ESTG - Mestrado em Engenharia Eletrotécnica - Telecomunicações
URI permanente para esta coleção:
Navegar
Percorrer ESTG - Mestrado em Engenharia Eletrotécnica - Telecomunicações por orientador "Bento, Luís Manuel Conde"
A mostrar 1 - 3 de 3
Resultados por página
Opções de ordenação
- 3DMoBot - Mobile robot positioning for 3D printing applicationsPublication . Teixeira, Abel Pedro Alcobia; Bento, Luís Manuel Conde; Castro, Hugo Filipe Costelha de; Neves, Carlos Fernando Couceiro de SousaOsrobôsdenavegaçãoautónomasãocadavezmaisutilizadosnaagricultura, logística e indústria de fabricação. A impressão 3D, uma técnica comum de fabrico aditivo, tem ganho relevância nos últimos anos devido à sua flexibilidade e eficiência. A logística de peças fabricadas pode ser suportada por Robôs Móveis Autónomos (AMRs), mel horando o fluxo de materiais. No contexto da impressão 3D, é abordada a navegação autónoma por objetivos em ambientes industriais, com foco em algoritmos de local ização e mapeamento simultâneo (SLAM). Estes algoritmos constituem um elemento fundamental dos robôs móveis autónomos, permitindo uma navegação fiável em am bientes desconhecidos e sem acesso a GPS. Apesar da grande diversidade de soluções SLAMexistentes,asavaliaçõescomparativasnaliteraturasão, emgeral, limitadasaum reduzido número de algoritmos e conjuntos de dados, dificultando uma seleção infor mada. Este trabalho propõe umametodologia deavaliação comparativa em duasfases para colmatar esta limitação. Numa primeira fase, é introduzido um sistema de clas sificação à escala alargada que agrega dados quantitativos de desempenho reportados na literatura. Os algoritmos SLAM são então classificados com base na sua precisão documentada e na abrangência das comparações, recorrendo a um modelo estatístico ponderado. Arobustez daclassificação é reforçada através da variação sistemática dos parâmetros e da análise da frequência de posicionamento no ranking. Numa segunda fase, a eficácia da metodologia é validada através da avaliação direta de algoritmos se lecionados num conjunto de dados comum, o NTU-VIRAL, utilizando o erro absoluto de trajetória como métrica principal. Os algoritmos SLAM identificados são avaliados qualitativamentequantoàsuaaplicabilidadenumambientereal. O3DMoBot,umrobô móvel de locomoção diferencial para aplicações de impressão 3D, é configurado para operar numambienteinterior, ondeétestada anavegaçãoautónomaentrelocalizações predefinidas. A navegação autónoma depende de um algoritmo SLAM adequado, se lecionado com base nosresultados das avaliações anteriormente desenvolvidas. Os re sultados evidenciam uma forte consistência entre a classificação baseada na literatura e a avaliação no conjunto de dados comum, e fornecem uma análise da aplicabilidade dosalgoritmos melhorclassificados no3DMoBotintegradonumsistemadenavegação baseado em ROS2.
- CLASSIFICAÇÃO DE CENAS ACÚSTICAS EM DISPOSITIVOS COM CONSTRANGIMENTOS COMPUTACIONAIS UTILIZANDO INTELIGÊNCIA ARTIFICIALPublication . Anastácio, Ricardo Ribeiro; Bento, Luís Manuel CondeAo longo desta dissertação é apresentada a pesquisa e desenvolvimento de um modelo neuronal de arquitetura Convolutional Neural Network (CNN) para classificar dez ambientes acústicos distintos, destinado a dispositivos baixa complexidade, i.e. limite 128K em número de parâmetros e máximo de 30 MMAC (milhões de Multiply- ACcumulate (MAC)) por inferência. É utilizada a pesquisa de hiperparâmetros (hypertuning), para conseguir retirar o máximo de informação pertinente dos recursos de áudio e também para otimizar a arquitetura do modelo. São utilizadas técnicas de aumento de dados, suavização de rótulos e paragem de treino antecipada para melhorar a generalização do modelo, melhorando a resposta na presença de novos dados não utilizados para treino. São propostas ainda três abordagens com o objetivo de aumentar o campo de aprendizagem e melhorar a diferenciação entre classes. Estas abordagens combinam métodos de otimização e aprendizagem, como agrupamento de modelos ensemble, separação de classes ou aprendizagem um contra todos (OvA). Foi ainda aplicada a técnica de destilação de conhecimento (KD), que permitiu reduzir a sua complexidade do modelo, esta técnica acabou por funcionar também como regularizador diminuindo o sobreajuste. As abordagens propostas foram validadas através da participação no desafio “Task 1, Low-Complexity Acoustic Scene Classification 2022” proposto pela comunidade internacional DCASE, conseguindo obter o 4.º lugar na classificação de equipas num universo de 19 equipas, e 11.º lugar perante 48 modelos em avaliação. O modelo submetido que obteve melhores resultados é designado AI4EDGE_4 é um ensemble de dez modelos OvA, utilizado como “professor” num processo de destilação de conhecimento num “aluno” de arquitetura TBM2. O modelo base fornecido em DCASE obteve uma exatidão de ACC=44.2% e uma perda de LOSS=1.532, o modelo AI4EDGE_4 obteve melhor desempenho i.e. uma exatidão de AC=51.6% e uma perda de LOSS=1.330.
- Sistema de Localização em Ambiente Interior baseado em UWBPublication . Gomes, Rui Miguel Vieira; Bento, Luís Manuel Conde; Castro, Hugo Filipe Costelha de