FenixEdu™

Dissertação

From rocks to walls: a machine learning approach for lunar base construction EVALUATED

Detalhes: A utilização de recursos in-situ é um aspecto chave para uma exploração humana eficiente de ambientes extraterrestres. Um método de baixo custo para a construção de estruturas preliminares é o empilhamento de rochas não processadas, encontradas localmente, sem recurso a argamassa. Esta tese foca-se na aprendizagem autónoma desta tarefa complexa. Abordagens anteriores recorrem a modelos previamente adquiridos, que podem ser difíceis de obter no contexto de uma missão. Em alternativa, propomos uma abordagem sem modelos e baseada em dados. O problema é abstraído para a tarefa de selecionar a posição para cada pedra, apresentada numa sequência, ser colocada sobre a estrutura atualmente construída. O objetivo é cunstruir um muro que aproxime um volume objetivo, dada a percepção tridimensional da estrutura, do próximo objeto e do objetivo. Um agente é desenvolvido para aprender esta tarefa utilizando aprendizagem por reforço. O algoritmo Deep Q-networks é usado, onde a Q-network estima um mapa de valor correspondente ao retorno esperado de colocar o objeto em cada posição de uma vista superior da estrutura. A q-funtion aprendida capta o objetivo e a dinâmica do ambiente. O comportamento que surge é, de certo modo, consistente com a teoria existente para esta tarefa. A política aprendida supera heurísticas criadas com conhecimento prévio da tarefa, tanto em termos de estabilidade da estrutura como de semelhança com o volume objetivo. Apesar da simplificação da tarefa, a política aprendida com esta abordagem pode ser aplicada numa situação real como o planeador de alto nível num pipeline de construção autónoma.
Keywords: aprendizagem por reforço, utilização de recursos in-situ, construção autónoma, rochas naturais

Discussão: outubro 29, 2020, 9:0