Tomada de decisão em tempo real usando lógica Fuzzy para sistemas embarcados
Carregando...
Data
Autores
Orientador
Bruno, Diego Renan 
Coorientador
Pós-graduação
Curso de graduação
São José do Rio Preto - IBILCE - Ciência da Computação
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Estadual Paulista (Unesp)
Tipo
Trabalho de conclusão de curso
Direito de acesso
Acesso aberto
Resumo
Resumo (português)
O alto custo computacional e a natureza de "caixa-preta" das abordagens de deep learning para veículos autônomos motivam a busca por arquiteturas de decisão mais leves, eficientes e interpretáveis, adequadas para sistemas embarcados. Este trabalho propõe o desenvolvimento e a validação de um sistema de tomada de decisão híbrido, de baixo custo, que integra o método de Tomada de Decisão Multicritério (MADM) TOPSIS com a Lógica Fuzzy. A arquitetura utiliza o TOPSIS para a seleção de manobras estratégicas (ex: "acelerar") e controladores Fuzzy especialistas para o refinamento da ação (ex: calcular o ângulo de esterçamento). Os parâmetros de ambos os módulos (pesos TOPSIS e Funções de Pertinência Fuzzy) foram otimizados via Algoritmos Genéticos (GAs) desacoplados, treinados por Aprendizado por Imitação (Clonagem Comportamental) no simulador CARLA. Os resultados demonstram que, embora a camada de controle (GA-Fuzzy) tenha sido altamente bem-sucedida em replicar o especialista com baixo Erro Absoluto Médio (MAE), a camada estratégica (GA-MADM) falhou. O modelo TOPSIS, por ser linear, não capturou a complexidade não-linear das decisões de condução (73% de acurácia vs. 92.7% de um baseline Random Forest), resultando em falhas críticas de classificação. Conclui-se que a arquitetura híbrida é viável, interpretável e adequada para implementação em hardware (FPGA), mas o módulo TOPSIS é insuficiente e deve ser substituído por um modelo estratégico não-linear.
Resumo (inglês)
The high computational cost and "black-box" nature of deep learning approaches for autonomous vehicles motivate the search for lighter, more efficient, and interpretable decision-making architectures suitable for embedded systems. This work proposes the development and validation of a low-cost hybrid decision-making system that integrates the Multi-Criteria Decision Making (MADM) method TOPSIS with Fuzzy Logic. The architecture uses TOPSIS for strategic maneuver selection (e.g., "accelerate") and expert Fuzzy controllers for action refinement (e.g., calculating the steering angle). The parameters of both modules (TOPSIS weights and Fuzzy Membership Functions) were optimized via decoupled Genetic Algorithms (GAs), trained by Imitation Learning (Behavioral Cloning) in the CARLA simulator. Results demonstrate that while the control layer (GA-Fuzzy) was highly successful in replicating the expert with low Mean Absolute Error (MAE), the strategic layer (GA-MADM) failed. The TOPSIS model, being linear, did not capture the non-linear complexity of driving decisions (73% accuracy vs. 92.7% for a Random Forest baseline), resulting in critical classification failures. It is concluded that the hybrid architecture is viable, interpretable, and suitable for hardware implementation (FPGA), but the TOPSIS module is insufficient and must be replaced by a non-linear strategic model.
Descrição
Palavras-chave
Automated vehicles, Embedded computer systems, Lógica difusa, Genetic algorithms
Idioma
Português
Citação
ZARA, Bruno Henrique. Tomada de decisão em tempo real usando lógica fuzzy para sistemas embarcados. 2025. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) – Instituto de Biociências, Letras e Ciências Exatas, Universidade Estadual Paulista), São José do Rio Preto, 2025.
