Aprendizagem por imitação através de mapeamento Visuomotor baseado em imagens omnidirecionais

Este trabalho propõe uma metodologia de aprendizagem que permite a um robô aprender uma tarefa adaptando-a e representando-a de acordo com a sua capacidade motora e sensorial. Primeiramente, um mapeamento sensoriomotor é criado e converte informação sensorial em informação motora. Depois, através de imitação, o robô aprende um conjunto de ações elementares formando um vocabulário motor. A imitação é baseada nas representações motoras obtidas com o mapeamento sensoriomotor. O vocabulário motor criado é então utilizado para aprender e realizar tarefas mais sofisticadas, compostas por seqüências ou combinações de ações elementares. Esta metodologia é ilustrada através de uma aplicação de mapeamento e navegação topológica com um robô móvel. O automovimento é utilizado como mapeamento visuomotor, convertendo o fluxo óptico em imagens omnidirecionais em informação motora (translação e rotação), a qual é usada para a criação de um vocabulário motor. A seguir, o vocabulário é utilizado para mapeamento e navegação topológica. Os resultados obtidos são interessantes e a abordagem proposta pode ser estendida a diferentes robôs e aplicações.

Interface Multimodal com Predição de Movimentos para Uso em Reabilitação de Membros Inferiores

Esta dissertação apresenta o desenvolvimento de uma plataforma multimodal de aquisição e processamento de sinais. O projeto proposto insere-se no contexto do desenvolvimento de interfaces multimodais para aplicação em dispositivos robóticos cujo propósito é a reabilitação motora adaptando o controle destes dispositivos de acordo com a intenção do usuário. A interface desenvolvida adquire, sincroniza e processa sinais eletroencefalográficos (EEG), eletromiográficos (EMG) e sinais provenientes de sensores inerciais (IMUs). A aquisição dos dados é feita em experimentos realizados com sujeitos saudáveis que executam tarefas motoras de membros inferiores. O objetivo é analisar a intenção de movimento, a ativação muscular e o início efetivo dos movimentos realizados, respectivamente, através dos sinais de EEG, EMG e IMUs. Para este fim, uma análise offline foi realizada. Nessa análise, são utilizadas técnicas de processamento dos sinais biológicos e técnicas para processar sinais provenientes de sensores inerciais. A partir destes, os ângulos da articulação do joelho também são aferidos ao longo dos movimentos. Um protocolo experimental de testes foi proposto para as tarefas realizadas. Os resultados demonstraram que o sistema proposto foi capaz de adquirir, sincronizar, processar e classificar os sinais combinadamente. Análises acerca da acurácia dos classificadores utilizados mostraram que a interface foi capaz de identificar intenção de movimento em 76, 0 ± 18, 2% dos movimentos. A maior média de tempo de antecipação ao movimento foi obtida através da análise do sinal de EEG e foi de 716, 0±546, 1 milisegundos. A partir da análise apenas do sinal de EMG, este valor foi de 88, 34 ± 67, 28 milisegundos. Os resultados das etapas de processamento dos sinais biológicos, a medição dos ângulos da articulação, bem como os valores de acurácia e tempo de antecipação ao movimento se mostraram em conformidade com a literatura atual relacionada.

Uma contribuição ao estudo de sinais de EEG para avaliar estados emocionais e mentais de crianças com autismo na interação com robô móvel

O Transtorno do Espectro do Autismo (TEA) caracteriza-se por uma série de distúrbios cognitivos e neurocomportamentais e sua prevalência mundial é estimada em 1 criança com TEA a cada 160 crianças com típico desenvolvimento (TD). Indivíduos com TEA apresentam dificuldade em interpretar as emoções alheias e em expressar sentimentos. As emoções podem ser associadas à manifestação de sinais fisiológicos, e, dentre eles, os sinais cerebrais têm sido muito abordados. A detecção dos sinais cerebrais de crianças com TEA pode ser benéfica para o esclarecimento de suas emoções e expressões. Atualmente, muitas pesquisas integram a robótica ao tratamento pedagógico do TEA, através da interação com crianças com esse transtorno, estimulando habilidades sociais, como a imitação e a comunicação. A avaliação dos estados mentais de crianças com TEA durante a sua interação com um robô móvel é promissora e assume um aspecto inovador. Assim, os objetivos deste trabalho foram captar sinais cerebrais de crianças com TEA e de crianças com TD, como grupo controle, para o estudo de seus estados emocionais e para avaliar seus estados mentais durante a interação com um robô móvel, e avaliar também a interação dessas crianças com o robô, através de escalas quantitativas. A técnica de registro dos sinais cerebrais escolhida foi a eletroencefalografia (EEG), a qual utiliza eletrodos colocados de forma não invasiva e não dolorosa sobre o couro cabeludo da criança. Os métodos para avaliar a eficiência do uso da robótica nessa interação foram baseados em duas escalas internacionais quantitativas: Escala de Alcance de Metas (do inglês Goal Attainment Scaling - GAS) e Escala de Usabilidade de Sistemas (do inglês System Usability Scale - SUS). Os resultados obtidos mostraram que, pela técnica de EEG, foi possível classificar os estados emocionais de crianças com TD e com TEA e analisar a atividade cerebral durante o início da interação com o robô, através dos ritmos alfa e beta. Com as avaliações GAS e SUS, verificou-se que o robô móvel pode ser considerado uma potencial ferramenta terapêutica para crianças com TEA.