No abstract

In this work, we present two Deep Reinforcement Learning (Deep-RL) approaches to enhance the problem of mapless navigation for a terrestrial mobile robot. Our methodology focus on comparing a Deep-RL technique based on the Deep Q-Network (DQN) algorithm with a second one based on the Double Deep Q-Network (DDQN) algorithm. We use 24 laser measurement samples and the relative position and angle of the agent to the target as information for our agents, which provide the actions as velocities for our robot. By using a low-dimensional sensing structure of learning, we show that it is possible to train an agent to perform navigation-related tasks and obstacle avoidance without using complex sensing information. The proposed methodology was successfully used in three distinct simulated environments. Overall, it was shown that Double Deep structures further enhance the problem for the navigation of mobile robots when compared to the ones with simple Q structures.

No abstract

No abstract

Com a informatização institucionalizada de sistemas comerciais, informações referentes a produtos adquiridos por usuários estão sendo cada vez mais disponibilizadas em formato digital, através de notas fiscais eletrônicas. Com o acesso a esses dados é possível construir diversos tipos de serviço, como portais de compra, ferramentas de coaching financeiro e análises de big data. No entanto, não existe padronização na definição dos nomes que devem ser usados para representar os produtos. Essa falta de padronização traz dificuldades para processos de integração que desejam consolidar produtos vendidos por estabelecimentos diferentes. Este artigo tem como propósito investigar como esse problema se manifesta em cenários reais, considerando especificamente produtos vendidos pelo setor supermercadista. Para isso, foram analisados produtos existentes em uma coleção de notas fiscais coletadas a partir do programa Nota Fiscal Gaúcha. A análise apresenta estatísticas referentes aos problemas mais comumente encontrados e destaca técnicas de similaridade textual que podem ajudar a fazer a limpeza/reconhecimento dos dados disformes.