RNL — Navegação autônoma com Aprendizado Por Reforço + LLM (sim-to-real)

Esta é minha primeira publicação aqui no TabNews. Quero apresentar o RNL (Robot Navigation Learning), um framework desenvolvido do zero para ensinar robôs móveis a navegar autonomamente por meio de aprendizagem por reforço, junto com uma LLM (Gemini) usada para ajustar os pesos dos módulos de recompensa. Sou formado em Engenharia de Robôs pela FEI (2019) e o projeto levou mais de um ano de desenvolvimento.

A motivação surgiu após vencermos uma competição mundial de robôs domésticos em 2022 e observarmos que muitas soluções atuais ainda dependem de árvores de comportamento, regras condicionais e planejadores clássicos (Monte Carlo, A*), que tendem a falhar quando o ambiente sai do fluxo previsto. Minha proposta é buscar autonomia real: permitir que o robô aprenda a tomar decisões por conta própria. A arquitetura usada é simples — uma rede neural com duas camadas ocultas de 32 neurônios — e a LLM tem papel restrito à modulação das recompensas.

O modelo funcionou bem em cenários menores e mostrou potencial para sim-to-real, mas ainda precisa de validação em ambientes maiores. Comentários, críticas e sugestões são muito bem-vindos.

Projeto: https://github.com/Nicolasalan/rnl