Cinemática Inversa com Redes Neurais Aplicadas em Robôs Manipuladores

Resumo

O mundo passa hoje pelo que alguns meios de comunicação estão denominando de quarta revolução industrial. Os robôs vêm ganhando cada vez mais espaço na indústria, onde o emprego de robôs está associado ao aumento da produção e da qualidade do produto. Para que um robô manipulador possa se movimentar com precisão, é necessário obter seu modelo cinemático inverso, porém a obtenção desse modelo requer a difícil solução de um conjunto de equações não lineares, não existindo um método de solução genérico. Diante desse problema, este trabalho tem como objetivo demonstrar a resolução do problema da cinemática inversa de um robô manipulador utilizando redes neurais artificiais sem a necessidade de modelar a cinemática direta do robô. Foram utilizadas duas metodologias de treinamento da rede neural, denominadas de treinamento offline e treinamento online. A diferença básica entre essas duas metodologias de treinamento é que, na metodologia offline, todos os pontos de treinamento são obtidos antes de ocorrer qualquer treinamento da rede neural, enquanto que, no treinamento online, o uso de um método de treinamento é recorrente. À medida que o robô se movimenta, novos pontos de treinamento são obtidos e os processos de treinamento com os novos pontos adquiridos são executados, permitindo um processo de aprendizagem da cinemática inversa contínuo. Para validar a metodologia proposta, foi desenvolvido um protótipo de um robô manipulado planar, com um grau de liberdade, e foram testadas várias arquiteturas de redes neurais, a fim de encontrar a arquitetura ótima. As redes neurais treinadas em modo offline, quando comparadas com as redes treinadas no modo online, apresentaram uma maior capacidade de generalização e um menor valor de erro de saída. O treinamento online só obteve resultados satisfatórios em arquiteturas de redes neurais com quantidades de neurônios muito maiores do que as quantidades utilizadas nas arquiteturas treinadas no modo offline.