Treinamento de movimentação de um robô-cobra via redes neurais

Abstract

A robótica bioinspirada, especialmente no desenvolvimento de robôs que imitam a movimen tação das serpentes, tem se destacado por sua capacidade de resolver problemas complexos em áreas como medicina e exploração ambiental. Este trabalho visa otimizar os parâmetros da curva serpenoide por meio de técnicas de aprendizado de máquina, utilizando um robô cobra modular, previamente desenvolvido e implementado por (ROCHA, 2023), e simulando sua movimentação em um ambiente virtual. O robô físico apresentou resultados promissores em testes iniciais, mas também demonstrou comportamentos indesejados, sobretudo na combinação pitch-yaw, o que motivou a busca por uma solução automatizada para ajuste dos parâmetros de locomoção. Inicialmente, foi feita a importação do modelo em URDF - Formato Unificado de Descrição de Robôs - para o ambiente Isaac Sim, porém dificuldades técnicas com o controle das articulações levaram à migração para o simulador Webots, que apresentou maior estabilidade e integração com ferramentas externas. Com o robô corretamente implementado no ambiente simulado, foi possível realizar uma extensa coleta de dados e, a partir disso, propor uma abordagem em duas etapas principais: uma rede neural classificadora, responsável por identificar se os parâmetros resultam em movimentos aceitáveis, e uma rede geradora, capaz de produzir novos parâmetros com base na direção desejada. Ambas as redes foram integradas em uma solução final, capaz de gerar e classificar automaticamente os parâmetros da curva serpenoide, contribuindo para a melhoria da locomoção do robô.