Redes neurais artificiais na otimização da computação de caminhos seguros em terrenos com topografia
Resumo
A computação de caminhos (pathfinding) otimizados para as caraterísticas topográficas de terrenos
do mundo real tem sido investigada em diferentes problemas nas áreas de robótica, jogos
de computador e simulação. Pathfinding em modelos de terrenos topograficamente realistas envolve
encontrar um caminho de menor custo avaliado pela distância percorrida de acordo com
os aclives e declives do terreno. Em computações de caminhos para solucionar problemas de
natureza tática e estratégica, a busca de caminhos seguros e com menores custos topográficos é
um assunto ainda pouco explorado na literatura. Entre outros aspectos, a segurança do caminho
pode estar relacionada a ocultação visual de um agente em relação a um observador localizado
em um ponto do terreno. O objetivo deste trabalho é investigar como as computações do algoritmo
heurístico de pathfinding A∗ devem ser realizadas para que um agente possa encontrar
um caminho que permita sua locomoção furtiva em relação a um observador. Isso indica que
as características de relevo do terreno são importantes tanto para obtenção de um caminho de
custo reduzido quanto para a computação do campo de visão do observador e a consequente
furtividade do agente de acordo com o relevo do terreno. Para o emprego de algoritmos de
pathfinding heurísticos, determinar uma heurística eficiente em termos de tempo de execução
e expansão de nodos é uma tarefa desafiadora para pathfinding topográfico seguro. A proposta
deste trabalho envolve utilizar e avaliar a capacidade de aprendizado de uma rede neural profunda
na aproximação da heurística a ser usada pelo algoritmo A∗, assim permitindo otimizar
as computações de rotas seguras com menores custos.
Coleções
Os arquivos de licença a seguir estão associados a este item: