| Campo Dublin Core | Valor | Língua |
|---|
| dc.contributor.advisor | Lamar, Marcus Vinicius | - |
| dc.contributor.author | Rabelo, Hiago dos Santos | - |
| dc.identifier.citation | RABELO, Hiago dos Santos. Aprendizado por reforço aplicado à categoria VSSS de futebol de robôs. 2023. 96 f., il. Trabalho de conclusão de curso (Bacharelado em Engenharia Mecatrônica) — Universidade de Brasília, Brasília, 2023. | pt_BR |
| dc.description | Trabalho de conclusão de curso (graduação) — Universidade de Brasília, Faculdade de Tecnologia, 2023. | pt_BR |
| dc.description.abstract | O aprendizado por reforço é um dos campos de aprendizado de máquina que está ganhando bastante destaque atualmente, especialmente com a utilização de redes neurais e a obtenção de resultados que superam valores obtidos por seres humanos. Devido a isso, há um grande espaço para sua aplicação na robótica. Este trabalho tem como objetivo utilizar técnicas de aprendizado de máquina para obter um agente capaz de realizar gols em uma partida de futebol de robôs. Será utilizado o algoritmo atual da equipe UnBall como referência para comparação nos resultados numéricos. A UnBall é um projeto de extensão da UnB que compete com foco em futebol de robôs autônomos na categoria Very Small Size Soccer (VSSS). Este trabalho possui foco na utilização dos algoritmos Deep Deterministic Policy Gradient (DDPG) e Twin Delayed DDPG (TD3). Embora os agentes obtidos por aprendizado por reforço possam não superar o algoritmo atualmente utilizado pela equipe UnBall, os resultados obtidos indicam que são efetivos na realização da tarefa de direcionar a bola até o gol. | pt_BR |
| dc.rights | Acesso Aberto | pt_BR |
| dc.subject.keyword | Robôs | pt_BR |
| dc.subject.keyword | Aprendizado por reforço | pt_BR |
| dc.subject.keyword | Futebol | pt_BR |
| dc.title | Aprendizado por reforço aplicado à categoria VSSS de futebol de robôs | pt_BR |
| dc.type | Trabalho de Conclusão de Curso - Graduação - Bacharelado | pt_BR |
| dc.date.accessioned | 2024-07-10T00:50:28Z | - |
| dc.date.available | 2024-07-10T00:50:28Z | - |
| dc.date.submitted | 2023-07-21 | - |
| dc.identifier.uri | https://bdm.unb.br/handle/10483/39227 | - |
| dc.language.iso | Português | pt_BR |
| dc.rights.license | A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor que autoriza a Biblioteca Digital da Produção Intelectual Discente da Universidade de Brasília (BDM) a disponibilizar o trabalho de conclusão de curso por meio do sítio bdm.unb.br, com as seguintes condições: disponível sob Licença Creative Commons 4.0 International, que permite copiar, distribuir e transmitir o trabalho, desde que seja citado o autor e licenciante. Não permite o uso para fins comerciais nem a adaptação desta. | pt_BR |
| dc.contributor.advisorco | Koike, Carla Maria Chagas e Cavalcante | - |
| dc.description.abstract1 | Reinforcement learning is one of the fields of machine learning that is gaining considerable attention, especially with the use of neural networks and achieving results that outperform those obtained by humans. As a result, there is significant potential for its application in robotics. This work aims to utilize machine learning techniques to obtain an agent capable of scoring goals in a robot soccer game. The current algorithm of the UnBall team will be used as a reference for comparison in the numerical results. UnBall is an extension project of UnB that competes with a focus on autonomous robot soccer in the Very Small Size Soccer (VSSS) category. This work will focus on the utilization of Deep Deterministic Policy Gradient (DDPG) and Twin Delayed DDPG (TD3) algorithms. Although the agents obtained through reinforcement learning may not outperform the algorithm currently used by the UnBall team, they are expected to be effective in directing the ball toward the goal. | pt_BR |
| Aparece na Coleção: | Engenharia Mecatrônica
|
