Qualificação do discente Gabriel Gelard Reis de Castro

Qualificação do discente Gabriel Gelard Reis de Castro (PPEEL)
Título: Dynamic Path Planning based on Neural Networks for Aerial Inspection

Orientadores: Milena Faria Pinto (orientadora)
Banca: Milena Faria Pinto (presidenta), Ana Lucia Ferreira de Barros (CEFET/RJ), Diego Barreto Haddad (CEFET/RJ), André Luís Marques Marcato (UFJF)

Dia/Hora: 19 de agosto de 2021, às 18 h

Sala remota: https://teams.microsoft.com/l/meetup-join/19%3ameeting_N2Y0Yzc2YWItYzllYy00YTA1LTg5ODktOGUzMWQyODA0ODcz%40thread.v2/0?context=%7b%22Tid%22%3a%228eeca404-a47d-4555-a2d4-0f3619041c9c%22%2c%22Oid%22%3a%22eae2be27-7998-4235-97e4-e644e57374f1%22%7d

Resumo: Os Veículos Aéreos Não Tripulados (VANTs) são uma solução adequada para inspeções autonomas, em grandes instalações que requerem vistorias periódicas, devido à sua flexibilidade de voo e evitando riscos ao homem. No entanto, o ambiente inspecionado pode ser complexo e altamente dinâmico. Portanto, planejadores de caminho tridimensionais são cruciais em tarefas aéreas. Diferentes tipos de planejamento de caminhos 3D foram desenvolvidos nos últimos anos, e a maioria deles classificados como métodos heurísticos. A desvantagem desses métodos tradicionais é que o tempo computacional depende da complexidade e da escala do ambiente. O planejamento de caminhos baseado em Redes Neurais (NNs) surge da comparação dos gargalos desses algoritmos. Nesse sentido, este trabalho propõe uma nova estrutura de aprendizado profundo para realizar o planejamento de caminhos em tempo real em um ambiente desconhecido. A estratégia foi desenvolvida para gerar um banco de dados inicial utilizado para treinamento e validar os resultados em um ambiente simulado utilizando o software Gazebo/ROS. Os resultados mostraram que a topologia da rede e o método de treinamento obtidos a partir do desempenho de alguém podem ser aplicados em um cenário do mundo real.