DMAS-M3 – Redes neurais convolucionais para consciência situacional de veículos aéreos autônomos urbanos

Linha de pesquisa: DMAS - Métodos para Tomada de Decisão em Sistemas Autônomos
Título: DMAS-M3 – Redes neurais convolucionais para consciência situacional de veículos aéreos autônomos urbanos
Orientador: Marcos R. O. de Albuquerque Máximo
Co-Orientador: -
Duração: 24 meses
Número de vagas: 1 vaga(s)
Data limite para inscrição: 05/04/2023
Formação esperada: Engenharia de Computação, Mecatrônica ou afins
Idiomas: Inglês
Obrigatório processo de seleção / aprovação pelo ITA e inscrição no Programa de Pós-Graduação: Sim
Expectativa de início das atividades: 05/05/2024

Escopo

Motivados pela revolução dos carros autônomos, espera-se que as aeronaves também se tornem mais autônomas. Nesse sentido, muitas empresas estão buscando veículos aéreos não tripulados para entrega de pequenos pacotes ou transporte humano. Embora uma unidade central de tomada de decisão possa ser usada para planejar trajetórias de alto nível para esses veículos, o veículo aéreo precisa manter a consciência de seus arredores para o planejamento de trajetória local. Para tarefas de percepção difícil, as Redes Neurais Convolucionais (CNN) são atualmente o estado da arte. Devido ao Deep Learning, existem técnicas baseadas em CNN que igualam ou até superam o desempenho humano em algumas tarefas de visão computacional. Neste trabalho, as Redes Neurais Convolucionais serão utilizadas para desenvolver a consciência situacional de obstáculos nas proximidades do veículo aéreo. Pretendemos usar CNNs para processar dados de diferentes sensores, e investigar as chamadas CNNs multimodais, onde dados de diferentes sensores são fundidos por uma única CNN.

Objetivos

- Avaliar quais sensores funcionam melhor para construir uma consciência situacional para um veículo aéreo autônomo urbano.
- Investigar CNNs multimodais para a construção de consciência situacional para veículos aéreos autônomos urbanos.
- Comparar diferentes arquiteturas CNN multimodais para fundir informações de diferentes sensores no contexto de veículos aéreos autônomos urbanos.
- Implantar o método baseado em CNN em um sistema embarcado com poder computacional limitado, representativo de um computador que poderia realmente ser usado em uma aeronave autônoma.

Resultados Esperados

- CNNs para consciência situacional de um veículo aéreo autônomo urbano, incluindo possivelmente CNNs multimodais para fusão de dados de diferentes sensores.
- Uma análise de diferentes arquiteturas CNN multimodais para fusão de informações de diferentes sensores no contexto de aeronaves autônomas urbanas.

Informações adicionais

Envie um email para mmaximo@ita.br com título "Bolsa de Mestrado CNN FlyMov" contendo:
(i) Seu currículo no modelo de súmula curricular FAPESP: https://fapesp.br/sumula;
(ii) Carta descrevendo sua motivação para aplicação com no máximo 2 pagínas em fonte 12.
(iii) Link para o seu currículo Lattes atualizado.
Enviar sua documentação em Português ou Inglês.
O valor da bolsa segue a tabela da FAPESP: https://fapesp.br/valores/bolsasnopais .Benefícios adicionais possíveis.
Caso tenha dúvidas, fique à vontade para consultar o Prof. Maximo através do email mmaximo@ita.br ou do WhatsApp (12) 99165-7300.

Para candidatar-se

Para candidatar-se, favor enviar CV, preferencialmente formato Lattes, carta de motivação e uma carta de recomendação
mmaximo@ita.br