Palestra – Controle de Congestão em Enxames de Robôs – Leandro Soriano Marcolino

Título: Controle de Congestão em Enxames de Robôs

Por: Leandro Soriano Marcolino, Lancaster University

Quando: 30 de agosto de 2022, 11h

Onde: Sala 2077 do ICEx

Resumo: O LSM CoLab é um laboratório de inteligência artificial da Universidade de Lancaster. Nesta palestra vou apresentar alguns de nossos trabalhos recentes — envolvendo visão computacional, jogos e robótica. Em particular, vou concentrar em dois artigos sobre controle de congestão em enxames de robôs. Estes artigos foram desenvolvidos com base em trabalhos anteriores feitos com o laboratório VeRLab da UFMG.

Enxames de robôs podem encontrar congestionamento quando muitos robôs tentam alcançar a mesma área simultaneamente. Este problema é agravado quando os robôs possuem um alvo em comum. Em nosso trabalho, propomos a análise do throughput como um princípio fundamental para estudar estes sistemas. Propomos várias estratégias em condições ideais, que servem para definir limites superiores teóricos para algoritmos reais.
Usando estas estratégias teóricas como base, criamos dois algoritmos para robôs reais: Single Queue Former — SQF, e Touch and Run Vector Fields — TRVF. Experimentos em simulação mostram que o SQF supera o estado da arte em controle de congestão para enxames. O TRVF supera os outros algoritmos em casos limitados, mas nos permite perceber possíveis impactos da transferência de estratégias teóricas para algoritmos reais.

Biografia: Leandro Soriano Marcolino é lecturer (professor adjunto) na Universidade de Lancaster. Obteve seu doutorado na Universidade do Sul da Califórnia (USC), orientado por Milind Tambe. Ele publica em várias conferências e revistas de IA, robótica, aprendizado de máquina e visão computacional, como: AAAI, AAMAS, CVPR, TPAMI, IJCAI, NeurIPS, ICRA, e IROS. Recebeu os prêmios de melhor dissertação e melhor pesquisador assistente do Departamento de Ciência da Computação da USC, teve um artigo nomeado para melhor artigo da conferência líder em sistemas multi-agente (AAMAS), e teve seu trabalho de graduação selecionado como o melhor do país pela Sociedade Brasileira de Computação. Leandro completou seu mestrado no Japão (com a altamente competitiva bolsa Monbukagakusho), e sua graduação no Brasil na Universidade Federal de Minas Gerais (sendo agraciado com Medalha de Ouro pelo seu desempenho acadêmico). Seus interesses de pesquisa incluem trabalho em time em sistemas multi-agente, aprendizado de máquina, robótica; com ênfase em coordenação e colaboração. Leandro têm conduzido sua pesquisa no contexto de vários domínios, como enxame de robôs, jogos, e computação criativa.

Acesso rápido

Skip to content