00 CAMPUS ARISTÓTELES CALAZANS SIMÕES (CAMPUS A. C. SIMÕES) IC - INSTITUTO DE COMPUTAÇÃO TRABALHOS DE CONCLUSÃO DE CURSO (TCC) - GRADUAÇÃO - IC Trabalhos de Conclusão de Curso (TCC) - Bacharelado - ENGENHARIA DE COMPUTAÇÃO- IC
Use este identificador para citar ou linkar para este item: http://www.repositorio.ufal.br/jspui/handle/123456789/17239
Registro completo de metadados
Campo DCValorIdioma
dc.contributor.advisor1Barboza, Erick de Andrade-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/1049532071774598pt_BR
dc.contributor.referee1Leite, Glauber Rodrigues-
dc.contributor.referee2Araújo, Ícaro Bezerra Queiroz de-
dc.creatorRodrigues Junior, Valério Nogueira-
dc.date.accessioned2025-11-17T14:29:20Z-
dc.date.available2025-11-17-
dc.date.available2025-11-17T14:29:20Z-
dc.date.issued2024-12-05-
dc.identifier.citationRODRIGUES JUNIOR, Valério Nogueira. Direção autônoma com aprendizado por reforço e TinyML. 2025. 38 f. Trabalho de Conclusão de Curso (Bacharelado em Ciência da Computação) – Instituto de Computação, Universidade Federal de Alagoas, Maceió, 2024.pt_BR
dc.identifier.urihttp://www.repositorio.ufal.br/jspui/handle/123456789/17239-
dc.description.abstractMachine learning plays an important role in the development of autonomous vehicles. This work aims to tackle the autonomous driving problem using only images in a low-cost mini-vehicle prototype. For this, reinforcement learning algorithms were employed to train the artificial intelligence model in a simulated virtual environment and posteriorly TinyML techniques were used to make it compatible to be executed by microcontrollers. This resulted in a model capable of successfully drive the vehicle in a road and a comparison between the conventional cloud based and TinyML approaches showed a significant reduction in the system latency.pt_BR
dc.languageporpt_BR
dc.publisherUniversidade Federal de Alagoaspt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentCurso de Engenharia da Computação - Bachareladopt_BR
dc.publisher.initialsUFALpt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectInteligência artificialpt_BR
dc.subjectSistemas embarcadospt_BR
dc.subjectAprendizado por reforçopt_BR
dc.subjectTinyMLpt_BR
dc.subjectDeep Q-Learningpt_BR
dc.subjectArtificial intelligencept_BR
dc.subjectEmbedded systemspt_BR
dc.subjectReinforcement learningpt_BR
dc.subjectAutonomous drivingpt_BR
dc.subject.cnpqCNPQ::ENGENHARIASpt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOpt_BR
dc.titleDireção autônoma com aprendizado por reforço e TinyMLpt_BR
dc.typeTrabalho de Conclusão de Cursopt_BR
dc.description.resumoO aprendizado de máquina desempenha um papel importante no desenvolvimento de veículos autônomos. Este trabalho tem como objetivo abordar o problema direção autônoma utilizando apenas imagens em um protótipo de mini-veículo de baixo custo. Para isso, foram empregados algoritmos de aprendizado por reforço para treinar o modelo de inteligência artificial em um ambiente simulado virtualmente e posteriormente técnicas de TinyML para otimizá-lo e torná-lo compatível para ser executado em microcontroladores. Como resultado foi obtido um modelo capaz de dirigir o veículo corretamente em uma pista. Além disso, constatou-se uma redução significativa na latência do sistema com a abordagem de TinyML se comparado com a abordagem convencional de computação em nuvem.pt_BR
Aparece nas coleções:Trabalhos de Conclusão de Curso (TCC) - Bacharelado - ENGENHARIA DE COMPUTAÇÃO- IC

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
Direção autônoma com aprendizado por reforço e TinyML.pdfDireção autônoma com aprendizado por reforço e TinyML3.4 MBAdobe PDFVisualizar/Abrir
Mostrar registro simples do item Visualizar estatísticas


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.