Aprendizado por Demonstração aplicado à um Braço Robótico utilizando Célula Neural Artificial Paraconsistente

Paulino Machado Gomes, Mauricio Conceição Mario, João Inácio da Silva Filho, Leonardo do Espirito Santo, Rodrigo Silvério da Silveira, Cláudio Luís Magalhães Fernandes

Abstract


Resumo:

Neste trabalho é utilizado um algoritmo denominado de Célula Neural Artificial Paraconsistente de aprendizagem (CNAPap), que foi criado a partir das equações baseadas em Lógica Paraconsistente Anotada – LPA. A LPA é uma lógica não clássica, que é baseada em conceitos que permitem, sob certas condições, aceitar a contradição em seus fundamentos, sem invalidar as conclusões. Com sinais padronizados, repetidamente aplicados à entrada da CNAPap, é possível armazenar gradativamente esta informação, aumentando ou diminuindo seu nível de resposta, na saída com variação assintótica, e controlado por um Fator de Aprendizagem (FA). Foi implementado em um microcontrolador ATmega 328p, um conjunto de cinco CNAPaps, formando uma Rede Neural Artificial Paraconsistente de aprendizagem (RNAPap), e vários ensaios foram realizados, para validar o seu funcionamento, atuando no aprendizado por demonstração (LfD), em um Robô Manipulador. Os resultados de estudos comparativos, mostraram que a RNAPap possui propriedades dinâmicas, com capacidade de atuar, tanto no processo de aprendizagem por demonstração, como no processo de imitação.

Palavras-chave: lógica paraconsistente, controlador programável, algoritmo paraconsistente, controle de razão

Learning by Demonstration applied to a Robotic Arm using Paraconsistent Artificial Neural Cell

Abstract:

The Annotated Paraconsistent Logic - LPA is a non-classical logic that is based on concepts that allow, under certain conditions, to accept the contradiction in its foundations, without invalidating the conclusions. In this work, an algorithm called Paraconsistent Artificial Neural Cell of Learning (PAN Celll), which was created from equations based on LPA Logic, is used. With standardized signals repeatedly applied to the PAN Celll input, it is possible to gradually store this information, increasing or decreasing its response level at the output with asymptotic variation and controlled by a Learning Factor (lF). A set of five PAN Cellls was implemented in an ATmega 328p microcontroller, forming a learning Paraconsistent Artificial Neural Network (PANNet) and several tests were carried out to validate its operation acting in learning by demonstration (LfD) in a Robot Manipulator. The results of comparative studies showed that PAN Celll has dynamic properties capable of acting, both in the learning process by demonstration and in the imitation process.

Keywords: Paraconsistent Annotated Logic; Robotics; Learning from demonstration; Artificial Intelligence; Paraconsistent Artificial Neural Network.


Full Text: PDF

Refbacks

  • There are currently no refbacks.