dc.contributor.advisor | de Lima Silva, Luis Alvaro | |
dc.creator | Weber, Crístian Marcos | |
dc.date.accessioned | 2022-09-14T17:42:29Z | |
dc.date.available | 2022-09-14T17:42:29Z | |
dc.date.issued | 2022-08-10 | |
dc.date.submitted | 2022 | |
dc.identifier.uri | http://repositorio.ufsm.br/handle/1/26187 | |
dc.description | Trabalho de conclusão de curso (graduação) - Universidade Federal de Santa
Maria, Centro de Tecnologia, Curso de Ciência da Computação, RS, 2022. | por |
dc.description.abstract | The computation of shortest paths (pathfinding) optimized for the topographical features of real
world terrains has been investigated in different problems in the areas of robotics, computer
games and simulation. Pathfinding for topographical realistic terrain models involves finding a
least-cost path evaluated in terms of distance traveled according to the slopes of the terrain. In
path computations performed to solve tactical and strategic problems, the pathfinding of safe
paths and with lower topographical costs is a subject still little explored in the literature. Among
other aspects, path safety may be related to the visual concealment of an agent traveling along
the path in relation to an observer located at a position on the terrain. The objective of this
work is to investigate how the computations of a heuristic pathfinding algorithm A∗ should be
performed so that an agent can use a path that allows the agent’s stealth locomotion in relation
to an observer. This indicates that the terrain relief features are important both for obtaining a
low-cost path and for computing the observer’s field of view and the consequent agent stealth
according to the terrain relief. For the use of heuristic pathfinding algorithms, determining an
efficient heuristic in terms of execution time and node expansion is a challenging task in this
secure topographic pathfinding problem. The proposal of this work, therefore, also involves
using and evaluating the learning capacity of a deep neural network in the approximation of the
heuristic to be used by the A∗ algorithm, thus allowing to optimize the computations of safe
routes with lower costs. | eng |
dc.language | por | por |
dc.publisher | Universidade Federal de Santa Maria | por |
dc.rights | Acesso Aberto | por |
dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 International | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
dc.subject | Redes neurais profundas | por |
dc.subject | Inteligência artificial | por |
dc.subject | Aprendizado de máquina | por |
dc.subject | Busca de caminho | por |
dc.subject | Deep neural networks | eng |
dc.subject | Artificial intelligence | eng |
dc.subject | Machine learning | eng |
dc.subject | Pathfinding | eng |
dc.title | Redes neurais artificiais na otimização da computação de caminhos seguros em terrenos com topografia | por |
dc.type | Trabalho de Conclusão de Curso de Graduação | por |
dc.degree.local | Santa Maria, RS, Brasil. | por |
dc.description.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. | por |
dc.publisher.country | Brasil | por |
dc.publisher.initials | UFSM | por |
dc.subject.cnpq | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO | por |
dc.publisher.unidade | Centro de Tecnologia | por |