Revisão Bibliográfica



Baixar 101.96 Kb.
Encontro21.09.2019
Tamanho101.96 Kb.

IA 707 – Computação Evolutiva – 20 semestre 2002

Profs. Fernando Von Zuben e Leandro Nunes de Castro



Rafael Ferrari 971422

Maurício Sol de Castro 951242




Revisão Bibliográfica – tema 34

Swarm Robotics



  1. Introdução: a união faz a força!

A área de pesquisa denominada Swarm Robotics – ou “robótica de enxames” – trata de sistemas formados por grupos de robôs móveis. A idéia fundamental é reunir robôs simples com comportamento simples de forma que o sistema formado por eles seja capaz de realizar uma tarefa complexa. Tal idéia tem forte inspiração biológica em grupos de insetos sociais, a exemplo de abelhas e formigas. Por exemplo, um grupo de formigas pode realizar tarefas como procurar por alimento, transportar alimento ou construir um ninho.

Em seu trabalho seminal de 1986, o pesquisador Robert Brooks, do MIT (Massachusetts Institute of Technology) defendeu a idéia de se usar grupos de “insetos robóticos” para o estudo do comportamento inteligente, ao invés de modelos complexos de inteligência artificial. Atualmente, os sistemas robóticos baseados em “enxames” apresentam grande potencial de aplicação em várias situações, como por exemplo transporte de cargas (box-pushing), busca (foraging), controle de tráfego.

1.1. Revisão Bibliográfica

No trabalho de revisão bibliográfica, foi observado que a literatura disponível no assunto apresenta tanto trabalhos de cunho mais teórico, a respeito do comportamento cooperativo de “agentes” reunidos em grupos, como trabalhos que descrevem implementações experimentais, como por exemplo o uso de robôs do tipo Khepera. O uso de simulações computacionais do desempenho de enxames robóticos também é relatado em várias referências. Sendo assim, procuramos incluir referências relativas a cada abordagem.



A classificação das referências adotada nesta revisão bibliográfica foi baseada em um trabalho de Y. Cao, A. Fukunaga, B. Khang e F. Meng, “Cooperative Mobile Robotics: Antecedents and Directions”. Este trabalho, de 1995, representa um apanhado geral das pesquisas realizadas nesta área à época. A Figura 1 mostra a estrutura de classificação da revisão.



Figura 1: Estrutura da Revisão Bibliográfica.
A lista de referências bibliográficas está organizada da seguinte forma: cada item correspondente à estrutura da revisão contém um breve texto introdutório seguido das respectivas referências encontradas. Para algumas das referências que julgamos mais interessantes, acrescentamos um pequeno comentário.



  1. Arquitetura

A arquitetura de um grupo de robôs consiste do modo como o comportamento coletivo é implementado e organizado e determina as capacidades e limitações do sistema. As principais características da arquitetura de um grupo de robôs são: centralização/descentralização, diferenciação, estrutura de comunicação e capacidade de modelagem de outros agentes. Cada uma dessas características será discutida a seguir.





    1. Centralização vs Descentralização

Em arquiteturas centralizadas, como o próprio nome sugere, um sistema central é responsável pelo controle dos robôs. Já nas arquiteturas descentralizadas, cada robô é um agente independente e autônomo, responsável pelo próprio controle. A arquitetura descentralizada pode ainda ser classificada como distribuída, na qual todos os agentes são iguais em relação ao controle, ou hierárquica, as quais são localmente centralizadas. A abordagem descentralizada é de longe a mais estudada, segundo o que foi observado durante a revisão bibliográfica. Isso porque essa estratégia possui várias vantagens sobre a arquitetura centralizada, como confiabilidade, menor sensibilidade a falhas e exploração natural do paralelismo. A arquitetura centralizada é mais comumente adotada em sistemas com múltiplos robôs fixos.




Yanli Yang; Polycarpou, M.M.; Minai, A.A.; Opportunistically cooperative neural learning in mobile agents; Neural Networks, 2002. IJCNN '02. Proceedings of the 2002 International Joint Conference on, 2002; Page(s): 2638 -2643 vol.3

Palavras-Chave: cooperative neural learning; centralized, decentralized control

Comentários: O artigo trata tanto do aprendizado como do problema centralização vs descentralização do controle em grupos de robôs.




R. C. Arkin; Cooperation without communication: Multiagent schema-based robot navigation; Journal of Robotic Systems, 9(3), pp. 351-364, 1992

observação: não tivemos acesso a esta referência




R. Beckers, O. E. Holland, J. L. Deneubourg; From local actions to global tasks: Stigmergy and collective robotics; Proc. A-Life IV, MIT Press, 1994

observação: não tivemos acesso a esta referência




M. Mataric; Interaction and Intelligent Behavior; MIT AI Lab. Technical Report, AI-TR-1495, Agosto 1994

observação: não tivemos acesso a esta referência




L. Steels; A case study in the behavior-oriented design of autonomous agents; Proc. Simulation of Adaptive Behavior, 1994

observação: não tivemos acesso a esta referência



    1. Diferenciação

Um grupo de robôs pode ser classificado como homogêneo, se todos os robôs que constituem o grupo forem iguais, ou seja, tiverem as mesmas capacidades, ou como heterogêneo caso contrário. A maior parte dos trabalhos observados na literatura usa grupos homogêneos, devido a sua menor complexidade. A alocação de tarefas em grupos heterogêneos é mais complexa e os agentes necessitam de uma maior capacidade de modelagem dos indivíduos do grupo. Na abordagem homogênea, os indivíduos se diferenciam de acordo com a necessidade e a tarefa a ser realizada, exigindo mais versatilidade dos robôs.





    1. Estrutura de Comunicação

As possíveis formas de interação entre os robôs são determinadas pela estrutura de comunicação. A interação pode ser feita através do ambiente, por sensores e por comunicação explícita.



A forma mais simples e limitada de interação é a que se dá através do ambiente, sem que haja uma comunicação ou interação explícita entre os agentes. Na interação por meio de sensores um robô ‘sente’ a presença do outro sem que haja uma comunicação explícita. É necessário que os robôs apresentem capacidade de distinguir a diferença entre um obstáculo do ambiente e um outro robô, para que esse tipo de comunicação seja realmente efetivo. Por último, a forma de interação de mais alto nível e complexidade é a feita através da comunicação explícita. Neste tipo de interação, os indivíduos do grupo trocam informações entre si, apresentando um comportamento similar a uma rede de comunicação.


D. J. Stilwell, B. E. Bishop; A framework for decentralized control of autonomous vehicles; artigo, Proceedings 2000 ICRA. IEEE International Conference on Robotics and Automation, pp. 2358-2363, vol. 3, 2000

Palavras-chave: decentralized control, cooperative systems, mobile robots, robot swarm

Comentário: análise teórica sobre estratégias de comunicação entre agentes, para a realização de comportamento cooperativo de robôs móveis.




G. Dudek, M. Jenkin, E. Milios, D. Wilkes; A taxonomy for swarm robots; artigo, Proceedings 1993 IEEE International Conference on Intelligent Robots and Systems, IROS’93, pp. 441 – 447, vol. 1, 1993

Palavras-chave: cooperative systems, swarm robots, mobile robots, autonomous agents

Comentário: o trabalho discute algumas características de um sistema “swarm”, com destaque para as características relacionadas à comunicação entre os diferentes membros de um “enxame”.




Cai, A.; Fukuda, T.; Arai, F.; Information sharing among multiple robots for cooperation in cellular robotic system; artigo; Intelligent Robots and Systems, 1997. IROS '97., Proceedings of the 1997 IEEE/RSJ International Conference on , Volume: 3 , 1997;Page(s): 1768 -1774 vol.3

Palavras-chave: CEBOT, information sharing, cooperative multi-robot system




L. Steels; Cooperation between distributed agents through self-organization; European Workshop on Modelling Autonomous Agents in a Multi-Agent World, pp. 175-195, 1990

observação: não tivemos acesso a esta referência



    1. Modelagem de Outros Agentes

A modelagem de outros agentes consiste na capacidade de um robô inferir sobre as ações, estados e intenções dos outros de modo a tornar a cooperação mais efetiva. Este atributo diminui a necessidade da comunicação explícita entre agentes à medida que permite aos robôs conseguirem extrair mais informações das interações sensoriais. A desvantagem é que são necessários indivíduos mais complexos, tanto fisicamente como computacionalmente, capazes de gerar modelos que representem os demais agentes.





    1. Arquiteturas Representativas

A partir dos vários trabalhos realizados na área de swarm robotics, Cao selecionou algumas arquiteturas bem definidas como sendo as mais representativas, as quais serão brevemente comentadas a seguir. Uma característica comum a todas as arquiteturas é que todas são descentralizadas.


SWARM: é uma arquitetura descentralizada distribuída e homogênea composta por um grande número de robôs. Em relação à comunicação, um agente é capaz de interagir somente com os agentes mais próximos a ele. Individualmente, os agentes são pouco capazes e não-inteligentes, porém, das interações entre os agentes surge um comportamento coletivo inteligente, denominado SWARM intelligence. Esta estrutura apresenta ainda capacidade de auto-organização.


Kai Jin; Ping Liang; Beni, G.; Stability of synchronized distributed control of discrete swarm structures; artigo; Robotics and Automation, 1994. Proceedings., 1994 IEEE International Conference on , 1994; Page(s): 1033 -1038 vol.2

Palavras-Chave: swarm, stability, distributed control




Hackwood, S.; Beni, G.; Self-organizing sensors by deterministic annealing;
artigo; Intelligent Robots and Systems '91. 'Intelligence for Mechanical Systems, Proceedings IROS '91. IEEE/RSJ International Workshop on , 1991; Page(s): 1177 -1183 vol.3

Palavras-Chave: swarm, self adjusting systems, distributed robotic




Yang Liu; Passino, K.M.; Polycarpou, M.; Stability analysis of one-dimensional asynchronous mobile swarms; artigo;Decision and Control, 2001. Proceedings of the 40th IEEE Conference on , Volume: 2 , 2001; Page(s): 1077 -1082 vol.2

Palavras-Chave: swarm, stability, distributed control

CEBOT (Cellular RoBOTics Systems): é uma arquitetura descentralizada hierárquica inspirada na organização celular. Cada célula é equivalente a um robô e a estrutura hierárquica é composta por células mestres e células comuns. As células mestres são responsáveis por coordenar localmente subtarefas e se comunicam com as outras células. Vários métodos têm sido propostos para reduzir a necessidade de comunicação através do uso de células mais inteligentes, capazes de modelar as outras células. Aparentemente, T. Fukuda foi quem descreveu este tipo de estrutura pela primeira vez e há dezenas de artigos deste autor sobre o assunto na base de dados do IEEE, descrevendo em detalhes cada aspecto da estrutura. Para efeito da revisão bibliográfica serão citados apenas os principais artigos.




Fukuda, T.; Nakagawa, S.; Kawauchi, Y.; Buss, M.; Structure decision method for self organising robots based on cell structures-CEBOT; artigo; Robotics and Automation, 1989. Proceedings., 1989 IEEE International Conference on , 14-19 May 1989; Page(s): 695 -700 vol.2

Palavras-Chave: CEBOT, self organizing, autonomous agents




Ueyama, T.; Fukuda, T.; Self-organization of cellular robots using random walk with simple rules; artigo ;Robotics and Automation, 1993. Proceedings., 1993 IEEE International Conference on , 1993; Page(s): 595 -600 vol.3

Palavras-Chave: CEBOT, self-organization, random walk




Fukuda, T.; Iritani, G.; Construction mechanism of group behavior with cooperation; artigo; Intelligent Robots and Systems 95. 'Human Robot Interaction and Cooperative Robots', Proceedings. 1995 IEEE/RSJ International Conference on , Volume: 3 , 1995; Page(s): 535 -542 vol.3

Palavras-Chave: CEBOT, group behavior, cooperative systems




Fukuda, T.; Iritani, G. ; Evolutional and self-organizing robots-artificial life in robotics; Emerging Technologies and Factory Automation, 1994. ETFA '94., IEEE Symposium on, 1994; Page(s): 10 -19

Palavras-Chave: CEBOT, self-organizing, cooperative systems

ALLIANCE/ L-ALLIANCE: é uma arquitetura descentralizada e heterogênea composta por grupos de robôs médios e pequenos. A estrutura de comunicação é baseada em interações sensoriais e em comunicação explícita entre os agentes. Os robôs são individualmente baseados em controle baseado por comportamento (behavior-based control). A arquitetura L-ALLIANCE introduz técnicas de aprendizado baseadas em reinforcement learning para ajustar os parâmetros do controlador baseado no comportamento. Esta arquitetura foi implementada tanto em simulação como em experimentos com robôs.




Parker, L.E.; ALLIANCE: an architecture for fault tolerant multirobot cooperation, artigo ;Robotics and Automation, IEEE Transactions on , Volume: 14 Issue: 2 , April 1998
Page(s): 220 -240

Palavras-Chave: ALLIANCE, group architecture, cooperative systems




Parker, L.E.; ALLIANCE: an architecture for fault tolerant, cooperative control of heterogeneous mobile robots; Intelligent Robots and Systems '94. 'Advanced Robotic Systems and the Real World', IROS '94. Proceedings of the IEEE/RSJ/GI International Conference on , Volume: 2 , 1994; Page(s): 776 -783 vol.2

Palavras-Chave: ALLIANCE, group architecture, cooperative systems

Arquitetura Baseada no Sistema Imunológico: Nesta arquitetura descentralizada distribuída, os robôs equivalem ao antígeno, a estratégia de ação aos anticorpos, os robôs às células-B, os parâmetros de controle às células-T.




Sang-Joon Sun, Dong-Wook Lee, Kwee-Bo Sim; Artificial immune-based swarm behaviors of distributed autonomous robotics systems; artigo, Proceedings 2001 ICRA. IEEE International Conference on Robotics and Automation, pp. 3993-3998, vol. 4, 2001

Palavras-chave: artificial immune-based swarm behaviors, cooperative control, clonal selection, multi-robot systems




N. Mitsumoto, T. Fukuda, K. Shimojima, A. Ogawa; Micro autonomous robotic system and biologically inspired immune swarm strategy as a multi agent robotic system; artigo, Proceedings 1995 IEEE International Conference on Robotics and Automation, pp. 2187-2192, vol. 2, 1995

Palavras-chave: hardware architecture, software architecture, mobile robots, immune swarm system, cooperative system.

Comentário: este artigo apresenta uma proposta de implementação do hardware de um robô (MARS – micro autonomous robotic system) e também uma proposta de sofware para tal robô inspirada em sistemas imunológicos. O trabalho apresentou resultados de simulação acerca do desempenho do sofware.



  1. Competição por Recursos

A competição ou conflito por recursos ocorre quando dois ou mais robôs necessitam ao mesmo tempo de um único e indivisível recurso. Estes recursos podem ser espaço, objetos ou meio de comunicação. O principal problema estudado é o compartilhamento de espaço talvez porque este tipo de conflito ocorra em qualquer arquitetura. O principal objetivo é evitar colisões e o deadlock.




Jacak, W.; Dreiseitl, S.; Proell, K.; Rozenblit, J.; Conflict management in multiagent robotic system: FSM and fuzzy logic approach; Systems, Man, and Cybernetics, 2001 IEEE International Conference on, Volume: 3, 2001 Page(s): 1593 -1598 vol.3

Palavras-Chave: conflict management, multiagent robotic system




Minami, T.; Suzuki, I.; Yamashita, M.; Fusion of social laws and super rules for coordinating the motion of mobile robots; Intelligent Robots and Systems '96, IROS 96, Proceedings of the 1996 IEEE/RSJ International Conference on , Volume: 3 , 1996; Page(s): 1691 -1698 vol.3

Palavras-Chave: learning, evolutionary algorithm, path planning, fuzzy system




Maeda, Y.; Matsuura, T.; Deadlock avoidance method for multi-agent robot system using network of chaotic elements; Computational Intelligence in Robotics and Automation, 2001. Proceedings 2001 IEEE International Symposium on, 2001, Page(s): 282 –283

Palavras-Chave: deadlock avoidance, chaotic element network, fuzzy




Fukuda, T.; Ishihara, H.; Hiraoka, N., Deadlock resolution in distributed autonomous robotic system with hand-to-hand motion, Robotics and Automation, 1996. Proceedings, 1996 IEEE International Conference on, Volume: 3 , 1996, Page(s): 2049 -2054 vol.3

Palavras-Chave: deadlock resolution, CEBOT, path planning



H. Asama, M. K. Habib, I. Endo, K. Ozaki, A. Matsumoto, Y. Ishida; Functional distribution among multiple mobile robots in an autonomous and decentralized robot system; IEEE International Conference on Robotics and Automation, pp. 1921-1926, 1991

Palavras-chave: mobile robots, path planning, distributed processing




P. Caloud, W. Choi, J. C. Latombe, C. Le Pape, M. Yin; Indoor automation with many mobile robots; IEEE//RSJ IROS, pp. 67-72, 1990

Palavras-chave: automation, scheduling, nonconflicting sensor systems




T. Fukuda, K. Sekiyama; Communication reduction with risk estimate for multiple robotic system; IEEE ICRA, pp. 2864-2869, 1994

Palavras-chave: decision theory, robot communication, multiple robotic system



  1. Origens do Comportamento Cooperativo

Estudos têm sido feitos sobre como o comportamento cooperativo pode surgir a partir das interações de agentes “egoístas”, sem que este comportamento tenha sido explicitamente projetado. MacFarland divide os comportamentos coletivos observados na natureza na natureza em dois tipos: comportamento eusocial e comportamento cooperativo.

O comportamento eusocial é resultado de um comportamento individual geneticamente determinado e é observado em várias espécies de insetos, como nas formigas e abelhas. Nas sociedades eusociais, os agentes são individualmente pouco capazes, mas um comportamento inteligente surge a partir de suas interações. Portanto, o comportamento “cooperativo” é necessário para a sobrevivência dos indivíduos nas colônias.

O comportamento cooperativo, segundo MacFarland, é definido como o comportamento social observado nos animais vertebrados. Neste caso, a cooperação é resultado das interações entre agentes “egoístas“. O comportamento cooperativo é motivado por um desejo intencional de cooperar a fim de maximizar sua utilidade individual.



Vários pesquisadores têm estudado a emergência da cooperação em agentes racionais egoístas no campo da inteligência artificial distribuída utilizando aproximações baseadas na teoria de jogos.


MacFarland, D.; Towards robots cooperation; From animals to animats: Proceedings from the Third International Conference on Simulation of Adaptive Behavior, 1994, Page(s): 440-444. Cambridge, MA: MIT Press.

Observação: Não tivemos acesso a esta referência.




Bond, A. H.; Gasser, L.; Readings in Distributed Artificial Intelligence; Morgan Kaufmann Publishers, 1988.

Observação: Não tivemos acesso a esta referência.




Genesereth, M. R.; Ginsberg, M. L.; Rosenschein, J. S.; Cooperation without communication; Proc. AAAI, 1986, Page(s): 51-57.

Observação: Não tivemos acesso a esta referência.




Rosenschein, J. S.; Genesereth, M. R.; Deals among rational agents; Proc. Intl. Joint Conf. Artificial Intelligence, 1985, Page(s): 51-57.

Observação: Não tivemos acesso a esta referência.




Rosenschein, J. S.; Zlotkin, G.; Rules of Encounter: designing conventions for automated negotiation among computer.; MIT Press, 1994.

Observação: Não tivemos acesso a esta referência.




D. Kurabayashi; Toward realization of collective intelligence and emergent robotics; artigo, IEEE SMC'99 Conference Proceedings, IEEE International Conference on Systems, Man and Cybernetics, 1999.

Palavras-chave: path planning, mobile robots, collective intelligence, collective robot systems, swarm, autonomous robotic agents.

Comentário: o artigo apresenta um pequeno "survey" sobre inteligência coletiva de agentes robóticos autônomos, com destaque para alguns trabalhos experimentais, como um interessante estudo do comportamento global apresentado por um grupo de 40 robôs do tipo Khepera.




K. L. Doty, R. E. Van Aken; Swarm robot materials handling paradigm for a manufacturing workcell, artigo, Proceedings 1993 IEEE International Conference on Robotics and Automation, pp. 778-772, vol. 1, 1993

Palavras-chave: behavior-based swarm robots, emergent group functionality



  1. Aprendizado

O aprendizado em sistemas cooperativos com múltiplos robôs móveis é caracterizado pela capacidade do sistema de auto-adaptar os valores dos parâmetros de controle de modo a otimizar sua performance. A capacidade de aprendizado leva a sistemas mais robustos em relação a mudanças que eventualmente podem ocorrer no ambiente, por exemplo. Técnicas como computação evolutiva e reinforcement learning são utilizadas para implementar a capacidade de aprendizado em sistemas com múltiplos robôs.




Maeda, Y.; Behavior learning and group evolution for autonomous multi-agent robot; Fuzzy Systems, 1997, Proceedings of the Sixth IEEE International Conference on , Volume: 3 , 1997; Page(s): 1355 -1360 vol.3

Palavras-Chave: learning, evolutionary algorithm, path planning, fuzzy system




Bonarini, A.; Evolutionary learning, reinforcement learning, and fuzzy rules for knowledge acquisition in agent-based systems; Proceedings of the IEEE , Volume:89 Issue: 9 , Sept. 2001; Page(s): 1334 -1346

Palavras-Chave: real-time learning, evolutionary algorithm, reinforcement learning, fuzzy system



Ip, Y.L.; Rad, A.B.; Wong, Y.K.; Map building via integration of fuzzy systems and clustering algorithms; Fuzzy Systems, 2001. The 10th IEEE International Conference on, Volume: 2, 2001, Page(s): 1058 -1061 vol.2

Palavras-Chave: online learning, map building, hierarchical fuzzy system




S. Hackwood, G. Beni; Self-organization of sensors for swarm intelligence; artigo, Proceedings 1992 IEEE International Conference on Robotics and Automation, pp. 819-829, vol. 1, 1992

Palavras-chave: swarm intelligence, self-adjusting systems, self-organization




V. Genovese, L. Odetti, ,R. Magni, P. Dario; Self organizing behavior and swarm intelligence in a cellular robotic system; artigo, Proceedings 1992 IEEE International Symposium on Intelligent Control, pp. 243-248, 1992

Palavras-chave: self-organizing behavior, swarm intelligence, cellular robotic system




Parker, L.E.; Task-oriented multi-robot learning in behavior-based systems; Intelligent Robots and Systems '96, IROS 96, Proceedings of the 1996 IEEE/RSJ International Conference on , Volume: 3 , 1996; Page(s): 1478 -1487 vol.3

Palavras-chave: L-ALLIANCE, learning, adaptivity




L. P. Kaelbling; Learning in Embedded Systems; MIT Press, 1993

observação: não tivemos acesso a esta referência



  1. Problemas Geométricos

Os problemas geométricos estão relacionados com o planejamento de trajetória (path planning) ou navegação e com a movimentação em formações.

O planejamento de trajetória dos robôs é um caso de competição por recursos, pois os robôs devem percorrer trajetórias que não se interceptem para evitar colisões, dentro de um espaço finito.

No problema da movimentação em formação, os robôs devem se agrupar formando um determinado padrão geométrico que deve ser mantido enquanto o grupo se movimenta. Em arquiteturas descentralizadas, este problema é bastante complexo, principalmente quando o grupo necessita desfazer a formação para transpor um certo obstáculo e se reagrupar novamente após transpô-lo.




Sugawara, K.; Arai, R.; Sano, M.; Collective motion of interacting simple robots; Industrial Electronics Society, 2001. IECON '01. The 27th Annual Conference of the IEEE, Volume: 1, 2001; Page(s): 428 -432 vol.1

Palavras-Chave: model equations, motion, foraging task




Fredslund, J.; Mataric, M.J.; Robot formations using only local sensing and control; Computational Intelligence in Robotics and Automation, 2001. Proceedings 2001 IEEE International Symposium on, 2001; Page(s): 308 -313

Palavras-Chave: position control, robot formations, local interaction




Zein-Sabatto, S.; Ramakrishnan, R.; Multiple path planning for a group of mobile robots in a 3D environment using genetic algorithms; SoutheastCon, 2002. Proceedings IEEE, 2002; Page(s): 359 –363

Palavras-Chave: path planning, obstacle avoidance, genetic algorithms




Desai, J.P.; Ostrowski, J.P.; Kumar, V.; Modeling and control of formations of nonholonomic mobile robots; Robotics and Automation, IEEE Transactions on , Volume: 17 Issue: 6 , Dec. 2001; Page(s): 905 -908

Palavras-Chave: formations, graph theory, mobile robots




Young, B.J.; Beard, R.W.; Kelsey, J.M.; A control scheme for improving multi-vehicle formation maneuvers; American Control Conference, 2001. Proceedings of; the 2001 , Volume: 2 , 2001; Page(s): 704 -709 vol.2

Palavras-Chave: formations, group feedback, stability, mobile robots




K. Hosokawa, T. Tsumori, T. Fujii, H. Kaetsu, H. Asama, Y. Kuroda, I. Endo; Self-organizing collective robots with morphogenesis in a vertical plane; artigo, 1998 IEEE International Conference on Robotics and Automation, pp. 2858-2863, vol. 4, 1998

Palavras-chave: swarm, mobile robots, collective robots, morphogenesis, cooperative systems, autonomous robots

Comentário: apresenta estratégias para o projeto de unidades móveis capazes de se agruparem, assim como para o controle de sua movimentação. É relatado um resultado promissor acerca da validação de tais estratégias a partir de um experimento com quatro protótipos de robôs.




G. Beni, P. Liang; Pattern Reconfiguration in swarms-convergence of a distributed asynchronous and bounded iterative algorithm; artigo, IEEE Transactions on Robotics and Automation, pp. 485-490, vol. 12, no. 3, junho 1996.

Palavras-chave: distributed robotic systems, mobile robots, pattern reconfiguration

Comentário: é feita uma análise sobre o comportamento coletivo de sistemas “swarm”; os autores destacam que uma ampla gama de problemas de auto-organização de sistemas robóticos distribuídos pode ser considerada a partir de uma abordagem de reconfiguração de padrões em sistemas “swarm”.



  1. Aplicações

Grupos de robôs móveis com comportamento cooperativo são ainda muito pouco empregados em aplicações práticas, principalmente devido à pouca maturidade da área. Contudo existe um enorme potencial de aplicação desta tecnologia em problemas diversos, tais como busca e transporte.



A. T. Hayes, A. Martinoli, R. M. Goodman; Distributed odor source localization; artigo, IEEE Sensors Journal, pp. 260-271, Volume 2, no. 3, junho 2002

Palavras-Chave: distributed sensors, collective autonomous robotics, swarm intelligence, gas sensors, mobile robots

Comentários: O trabalho investiga a questão da utilização de fontes de odor por grupos de robôs autônomos, o que pode ser útil, por exemplo, para a localização de vazamentos de gás. Discute-se como uma estratégia de comunicação entre os agentes pode incrementar o desempenho da tarefa de busca.




R. Cassinis, G. Bianco, A. Cavagnini, P. Ransenigo; Strategies for navigation of robot swarms to be used in landmines detection; artigo, 1999 Third European Workshop on Advanced Mobile Robots, (Eurobot'99), pp. 211-218, 1999.

Palavras-chave: object detection, mobile robots, collision avoidance, landmine detection

Comentário: o artigo apresenta uma proposta para o desenvolvimento de estratégias de busca de minas terrestres por um grupo de robôs cooperativos, proposta analisada por meio de simulação.




H. Kobayashi, S. Ohtake; Shape Control of hyper redundant manipulator; artigo, Proceedings 1995 IEEE International Conference on Robotics and Automation, pp. 2803-2808, vol. 3, 1995

Palavras-chave: distributed control, swarm intelligence, shape control

Comentário: o artigo explora uma aplicação em controle do posicionamento de um braço mecânico, na qual cada controlador determina seu movimento independentemente, como em um sistema “swarm”. São relatados tanto resultados de simulação como resultados experimentais obtidos com um protótipo de pequeno porte.




D. J. Stilwell, J. S. Bay; Toward the development of a material transport system using swarms of ant-like robots; artigo, Proceedings 1993 IEEE International Conference on Robotics and Automation, pp. 766-771,vol. 1, 1993

Palavras-chave: ant-like robots, material transport system, autonomous mobile robots




T. Kaga, T. Fukuda; An oscillation analysis on distributed autonomous robotic system, artigo, Proceedings 1998 IEEE International Conference on Robotics and Automation, pp. 2846-2851, vol. 4, 1998

Palavras-chave: distributed control, mobile robots, swarm control, cooperative systems, oscillation analysis

Comentário: contém uma discussão teórica acerca da aplicação de um grupo de robôs móveis para o transporte de cargas.


  1. Demais Referências

Neste item, incluímos as referências correspondentes ao artigo seminal de Robert Brooks sobre swarm robotics, ao artigo que serviu como base para a classificação adotada e também as referências de alguns livros sobre o assunto. Também achamos interessante incluir uma referência com uma discussão “filosófica” sobre as vantagens de se utilizar um grupo de robôs para a realização de determinadas tarefas.




Brooks, R. A., Achieving Artificial Intelligence Through Building Robots,

MIT AI Lab Memo No. 899, Maio 1986



Palavras-chave: robotic insects, behavior-based decomposition, artificial intelligence

Observação: este trabalho foi encontrado a partir do site pessoal de Robert Brooks, cujo URL atual é http://www.ai.mit.edu/people/brooks/index.shtml




Cao, Y.U.; Fukunaga, A.S.; Kahng, A.B.; Meng, F.; Cooperative mobile robotics: antecedents and directions; artigo, Proceedings. 1995 IEEE/RSJ International Conference on Intelligent Robots and Systems, 95., vol. 1, pp. 226-234

Palavras-chave: mobile robots, cooperative systems, multiple autonomous mobile robots

Comentário: artigo no qual a estrutura da revisão bibliográfica foi baseada




E. Bonabeau, M. Dorigo, G. Theraulaz; Swarm Intelligence: From Natural to Artificial Systems; livro, Oxford University Press, 1999

Observação: não tivemos acesso a este material; a referência foi encontrada em pesquisa no site Amazon, cujo URL atual é http://www.amazon.com



S. Johnson, Emergence: The Connected Lives of Ants, Brains, Cities, and Software; livro, Touchstone Books, 2002


Observação: não tivemos acesso a este material; a referência foi encontrada em pesquisa no site Amazon, cujo URL atual é http://www.amazon.com




S. Nolfi, D. Floreano, Evolutionary Robotics, livro, MIT Press, 1a edição, 2000

Observação: não tivemos acesso a este material; a referência foi encontrada em pesquisa no site Amazon, cujo URL atual é http://www.amazon.com

Comentário: o livro discute a utilização de procedimentos baseados em computação evolutiva para a determinação de estratégias de comportamento de robôs móveis




T. Fukuda, N. Kubota; Intelligent Robotic Systems – from a single robot to a multiple robotic system, artigo, 5th International Workshop on Advanced Motion Control, pp. 706-712, 1998

Palavras-chave: multiple robotic system, cellular robotic system

Comentário: o artigo apresenta uma discussão a respeito das vantagens decorrentes do uso de grupos de robôs móveis com relação a um único robô.




R. Pfeifer, C. Scheier; Understanding Intelligence, livro, MIT Press, 2001.

Palavras-chave: behavior-based robotics, artificial intelligence, cognitive science


  1. Comentários finais





  • Encontramos uma dificuldade inicial em reunir as referências encontradas em subitens. Baseamos a divisão em uma referência a qual consideramos razoavelmente abrangente, mesmo sem estarmos completamente seguros de que esta era uma boa forma de dividir o assunto, por se tratar de um primeiro contato com esta área de pesquisa.




  • As referências de artigos correspondentes a publicações ou conferências do IEEE foram encontradas no banco de dados IEEE Xplore. As buscas foram feitas também usando o Probe, Citeseer, Google, entre outros. Porém, a maior parte das referências foi obtida da base do IEEE.




  • Notamos haver uma grande interseção entre este tema e o tema “swarm intelligence”, o qual também foi objeto de interesse do trabalho de revisão bibliográfica. Em particular, as referências que incluem “swarm intelligence” como uma das palavras-chaves estão bem ligadas a este outro tema.





©aneste.org 2017
enviar mensagem

    Página principal