Orta Çağ Felsefesinde Adalet

Como foi visto nos anteriormente, um RMA funciona com pouca ou nenhuma intervenção humana. O sistema de controle de um RMA integra componentes mecânicos, eletrônicos e software. O software produzido para o controle de RMAs, muitas vezes, terá que abordar problemas como a imprecisão das informações obtidas dos sensores ou também com a imprecisão dos atuadores na execução de comandos. Alguns trabalhos de pesquisa como Ceccarelli et al. (2011) e Delafosse et al. (2005) apontam esse tipo de problema que é inerente ao domínio de RMAs. Além disso, as características dinâmicas do ambiente causam situações que podem gerar a necessidade de adaptações no software de controle do robô. Esse cenário aponta para a necessidade de sistemas de software com mecanismos para monitorar eventos, com condições e estratégias para adaptar-se a essas situações.

Dois termos importantes que emergem nesse contexto são "sistemas adaptativos" e "sistemas autoadaptativos". De acordo com Oreizy et al., (1999), um sistema é considerado adaptativo quando seu comportamento é alterado com base em mudanças de contexto ou necessidades do usuário. Mudanças de contexto caracterizam-se como situações que o usuário passa em seu dia a dia. Por exemplo, reuniões, viagens, passeios, etc. Já um sistema é autoadaptativo quando ele reage a mudanças em seu ambiente operacional, por exemplo: enfraquecimento de sinais de GPS, ausência ou sobrecarga de rede, diminuição da carga da bateria, ausência de espaço de armazenamento, sobrecarga de processamento do processador, etc. Em geral, o objetivo da autoadaptação é manter a mesma qualidade do serviço oferecido ou até mesmo melhorá-la.

A autoadaptabilidade tem sido estudada nas diferentes áreas de pesquisa da engenharia de software, incluindo a de robôs móveis autônomos, e tem sido proposta como uma abordagem eficaz para enfrentar a crescente complexidade do gerenciamento de software de sistemas modernos. Autoadaptação faz com que um sistema de software tenha a capacidade de lidar de forma autônoma com dinâmica interna, bem como a dinâmica do ambiente (CHENG et al., 2009; BRUN et al. 2009).

Sistemas autoadaptativos é um paradigma de controle de alto nível e teve sua origem na teoria do controle por meio de um conceito conhecido como control loop ou feedback control loop. Teoria de controle é um ramo interdisciplinar de engenharia e matemática que lida com o comportamento de sistemas dinâmicos. Muitos autores (KEPHART and CHESS 2003; CHENG et al., 2009; BRUN et al. 2009; ABEYWICKRAMA, 2012, VROMANT, 2011) concordam que os sistemas autoadaptativos incorporam intrinsecamente feedback loops. Ao longo dos últimos 40 anos, na teoria de controle, desenvolveu-se uma arquitetura bastante simples (Figura 2.4). É uma arquitetura para um fedback loop para gerenciar um sistema ajudando-o a alcançar um objetivo desejado. O componente que manipula o sistema de gerenciado é o controlador (DIAO et al. 2005). Os elementos essenciais dessa arquitetura de referência para um feedback loop são mostrados na Figura 2.6.

Figura 2.4: Diagrama de blocos de um feedback loop, adaptada de DIAO et al. (2005).

 Target System: é o sistema gerenciado;

 Measured output: é uma característica representada por um valor mensurável coletado do sistema gerenciado;

 Transduced output: é o valor filtrado coletado pelo sensor;

 Reference input: é o valor desejado que será comparado com measured output;  Control Error: é a diferença entre measured output e reference input;

 Controller: o controlador calcula os valores da entrada com base em valores atuais e passados e determina uma configuração necessária (control output) para alterar o comportamento de sistema gerenciado com base no valor de control error;

 Control input: é o parâmetro que afeta o comportamento do sistema gerenciado e pode ser ajustado dinamicamente;

 Disturbance input: é qualquer mudança que afete a forma em que a control input influencie measured output;

 Noise input: é qualquer efeito afeta o valor measured output, é também chamado de ruído do sensor ou ruído de medição.

O fluxo de dados em um feedback loop forma um ciclo genérico, dados de saída são monitorados e analisados contra um modelo de referência, em seguida, um mecanismo de ajuste atua de volta no sistema aplicando políticas de adaptação ajudando o sistema a atingir seu objetivo. No caso de RMAs, os sensores fornecem um modo para obter e monitorar os dados do ambiente, e os atuadores fornecem um meio para alterar o comportamento do sistema gerenciado.

Outros dois trabalhos apresentam modelos de referência para sistemas autoadaptativos com feedback loops, Model Identification Adaptive Control (MIAC) (SODERSTROM e STOICA, 1988) e Model Reference Adaptive Control (MRAC) (ASTROM e

WITTENMARK, 1995). Como é mostrado na Figura 2.11, o fluxo de dados é semelhante à arquitetura de referência anterior. A estratégia modelo MIAC é observar o sistema gerenciado, usando input U e output Yp, e construir um modelo de referência dinâmico. Esse processo, coleta dados do sistema gerenciado por um determinado tempo, e gera um elemento de identificação do sistema. Então, o elemento de identificação fornece as características identificadas do sistema ao mecanismo de ajuste que, em seguida, ajusta em conformidade, definindo os parâmetros do controlador (BRUN et al. 2009).

Figura 2.5: Modelos de referência MIAC e MRAC (BRUN et al. 2009).

A estratégia do modelo MRAC baseia-se em um modelo de referência predefinido que inclui entradas de referência. A solução do modelo MRAC que foi originalmente proposta para o problema de sistemas de controle de voo, é adequado para situações em que o processo controlado tem que seguir um comportamento previamente elaborado e descrito pelo modelo de referência. O algoritmo adaptativo compara a saída Yp do processo que resulta no valor de controle U, o mecanismo de ajuste compara os valores de acordo com o objetivo no modelo de referência, depois ajusta o modelo definindo parâmetros do controlador para melhorar o ajuste no futuro. Esse modelo proporciona um sistema de adaptação mais instantâneo pois já possui um modelo de referência. Já a estratégia de adaptação do modelo MIAC tende a ser mais lento, pois tem de levar em conta que distúrbios d podem afetar o comportamento do processo e, portanto, geralmente tem que observar o processo para vários ciclos de controle antes de iniciar ajustes nos parâmetros do controlador (BRUN et al., 2009). Na Figura 2.12 é mostrado o ciclo genérico de um feedback loop que geralmente envolve quatro atividades principais: coletar, analisar, decidir e agir. Sensores monitoram o sistema em execução e coletam dados sobre o seu estado atual.

Figura 2.6: Ciclo genérico de um feedbackloop (DOBSON et al. 2006).

 Collet: Coleta os dados do sistema em execução e o contexto de seu estado atual. Os dados devem ser tratados, filtrados e finalmente guardados como referência futura para retratar um modelo preciso de estados atuais e passados.

 Analyze: Analisa os dados para inferir tendências e identificar e diagnosticar os sintomas.

 Decide: Tenta prever o futuro, monta um plano para decidir sobre a forma de agir sobre o sistema em execução e seu contexto..

 Act: Recebe um plano de ação e o executa por meio dos atuadores

Os sensores monitoram o sistema em busca de situações predeterminadas que recebem o nome de "eventos". Um valor ou um conjunto de valores específicos podem caracterizar um evento que seja de interesse para a coleta de dados. Assim os dados são filtrados e selecionados para coleta de acordo com critérios específicos. A atividade de analisar envolve mecanismos que correlacionam os eventos coletados com situações complexas de acordo com modelos de adaptação predefinidos. A atividade de decidir abrange mecanismos que constroem as ações necessárias para atingir metas e objetivos de adaptação. A atividade de agir consiste em executar grupos de funções dos mecanismos que controlam a execução de um plano de adaptação para atualizações dinâmicas em tempo de execução (BRUN et al., 2009).

Nesta seção foram apresentados os conceitos que abrangem o conhecimento sobre robôs móveis autônomos e teoria do controle com sistemas autoadaptativos e loops de

controle. No próximo capítulo, serão apresentados os conceitos que envolvem arquiteturas de software e arquiteturas de referência.