Visualizar projeto

Dados Básicos
Título
Deep Pathfinding: Explorando algoritmos de Deep Learning na proposta de novos algoritmos de pathfinding
Número do projeto
054885
Número do processo
23081.040141/2020-60
Classificação principal
Pesquisa
Data inicial
03/08/2020
Data final
03/05/2024
Resumo
Em Inteligência Artificial, as áreas de pesquisa que envolve a integração de algoritmos de pathfinding e técnicas de deep learning são bastante desafiadoras e atuais, abrangendo diversos ramos de estudo. Dentre outras ramificações, uma importante área visa propor novas soluções para problemas de busca de caminhos, conhecidos como problemas de pathfinding. Neste contexto, este projeto de pesquisa focaliza a computação de caminhos em mapas virtuais de grandes dimensões, os quais possuem enormes números de nodos que podem ser analisados como parte do processo de busca. Tais mapas podem capturar terrenos virtuais de diferentes naturezas (mapas de cidades, mapas de campos e plantações, mapas usados em jogos de computador, entre outros), como também podem requerer a consideração de informações topográficas (tais como altura e inclinação no terreno, por exemplo) nas computações de caminhos que possuem o menor custo. O objetivo do projeto é pesquisar, desenvolver e testar novos algoritmos de busca de caminhos integrados com técnicas de aprendizado de máquina, buscando realizar computações que permitam encontrar o melhor caminho para agentes que precisam se locomover nestes mapas virtuais – caminhos com menor custo energético, por exemplo, levando em consideração as particularidades dos terrenos virtuais utilizados.
Objetivos
O objetivo do trabalho é pesquisar, desenvolver e testar novos algoritmos de busca de caminhos (pathfinding) no contexto do desenvolvimento de sistemas multi-agentes. Utilizando técnicas de deep learning, a implementação destes algoritmos pretende tratar questões referentes a natureza dos terrenos virtuais utilizados, tais como as dimensões dos terrenos virtuais e as características topográficas destes terrenos (relevo), por exemplo, buscando o menor caminho entre pontos origem e destino dados. Além disso, pretende-se buscar caminhos otimizados, onde pequenos desvios nas rotas sendo analisadas possam ser suavizados, e que o caminho a ser retornado pelos algoritmos demonstre maior realismo no que diz respeito a necessidade de trafegar por rotas que permitam o movimento seguro de agentes. Os algoritmos desenvolvidos devem ser parametrizados de modo que limitações de movimentaçao de diferentes tipos de agentes sejam consideradas, como limitações de movimentação de veículos e de pessoas imersos nos ambientes virtuais utilizados. Além disso, os algoritmos resultantes da integração de técnicas de pathfinding e deep learning devem considerar a otimização do tempo de execução, assim não sobrecarregando as demais computações sendo desenvolvidas nos sistemas multi-agentes considerados.
Justificativa
A Inteligência Artificial é uma área de pesquisa em ampla evidência. Dentre outras ramificações, essa área pesquisa problemas de busca de caminhos e problemas de aprendizado de máquina, respectivamente conhecidos como pathfinding e deep learning. Diferentes algoritmos podem ser utilizados para resolver tais problemas. Em geral, um problema de busca de caminhos é caracterizado pela busca pelo melhor caminho de acordo com um determinado critério (menor caminho e menor custo, entre outros), considerando uma estrutura de dados que representa os caminhos e obstáculos do ambiente virtual/terreno virtual. Um problema de aprendizado de máquina, por sua vez, envolve a pesquisa e desenvolvimento de diferentes técnicas de deep learning voltadas para o aprendizado a partir de um volume muito grande de dados. Considerando o emprego de técnicas de deep learning, o trabalho aborda o problema de busca de caminhos em terreno virtuais que possuem um grande número de nodos que podem ser analisados como parte do processo de busca. No contexto do desenvolvimento de sistemas multi-agentes, o trabalho considera a representação do terreno em diferentes formas: grid regulares e irregulares, representação plana e hierárquica, e outras. Em geral, o impacto dessas diferentes estruturas nos algoritmos de busca de caminhos é um assunto ainda pouco explorado na literatura. O projeto justifica-se pela necessidade prática de desenvolvimento de algoritmos de busca pelo melhor caminho aplicados ao contexto de sistemas multi-agentes utilizados para o desenvolvimento de sistemas de simulação em diferentes domínios de aplicação, levando em consideração as particularidades de altura do terreno, priorizando o tratamento de inclinações ao longo do caminho. Isso envolve questões referentes às limitações de movimentação de agentes envolvidos nos problemas de simulação propostos.
Resultados esperados
Pesquisa e desenvolvimento de novas técnicas e métodos de busca de caminhos que integrem algoritmos de pathfinding e deep learning
Projeto em âmbito confidencial
Não
Projeto superior
050912 - Sistema Integrado de Simulação ASTROS - Grupo de Mísseis e Foguetes (SIS-ASTROS GMF)
Palavra-chave 1
Pathfinding
Palavra-chave 2
Deep learning
Palavra-chave 3
Sistemas multiagentes
Palavra-chave 4
Simulação
Tipo de evento
Não se aplica
Carga horária do curso
[Não informado]
Situação
Em andamento
Avaliação
Não avaliado
Última avaliação
[Não informado]
Gestão do conhecimento e gestão financeira
O projeto pode gerar conhecimento passível de proteção?
Não
Propriedade Intelectual
[Não informado]
Proteção Especial
[Não informado]
Direito Autoral - Copyright
Não
O projeto contrata uma fundação? Indique a fundação
Não necessita contratar fundação
Classificações
Tipo
Classificação
Classificação CNPq
1.03.00.00-7 CIÊNCIA DA COMPUTAÇÃO
Linha de pesquisa
00.02.14.10 INTELIGÊNCIA ARTIFICIAL
Quanto ao tipo de projeto de pesquisa
2.01 Projeto de Pesquisa Pura

Plano Gestão
Objetivo Estratégico
PDI 2016-2026 - Desafios
Inovação, geração de conhecimento e transferência de tecnologia
Participantes
Matrícula Nome Função Carga Horária Período
@{matricula} @{pessoa.nomePessoa} @{funcao.descricao} @{cargaHoraria} h/semana @{dataInicial|format=dd/MM/yyyy} a @{dataFinal|format=dd/MM/yyyy}
Órgãos
Unidade Função Período
@{descricao} @{funcao.descricao} @{dataInicial|format=dd/MM/yyyy} a @{dataFinal|format=dd/MM/yyyy}
Plano de Trabalho
Metas/Indicadores/Fases
  • Meta:
    ALGORITMOS DE BUSCA E OTIMIZAÇÃO APLICADOS NA RESOLUÇÃO DE PROBLEMAS DE PATHFINDING E DEEP LEARNING
    Período:
    13/10/2020 a 31/03/2021
    Valor:
    R$ [Não informado]
    Conclusão:
    0 %
  • Meta:
    APRIMORAMENTO DE ALGORITMOS DE BUSCA HIERÁRQUICA DE CAMINHOS COM A UTILIZAÇÃO DE REDES NEURAIS PROFUNDAS
    Período:
    13/10/2020 a 31/03/2021
    Valor:
    R$ [Não informado]
    Conclusão:
    0 %
  • Meta:
    OTIMIZAÇÃO DE REDES NEURAIS PROFUNDAS PARA APOIAR ALGORITMOS DE PATHFINDING VOLTADOS PARA TERRENOS COM ALTURA E INCLINAÇÃO
    Período:
    13/10/2020 a 31/03/2021
    Valor:
    R$ [Não informado]
    Conclusão:
    0 %
  • Meta:
    PESQUISA E DESENVOLVIMENTO DE NOVOS ALGORITMOS DE PATHFINDING INTEGRADOS A TÉCNICAS E ALGORITMOS DE DEEP LEARNING
    Período:
    13/10/2020 a 03/05/2024
    Valor:
    R$ [Não informado]
    Conclusão:
    0 %
  • Meta:
    REDES NEURAIS PROFUNDAS E ALGORITMOS HIERÁRQUICOS DE PATHFINDING PARA DESCOBERTA DE MELHORES CAMINHOS EM TERRENOS COM ALTURA E INCLINAÇÃO
    Período:
    13/10/2020 a 31/03/2021
    Valor:
    R$ [Não informado]
    Conclusão:
    0 %