O trabalho a baixo será apresentado em um seminário, em 17/11/2021, para alunos da uninove, sobre o robotinics. Este trabalho é referente a IoT, e faz parte integrante da minha Pós graduação em aprendizado de máquina.
O material a seguir, é um complemento a apresentação que será feita.
O Robotinics é uma plataforma open hardware para desenvolvimento de robótica educacional.
Abaixo o treinamento para o seminário, onde apresentei aos colegas da turma, onde refinaremos os detalhes da apresentação.
Treinamento para a apresentação do seminário
O Objetivo do seminário é a apresentação de proposta de IoT, usando redes neurais.
Neste contexto, apresentei a proposta acima, utilizando o robotinics.
O Material a seguir, são detalhes que apresentarei apenas como comentário, onde nos vídeos abaixo, mostro o detalhe do assunto abordado.
Como tudo começou – A 8 anos atras.
Neste vídeo vimos minhas filhas ainda pequenas, recortando o isopor que deu idéia ao projeto.
Minhas filhas fazendo os primeiros recortes
Neste contexto, o projeto nasceu como uma brincadeira de criança, onde eu como pai, acabei criando um projeto por me sentir compelido a provar que podemos sim criar robôs.
Do momento da brincadeira, até hoje, passaram mais de 8 anos.
Apresentação da Cabeça do robô
Neste vídeo explico a cabeça do robô, onde mostro o seu processo construtivo, envolvendo a eletrônica.
Mostro como foi construído, e o que fiz para simplificar alguns processos que foram sendo corrigidos nesta longa caminhada.
Agora apresentando a detecção de face
Apresento detalhes da detecção de face, usando os script do shell, integrado com motion.
Detecção de face através de python
Neste processo, mostro o script de python, usando opencv, que foi utilizado, para detectar faces humanas.
FANN Lib no robotinics
Neste vídeo apresento o processo de instalação da FANN lib, para utilização no raspberry.
No livro, na segunda revisão, apenas apresento, a instalação da libFANN, onde mostro sua execução.
De forma geral, a escolha desta lib, foi em função de sua velocidade e da diminuta utilização de recursos.
Controles e comandos do Robotinics
Neste vídeo apresento o controle remoto do robô, que permite controlar através de Bluetooth, dando comandos ao robô, de forma de telepresença.
Neste método, podemos através de uma aplicação em Desktop, controlar remotamente o robô.
O Robô na época não possuia nenhum padrão de IA, por isso era quase totalmente controlado remotamente (Telepresença).
Inclusive, foram criados aplicações desktop para permitir seu controle.
No vídeo apresento alguns destes softwares, rodando no robô.
Montagem das peças
Neste vídeo apresento algumas peças, o processo de montagem das mesmas.
O processo de produção passa desde o projeto em SOLIDWORKS, até sua impressão em uma impressora 3D.
montagem das peças no solidworks
Muito foi aprendido para chegar nesse nível, pois tive que fazer curso técnico de mecânica industrial, para conseguir obter o conhecimento necessário para chegar neste ponto. Inclusive o trabalho foi o TCC deste curso.
Neste outro vídeo apresento a montagem do tronco do robô.
Podemos ver, o processo de montagem, no solid, alem das peças mecanicas, tambem são montadas os componentes eletrônicos.
O Robô se movimentando
Este vídeo foi logo no começo, as peças 3D ainda não estavam prontas, mas o robô já se movimentava através de um script.
Primeiros ensaios de movimento do robô.
Neste vídeo o projeto de hardware já estava pronto, porem ainda não sonhava com reconhecimento de imagem e outras melhorias.
Podemos ver neste primeiro ensaio, que o robô era totalmente feito de isopor. Pois a idéia é criar um projeto que não necessáriamente precise de impressão 3D para ser criado. As peças foram usadas globos de isopor, muito usados em festas. As peças eram envolvidas em cola de madeira, depois epoxi diluido com um pouco de cetona e depois pintadas.
Parte inferior do robô
Neste vídeo apresento detalhes da parte inferior do robô.
processo construtivo alternativo.
Podemos ver o controlador arduino mega e algumas outras peças.
Podemos ver tambem, que muitas partes eram feitas em isopor.
O Objetivo do algoritmo genéticos é recombinar soluções possíveis de problemas, filtrando estas soluções sempre pelo grau de acerto. Criando descendentes mais adaptados.
Um exemplo de uso, seria encontrar conjuntos de solução que melhor se adapte. Exemplo, alocação de professor em horario de aula.
Fornecendo gerações mais adaptadas a resolução de problemas, até que na Enézima geração encontrar a melhor solução possível.
Os critérios de Parada
O Critério de parada, é utilizado para determinar o fim das interações genéticas.
Tempo de Execução
Número de Gerações
Melhor solução a resposta alcançada.
Seleção de individuos
Nos algoritmos genéticos, usamos os individuos criados na seleção anterior, avaliando os resultados obtidos.
Utilizando para proxima geração apenas os individuos que apresentaram as melhores soluções.
Seleciona apenas os individuos mais adaptados
Propriedades de uma geração
São propriedades da geração:
Taxa de reprodução
Probabilidade de mutação
Controle populacional
Critérios de parada
Restrições de ambiente
Cromossomo
O Cromossomo, é a represantação da geração, quanto as informações e funcionalidades presentes no individuo, quanto a resolução do problema proposto.
Codificação
É a transformação da informação em valores posicionais para representar informações presentes no algoritmo genético.
Podemos representar a codificação do cromossomo, através da expressão do peso (Valor) .
Como exemplo iremos atribuir os seguintes itens:
Caracteristica 1 – V1=2
Característica 2 – V2=4
Característica 3 – V3=8
Característica 4 – V4=16
Em uma matriz binária, poderiamos representar nosso gene, através de um sistema binário.
Car1
CAR2
CAR3
CAR4
1
0
0
1
Na representação acima, podemos ver que a caracteristica 1 e 4 estão presentes no gene.
População Inicial
É a população que possui caracteristicas généticas que serão cruzadas entre sí, gerando diversidade genética.
Mutação
É o relacionamento entre individuos de genética diferente, criando prole diversa, com características misturadas dos individuos PAIS.
Cruzamento de características
Valor Fitness ou adaptabilidade
É o valor de adaptação do genoma, que irá expressar o grau de adaptação ao ambiente que queremos otimizar.
O individuo com menor valor será o mais apto.
Seleção e Reprodução
Taxa de Reprodução é o percentual da população que gerará descendentes. Pode ir de 100% até 0%.
Seleção, é o crivo que determinará se um individuo esta apto a propagar seu gene para a próxima geração.
Avaliação de elegibilidade reprodutiva
Probabilidade ou peso genético
Pega-se o valor fitness do cromossomo, dividindo pelo total do fitness dos cromossomos.
Peso de cromossomo
O Peso do cromossomo, é a soma de todos os genes ativos de um individuo.
Exemplo:
Car1
CAR2
CAR3
CAR4
1
0
0
1
No exemplo acima, podemos calcular o peso, sendo 1×2+0x4+0x8+1×16= 18.
Podemos determinar um limitador, que será o peso de corte, onde não incluiremos individuos, com valores genéticos acima de um valor. Para evitar chegarmos a valores genéticos totais.
Corte de cromossomo
É o ponto de cruzamento dos cromossomos, no momento da passagem de gene para seus descendentes.
O local de corte é proximo ao ponto central, porem é aleatório.
Otimização
É o processo de tentar encontrar a melhor solução dentre as possíveis para resolução de um problema.
Elementos do Algoritmo genético
Alelo – Valor que pode representar um gene.
Gene – Representa uma parte ou característica que forma o cromossomo
Cromossomo – Representa uma solução genética, formado por genes
Individuo – Um possivel solução, contendo um conjunto de dados cromossomicos.
`População – Um conjunto de individuos, que serão cruzados
Assim, considerando o grafo da Figura 2, que representa a sub-região circulada na Figura 1, e a tabela heurística da Figura 3, represente o problema (Estado, S, s0, G, A e Matriz de Adjacências) e apresente soluções (caminho e custo em Km) para o problema descrito utilizando os seguintes algoritmos de busca: Menor Custo, Dijkstra (árvore), Melhor Estimativa e A*.
Observação: Para referenciar uma cidade use apenas as três primeiras letras.
Exercício
Usar método de menor custo de Itapevi até Osasco.
Tabela de distância até Osasco em linha reta
Cidade
Distância KM
Barueri
12
Carapicuíba
6
Cotia
17
Embú
15
Itapevi
23
Jandira
18
Osasco
0
Taboão da Serra
8
Estimativa de distância até Osasco
Diagrama de conexões
Conexões e custos associados
Árvore de busca de menor custo Itapevi/Osasco
Nesta arvore usamos o custo associado de deslocamento, fazendo todas as conexões possíveis.
Ficando definido a melhor rota Itapevi/Jandira/Carapicuíba/Osasco.
Árvore Dijkstra
Nesta arvore usamos o custo, associado a podas, ignorando os métodos que tem maior custo.
Este método tem podas em Carapicuíba (26) Taboão (36), conforme figura abaixo:
Ficando definido a melhor rota Itapevi/Jandira/Carapicuíba/Osasco.
Árvore Melhor Estimativa
Neste método, usamos a distância até Osasco, pegando sempre a menor distância e ignorando as demais.
Árvore A*
Nesta arvore somamos o custo a distância, criando um valor ficticio. Que será a base da poda.
Portuguese 
English