Life Long SLAM e Estimativa da Trajetória Futura de Objetos Movíveis para Robôs Autônomos

Resumo: Robôs autônomos têm ocupado um papel cada vez maior na nossa sociedade; contudo, ainda tem sua operação em larga escala limitada pelos riscos de colisão dos mesmos com objetos fixos e móveis. Para viabilizar sua autonomia numa escala cada vez maior, eles precisam saber precisamente onde se encontram no seu ambiente de operação, assim como saber predizer a trajetória futura de objetos movíveis de interesse, tais como pessoas, animais, veículos operados por humanos ou outros robôs autônomos, de modo a poder planejar sua trajetória sem riscos de colisões.

Life Long Simultaneous Localization and Mapping (Life Long SLAM) é um técnica da área de robótica que tem como objetivo criar mapas e atualizá-los continuamente durante a vida útil do robô autônomo, além de permitir a localização precisa do robô nestes mapas. Tais mapas armazenam informações sobre o ambiente estático, ou quase estático, de operação do robô. Para navegar no ambiente de operação com segurança, além de ter a capacidade de se localizar precisamente nestes mapas, os robôs autônomos precisam detectar, rastrear e, mais importante, ter a capacidade de predizer a trajetória futura de objetos movíveis (que estão se movendo ou que tem a capacidade de se mover, como é o caso de um veículo parado) para que possam, assim, computar sua trajetória futura evitando colisões.

Neste projeto de pesquisa, vamos investigar novos algoritmos de Life Long SLAM e de predição da trajetória de objetos movíveis no contexto de veículos autônomos (self-driving cars). Buscaremos desenvolver algoritmos apropriados para automóveis de passeio autônomos como a IARA (Intelligent Autonomous Robotic Automobile) e caminhões autônomos como o ART (Autonomous Robotic Truck), desenvolvidos na Ufes.

Data de início: 01/03/2025
Prazo (meses): 30

Participantes:

Papel	Nome
Coordenador	CLAUDINE SANTOS BADUE