estes dispositivos. A partir do momento que os robs se tornarem acessveis aos consumidores, eles podero causar um impacto to grande quanto aquele dos PCs h trs dcadas. Bill Gates, chairman da Microsoft Scientific American, 16/12/2006

5 Consideraes Iniciais Eu acredito que durante os prximos 20 anos ns veremos robs autnomos em muitos aspectos da nossa vida pessoal e profissional. Pode ser que at no os reconheamos, dado que eles podem estar embutidos em carros, eletrodomsticos e outros objetos. Robs mveis autnomos tambm se tornaro cada vez mais evidentes, no apenas na explorao de planetas ou ambientes subaquticos, mas ainda na execuo de variados servios na rea de sade, industrial, ambiental e domstica. Estes sero, sem dvida, anos estimulantes para os roboticistas. George Bekey pesquisador Autonomous Robots, 2005

6 Consideraes Iniciais A prxima grande indstria, com fora comparvel ao boom dos computadores pessoais nos anos 80 e revoluo da internet nos 90, ser a robtica. Assim como nos acostumamos a ver Bill Gates (da Microsoft) nas capas de revista dos anos 80, ou Jeff Bezos (da Amazon) nas manchetes dos anos 90 e agora a dupla dos fundadores do Google, eu aposto que dentro de dez anos nossos heris sero os construtores de robs. Paul Saffo, especialista em tecnologias do futuro Estado de So Paulo, 12/02/06

7 Sistemas Inteligentes em Robtica IEEE/RSJ 2008 International Conference on Intelligent Robots and Systems (IROS2008) # Evolutionary Robotics # Distributed Sensor Networks # Medical Robots # Search and Rescue Robots # Biorobotics # Humanoid Robotics # Autonomous Vehicles # Entertainment Robots # Underwater Robots # Rehabilitation Robotics # Micro/Nano Robotics # Service Robotics

8 Caracterizao de Agentes

9 Teoria de Agentes A teoria de agentes ser vista aqui como o estudo de mtodos, modelos e ferramentas que suportem o tratamento conjunto de controle e informao na implementao de sistemas autnomos dotados de comportamento inteligente A partir do anos 80, se pde dispor de grande poder de memria e processamento a baixo custo, condio necessria para a efetivao da pesquisa envolvendo agentes computacionais.

10 Qual a diferena entre um agente e um programa? Definio de agente (Russell & Norvig, 2003): Um agente qualquer entidade capaz de perceber o mundo exterior atravs de sensores e agir neste mundo empregando atuadores. Sob esta perspectiva, qualquer programa computacional um agente (sempre que se considerar que receber entrada e produzir sada so aes associadas respectivamente a sensoriar e atuar no mundo).

11 Qual a diferena entre um agente e um programa? Sendo assim, necessrio ir alm e considerar que o termo agente empregado junto a dois conceitos ortogonais: Habilidade do agente para executar aes autnomas; Habilidade do agente para raciocnio orientado a domnio.

12 Qual a diferena entre um agente e um programa? Definio de agente autnomo (Maes, 1995) (definio circular o conceito de autonomia ser tratado mais adiante): Agentes autnomos so sistemas computacionais que habitam algum ambiente complexo e dinmico e so capazes de sensoriar e atuar autonomamente neste ambiente visando a execuo de tarefas para as quais eles foram projetados. Torna-se fundamental aqui o conceito de agir autonomamente buscando atender objetivos.

13 Qual a diferena entre um agente e um programa? Definio de agente voltada para sustentar que um agente pode ser um programa, mas nem todo programa pode ser um agente (Franklin & Graesser, 1996): Um agente autnomo um sistema situado em uma poro do ambiente, capaz de sensoriar e agir no ambiente, ao longo do tempo, em busca do atendimento de objetivos que implicam na alterao do que o agente vai sensoriar no futuro.

14 Agentes: mltiplas definies Pesquisadores envolvidos no estudo e desenvolvimento da teoria de agentes tm oferecido uma variedade de definies, cada um procurando explicar a razo pela qual usou a palavra agente. Propriedades bsicas: Benevolncia - os agentes no possuem conflitos de objetivos, fazendo o que for solicitado e buscando a cooperao; Racionalidade - um agente sempre tenta alcanar seus objetivos, procurando realizar a melhor ao;

15 Agentes: mltiplas definies Propriedades bsicas (continuao): Aprendizado/adaptabilidade - uma agente deve estar apto a aprender e a se ajustar a mudanas no ambiente Colaborao - um agente, para alcanar seus objetivos, pode compartilhar esforos e se beneficiar com o estabelecimento de comunicao com outros agentes; Competio - um agente pode competir com outros agentes por recursos computacionais (limitados) e tambm por informaes associadas s caractersticas do ambiente.

16 Tipos de agentes inteligentes Agentes reativos (ou reflexivos) A ao uma funo direta das entradas dos sensores. O mapeamento percepo-ao pode ser qualquer. Por exemplo: conjunto de regras, rede neural. Agentes no-reativos (ou deliberativos) A ao no funo apenas das entradas, mas tambm do histrico de entradas (estado interno). Agentes comportamentais A ao um processo independente, controlado pela percepo. Possuem um conjunto pr-definido de comportamentos, que so selecionados dependendo da percepo. Podem apresentar comportamento sofisticado, mas com limites em sua aplicabilidade. Agentes planejadores Possuem um modelo do mundo, um mdulo de gerao de comportamento, um mdulo de gerao de planos; Para avaliar os planos gerados pelo gerador de planos, o agente possui uma medida de utilidade que fornece uma nota para o plano especificado, alm de dizer se o objetivo esta sendo cumprido.

17 Tipos de agentes inteligentes Agentes emocionais A funo de utilidade ou medida de utilidade pode ser insuficiente para a avaliao dos planos. Assim, torna-se necessrio um sistema de valores que leve em considerao tambm as emoes. Agentes comunicativos Possuem um canal de comunicao direta entre os agentes. Desta forma, necessitam de uma linguagem de agentes. So, geralmente, empregados para constituir um sistema multi- agentes. Agentes semiticos O mecanismo de percepo mais sofisticado em relao aos agentes anteriores. Est baseado em conceitos de semitica computacional, os quais conduzem a formas mais avanadas de representao e manipulao do conhecimento (usam os conceitos de ndices, cones e smbolos).

18 Taxonomia para agentes

19 O que so agentes autnomos? O conceito de autonomia envolve a capacidade de um indivduo em tomar suas prprias decises, com base em sua razo individual. Ser automtico ser capaz de operar em um ambiente: perceb-lo e impact-lo visando o cumprimento de tarefas definidas. Um agente autnomo antes de tudo automtico, mas vai alm disto: ele deve se auto-dirigir com base na sua capacidade prpria de aprender e adaptar seus comportamentos. Alm disso, os processos de aprendizagem e adaptao devem ocorrer enquanto o agente est operando no ambiente, e no fora dele (por exemplo, em fase de projeto).

20 Controle Automtico Controle Autnomo Desafios nunca antes enfrentados pelos engenheiros de controle esto sendo criados pela complexidade crescente dos sistemas dinmicos que necessitam de controle automtico e autnomo, aliada a critrios de desempenho cada vez mais rigorosos. evidente que o atendimento desta demanda requer controladores mais sofisticados e mais complexos, tornando indispensvel o apoio da computao digital. Os controladores devem apresentar habilidades para acomodar variaes no espao e no tempo, para rejeitar perturbaes e atenuar o efeito de pequenas falhas, ambas de origem interna e/ou externa ao sistema, para tomar decises na presena de incertezas, e para levar em conta as relaes no-lineares entre as variveis envolvidas no projeto do controlador.

21 Se voc sabe distinguir entre um carro automtico e um carro autnomo, ento voc sabe a diferena entre automtico e autnomo. Carro com cmbio automtico; Carro que se auto-conduz de um ponto de partida at um ponto de chegada sem nenhum conhecimento prvio acerca do ambiente entre esses dois pontos. Tudo que automtico envolve algum mecanismo de associao entre percepo (entrada) e ao (sada). Tudo que autnomo envolve o poder de auto-definir este mecanismo de controle. Controle Automtico Controle Autnomo

22 Dispondo previamente de um mapa do ambiente e de um planejador de trajetrias: controle automtico; No dispondo de uma mapa do ambiente, mas sendo capaz de sensoriar o entorno do veculo: controle autnomo. Controle Automtico Controle Autnomo

23 Agentes reativos Agentes reativos so aqueles que agem (tomam decises) de acordo com o estado atual de seus sensores. Agentes no-reativos so aqueles que agem (tomam decises) de acordo com o estado atual e passado de seus sensores. No se pode concluir, no entanto, que agentes reativos so incapazes de reagir de forma distinta a estmulos sensoriais idnticos, o que pode ser viabilizado atravs do conceito de percepo categrica ativa (van Dartel et al., 2005).

24 AplicaesNo-Reativos Reativos

25 Cenrio criado para manifestao de comportamento no-reativo Floreano, 2006

26 Agentes Inteligentes: Conceitos Bsicos

27 Agentes inteligentes Algumas propriedades de agentes que os caracterizam como estratgias de inteligncia computacional : Capacidade de adquirir conhecimento pela interao com o ambiente; Capacidade de mudar seu comportamento utilizando tcnicas de adaptao e/ou aprendizado; Capacidade de encontrar solues que atendem a mltiplos objetivos simultaneamente, utilizando o conhecimento adquirido a partir de sua interao com o ambiente; Capacidade de operao em condies adversas, tais como: ausncia de um conjunto completo de informaes para um planejamento prvio de seu comportamento, rudo nos sensores e atuadores.

28 Agentes inteligentes Definio de agente inteligente (Hayes-Roth, 1995): Agentes inteligentes executam continuamente trs funes: percebem as condies dinmicas do ambiente, agem alterando as condies do ambiente e raciocinam de modo a interpretar percepes, resolver problemas, fazer inferncias e determinar aes.

29 O que um sistema multi-agentes? aquele em que mltiplos agentes co-existem e interagem em um ambiente. A interao pode se dar de vrias formas, incluindo cooperao e competio. Sistemas distribudos. Modelagem de sistemas complexos. Auto-organizao e emergncia de comportamentos coletivos.

30 Sistema Pandemonium Sistema Pandemonium proposto por Selfride (1958) princpio dividir para conquistar so utilizados neuro-agentes todos os agentes processam o mesmo sinal cada um proporciona uma resposta cada agente dispe de tcnicas de modelagem pouco diferenciadas procedimento de aprendizado utilizado: gradiente descendente para adaptar os pesos que determinam os coeficiente dos filtros existe um agente-decisor

31 Sistema Pandemonium Pandemonium de Selfridge

32 Hierarquia em sistemas multi-agentes

33 O poder da coletividade

37 Swarmanoid http://www.youtube.com/watch?v=M2nn1X9Xlps

38 Outros Links interessantes http://video.google.com/videoplay?docid=139862488972596620 http://video.google.com/videoplay?docid=-7507941612135139133&q=collective+robotics http://video.google.com/videoplay?docid=-4334661021736310887&q=collective+robotics http://www.youtube.com/watch?v=kjAGhYOfZag http://www.youtube.com/watch?v=ejtkPdCvQtg http://video.google.com/videosearch?q=swarm-bots http://www.youtube.com/watch?v=QUHn0r_j5cE&mode=related&search= http://www.youtube.com/watch?v=YRN5B37MTL4&mode=related&search= http://www.youtube.com/watch?v=cZaXqOnRkiY&mode=related&search= http://www.youtube.com/watch?v=TfDQDpXUutw&mode=related&search=

39 Navegao Autnoma de Robs

40 Navegao Autnoma: Ambiente Desconhecido; Arbitrrio; Informaes locais; Dinmico; Sem auxlio externo;

41 Navegao Autnoma: Tarefas Uma nica tarefa: Desviar de obstculos; Mltiplas tarefas: Desviar de obstculos + capturar alvos; Desviar de obstculos + capturar alvos + manter energia; Aprender como executar e coordenar; ?

42 Navegao Autnoma: Caractersticas do Rob Sensores: IR, ultra-som, contato, cmera, GPS... Atuadores: Rodas, esteiras, patas, hlice, leme... Limitados, ruidosos e imprecisos.

43 Navegao Autnoma: Comparao Xadrez Navegao de Robs AmbienteEstticoDinmico N de EstadosContvelInfinito InformaoGlobalLocal Processamento Simblico (alto nvel) Sub-simblico (baixo nvel) ConhecimentoA prioriObtido on-line

44 Navegao Autnoma: Aplicaes Reais Prospeco submarina; Sensoriamento remoto; Localizao de minas; Manuteno de tubulaes; Vigilncia e monitoramento; Transporte de materiais; Limpeza de ambientes.

45 Navegao Autnoma: Explorao Espacial Sojourner Opportunity Spirit

46 Navegao Autnoma: The Darpa Challenges Grand Challenge (2005)Urban Challenge (2007) Vencedor da competio de 2005 Competidor em 2007 Darpa: Defense Advanced Research Projects Agency (USA)

47 Robtica Baseada em Comportamento

48 Behavior-based robotics Matarics Definition: Behavior-based robotics (BBR) bridges the fields of artificial intelligence, engineering, and cognitive science. The behavior-based approach is a methodology for designing autonomous agents and robots; it is a type of intelligent agent architecture. Architectures supply structure and impose constraints on the way robot control problems are solved. The behavior- based methodology imposes a general, biologically inspired, bottom-up philosophy, allowing for a certain freedom of interpretation. Its goal is to develop methods for controlling artificial systems (usually physical robots, but also simulated robots and other autonomous software agents) and to use robotics to model and better understand biological systems (usually animals, ranging from insects to humans).

49 ESTMULOSESTMULOS Comportamento 1 Comportamento 2 Comportamento 3 Comportamento 4 Comportamento 1 + Comportamento 4 COORDENAOCOORDENAO AO Robtica Baseada em Comportamento

50 Robtica Evolutiva

51 Robtica Evolutiva Metodologia que usa a Computao Evolutiva para desenvolver robs autnomos. A partir de populaes aleatrias de candidatos, repetidas modificaes so realizadas de acordo com uma funo de avaliao at que ao menos um dos novos indivduos satisfaa requisitos mnimos. A robtica evolutiva pode se ocupar com o desenvolvimento de hardware e/ou software, ou seja, pode-se evoluir robs (morfologia) e/ou controladores autnomos (Nolfi & Floreano, 2000).

52 Robtica Evolutiva Computao Evolutiva: Requisitos do problema; Representao de candidatos soluo; Avaliao dos objetivos; Operadores evolutivos;

53 Robtica Evolutiva Computao Evolutiva:

54 Robtica Evolutiva Problema: obter um rob que execute certas tarefas; Fentipo: Gentipo:

55 Viso Geral do Mtodo Floreano, 2006

Ambientes Reais x Simulao Paradigma apropriado para estudo dos princpios da inteligncia (Pfeifer&Scheier,1999)

57 Robtica Evolutiva Evoluo da morfologia e/ou do controlador do rob. MorfologiaControlador BiologiaCorpoCrebro Teoria de Controle Planta Sistema de controle Engenharia de Computao HardwareSoftware RobticaEstrutura fsica Sistema de controle

58 Robtica Evolutiva Morfologia: Evoluo de criaturas; Trabalho de Karl Sims; Vdeo com os trabalhos de Karl Sims

59 Robtica Evolutiva Controlador:

60 Por que evoluir ao invs de pr-programar? Autonomia Aprendizagem Conhecimento a priori Top-DownTop-Down Bottom-UpBottom-Up Pr-programadoEvoludo

61 Sistema de Controle: Top-Down evitar colises obstculo pertoObstculo longe esquerdadireitaesquerdadireitacentro vire direita vire esquerda vire siga em frente

62 Problemas com a Abordagem Top-Down Dilema do Beco

63 Sistema de Controle: Bottom-Up Ausncia de conhecimento inicial; Mecanismos de aprendizagem; Realimentao do ambiente; Emergncia de comportamentos; = Desviar de obstculos + Capturar alvos Fundamentos de cognio dinmica

64 Robtica Evolutiva Controladores baseados em: Mquinas de Estado Finito; Equaes Diferenciais; Redes Neurais Artificiais; Redes Imunolgicas Artificiais; Sistemas Classificadores (Sistemas com Aprendizado e Baseados em Regras).

65 Alguns Trabalhos Desenvolvidos no LBiC

66 Redes Neurais Artificiais Paulo Crestani (2001); Aprendizado construtivo de redes neurais; Objetivos: desviar de obstculos e capturar alvos;

67 Redes Neurais Artificiais Uma RNA para cada comportamento: Desvio de obstculos Captura de alvos

68 Redes Neurais Artificiais Outra RNA para coordenao dos comportamentos:

69 Redes Neurais Artificiais Sistema de Navegao Autnomo: Desvio de obstculos Reduo de Velocidade Captura de Alvos Aumento de Velocidade Ajuste de velocidade Ajuste de direo

70 Redes Neurais Artificiais: Aprendizado ao longo do processo de navegao

71 Ambiente de Treinamento Ambiente de teste Redes Neurais Artificiais: Aprendizado ao longo do processo de navegao

72 Mecanismo de Controle de Velocidade Sem controle de velocidade Com controle de velocidade

73 Comportamento Reativo

74 Comportamento Reativo + Robtica Coletiva

75 Emergncia de Comportamentos em Robtica Coletiva

76 Sistemas Classificadores com Aprendizado Renato Reder Cazangi (2004); Evoluo de regras de inferncia; Objetivos: desviar de obstculos e capturar alvos;

77 Sistemas Classificadores com Aprendizado Regras inicialmente aleatrias com representao inteira e binria; SE ENTO (-3) (aumentar) Ajuste de Velocidade Ajuste de Direo Direo do Alvo Distncia a Obstculos

78 Sistemas Classificadores com Aprendizado Populao de regras evolui on-line via eventos de: coliso, captura e monotonia; Populao de Regras Competio Atuadores Sensores coliso captura monotonia Evoluo

79 Sistemas Classificadores: Resultados Simulao:

80 Sistemas Classificadores: Resultados Experimento real:

81 NAVEGAO AUTNOMA Ambientes Reais Treinamento (sntese do controlador) Generalizao (operao em ambiente distinto)

82 Sistemas Classificadores com Aprendizado e Rede Imunolgica Renato Reder Cazangi (2006); Evoluo das regras e das conexes entre elas; Objetivos: desviar de obstculos, capturar alvos e escapar de becos;

83 Sistemas Classificadores com Aprendizado e Rede Imunolgica Problema do beco com alvo externo (mnimo local):

84 Immune Learning Classifier Network Immune Learning Classifier Network Classifier (antibody) : IF THEN new! GIVEN Decision making: Receive sensorial input (antigen) Compute classifiers concentration Carry out winner classifiers actions target luminosityobstacle distance speed direction connected to

85 Immune Learning Classifier Network Immune Learning Classifier Network 1)Initialization 2)Simulation and rule evolution 3)Network evolution (connections) Evolve classifiers at every collision, capture or monotony Get robot fitness = captures - collisions

86 Immune Learning Classifier Network Immune Learning Classifier Network 1)Initialization 2)Simulation and rule evolution 3)Network evolution (connections) Evolve classifiers at every collision, capture or monotony Get robot fitness = captures - collisions

87 Immune Learning Classifier Network Immune Learning Classifier Network 1)Initialization 2)Simulation and rule evolution 3)Network evolution (connections) Evolve classifiers at every collision, capture or monotony Get robot fitness = captures - collisions Best robot Replication & mutation

88 Simulation Results Classifiers Concentration Veja vdeo anexo a este material.

89 Simulation Results Best network evolved: Reduced from 100 to 80 classifiers;

90 Simulation Results Best network evolved (alternative view): Reduced from 100 to 80 classifiers;

91 Real Experiment Results Testing the evolved system: Veja vdeo anexo a este material. Cazangi, 2006

92 Sistemas Classificadores com Aprendizado e Estigmergia Renato Reder Cazangi (2005); Evoluo de regras de inferncia; Objetivos: desviar de obstculos, capturar alvos e minimizar trajetrias;

93 Sistemas Classificadores com Aprendizado e Estigmergia Estigmergia: comunicao indireta; Robs detectam e liberam feromnios artificiais; Trilhas de feromnios ajudam a encontrar trajetrias mais curtas; Aprender a desviar de obstculos, capturar alvos e usar feromnios apropriadamente;

94 Autonomous Navigation System with Pheromone Trail Autonomous Navigation System with Pheromone Trail Population of 100 rules: IF THEN ; Random initialization; speed direction target luminosity obstacle distance pheromone lay 3.15 pheromone concentration

95 Simulation Results 4 autonomous robots navigating together; Having to capture the targets in sequence; The mean distance between captures is computed; Veja vdeo anexo a este material.

96 SCA e Estigmergia: Resultados Navegao autnoma e caixeiro viajante: Instncia artificial com 12 cidades;

97 Referncias Bibliogrficas Brustoloni, J.C. Autonomous Agents: Characterization and Requirements, Carnegie Mellon Technical Report CMU-CS-91-204, 1991. Franklin, S. & Graesser, A. Is it an Agent, or just a Program?: A Taxonomy for Autonomous Agents, Proceedings of the International Workshop on Agent Theories, Architectures, and Languages, Springer-Verlag, 1996. Hayes-Roth, B. An Architecture for Adaptive Intelligent Systems, Artificial Intelligence: Special Issue on Agents and Interactivity, vol. 72, pp. 329-365, 1995. Holland, J.H.(1975), Adaptation in Natural and Artificial Systems, University of Michigan Press. Langton, C. (ed.) Artificial Life, Addison-Wesley, 1989. Maes, P. Artificial Life Meets Entertainment: Life like Autonomous Agents, Communications of the ACM, vol. 38, no. 11, pp. 108-114, 1995. Nolfi, S. Power and limits of reactive agents. Neurocomputing, vol. 42, pp. 119-145, 2002. Nolfi, S. & Floreano, D. Evolutionary Robotics: The Biology, Intelligence, and Technology of Self-Organizing Machines. The MIT Press, 2000. Pfeifer, R. & Scheier, C., (1999), Understanding Intelligence, MIT Press. Russell, S.J. & Norvig, P., Artificial Intelligence: A Modern Approach, 2nd. Edition, Prentice Hall, 2003. van Dartel, M., Sprinkhuizen-Kuyper, I., Postma, E. & van den Herik, J. Reactive Agents and Perceptual Ambiguity, Adaptive Behavior, vol. 13, no. 3, pp. 227-242, 2005.

98 Leituras Adicionais Aguirre, L.A. (ed.) Enciclopdia de Automtica Controle & Automao, vols. 1 a 3, Editora Blucher, 2007. Destaque para o volume 3, nos tpicos: II Sistemas Inteligentes III Robtica

EA072 Tpico 12 Agentes Inteligentes e Robtica Autnoma Fernando J. Von Zuben Laboratrio de Bioinformtica e Computao Bio-inspirada LBiC/DCA/FEEC/Unicamp Agradecimentos: A todos os pesquisadores vinculados e que j mantiveram vnculo com o LBiC. CAMPINAS SP BRASIL DEPARTAMENTO DE ENGENHARIA DE COMPUTAO E AUTOMAO INDUSTRIAL FACULDADE DE ENGENHARIA ELTRICA E DE COMPUTAO UNICAMP

tópico 12: agentes inteligentes e robótica autônoma fernando josé von zuben ea072 departamento...

Documents