Avaliação de Inferência em Edge AI sob Restrições Embarcadas em um Sistema Robótico Simulado Baseado na Internet das Coisas Robóticas

• Kelton M. Dias IFNMG https://orcid.org/0009-0008-8777-2172
• João Pedro S. Rodrigues IFNMG https://orcid.org/0009-0004-3310-3898
• Eric Rohmer UNICAMP https://orcid.org/0000-0002-0689-2703
• Felipe Augusto O. Mota IFNMG / UNICAMP https://orcid.org/0000-0002-0463-5981

DOI: https://doi.org/10.5753/sbrc.2026.19974

Resumo

Este trabalho avalia inferência Edge AI na Internet das Coisas Robóticas (IoRT). Três CNNs foram embarcadas em um ESP32-S3 de forma interligada a um cenário industrial simulado via MQTT no CoppeliaSim. Constatouse uma grave discrepância entre estimativas teóricas de memória vis-à-vis sua alocação real: a MobileNetV2 consumiu 204% mais arena que a conversão acusava em placa, falhando junto da pré-treinada V3 nos ensaios embarcados práticos. Apenas a CNN autoral operou com fluidez sistêmica efetiva e 100% de acerto sob 53,87 ms consumindo enxutos 38,4 KB estáticos, isolando predições fidedignas no chão de fábrica simulado. Código: https://github.com/Keltonmd/EdgeAI_SBRC.

Referências

Afanasyev, I. et al. (2019). Towards the internet of robotic things: Analysis, architecture, components and challenges.

Bogaerts, B. et al. (2020). Connecting the coppeliasim robotics simulator to virtual reality. SoftwareX, 11:100426.

Cruz, N., Lobos-Tsunekawa, K., and Ruiz-del Solar, J. (2018). Using convolutional neural networks in robots with limited computational resources: Detecting nao robots while playing soccer. In RoboCup 2017: Robot World Cup XXI, pages 19–30. Springer.

Ferreira, L. C. B. C. et al. (2022). Edge computing and microservices middleware for home energy management systems. IEEE Access, 10:109663–109676.

Frost, A., Jean, G., and Ailyn, D. (2025). Lightweight CNN models for edge deployment in low-resource environments.

Hoffpauir, K. et al. (2023). A survey on edge intelligence and lightweight machine learning support for future applications and services. J. Sens. Actuator Netw.

Kabir, H., Tham, M.-L., and Chang, Y. C. (2023). Internet of robotic things for mobile robots: Concepts, technologies, challenges, applications, and future directions. Digital Communications and Networks, 9(6):1265–1290.

Lamaakal, A. et al. (2025). Tiny language models for automation and control: Overview, potential applications, and future research directions.

Musa, A., Kakudi, H. A., Hassan, M., Hamada, M., Umar, U., and Salisu, M. L. (2025). Lightweight deep learning models for edge devices—a survey. Int. J. Comput. Inf. Syst. Ind. Manag. Appl., 17:18.

Oliveira, J. H. R. d. and Bianchi, R. A. d. C. (2019). Estudo comparativo de arquiteturas de redes neurais em robôs humanoides. In Anais do IX Simpósio de Iniciação Científica, Didática e de Ações Sociais da FEI, São Bernardo do Campo, SP, Brasil. Centro Universitário FEI.

Ray, P. P. (2016). Internet of robotic things: Concept, technologies, and challenges. IEEE Access, 4:9489–9500.

Simoens, P., Dragone, M., and Saffiotti, A. (2018). The internet of robotic things: A review of concept, added value and applications. International Journal of Advanced Robotic Systems, 15(1):172988141875942.

Souza, V. A. (2025). Classificação automática de imagens utilizando redes neurais convolucionais mobilenet: um estudo de caso com reconhecimento de felinos. In Anais do IV Congresso Brasileiro de Ciência e Saberes Multidisciplinares, Volta Redonda, RJ, Brasil. UniFOA. Encontro de Extensão Universitária do UniFOA.

Takaya, K., Asai, T., Kroumov, V., and Smarandache, F. (2016). Simulation environment for mobile robots testing using ROS and gazebo. In 2016 20th International Conference on System Theory, Control and Computing (ICSTCC). IEEE.

Vermesan, O. et al. (2020). Internet of robotic things intelligent connectivity and platforms. Frontiers in Robotics and AI, 7:104.

Zhang, Y. et al. (2018). The implementation of cnn-based object detector on arm embedded platforms. In IEEE 16th Intl Conference on Dependable, Autonomic and Secure Computing (DASC/PiCom/DataCom/CyberSciTech). IEEE.