Categoria: ICoNIoT

O 44º Simpósio Brasileiro de Redes de Computadores e Sistemas Distribuídos (SBRC 2026) foi realizado em Praia do Forte, na Bahia, entre os
dias 25 e 29 de maio de 2026. Além de termos obtido grande sucesso com a realização do nosso workshop, estamos celebrado também várias conquistas de nossa equipe:

. O artigo *Agente VAMOS! Planejamento de Rotas Veiculares Cientes de
Contexto Semântico com Agentes de LLM* de autoria de Carnot Braun,
Daniel Ludovico Guidoni, Eduardo Coelho Cerqueira, Joahannes Bruno Dias
da Costa, Leandro Villas, Allan Mariano de Souza, recebeu Menção Honrosa
na Trilha Principal do SBRC 2026.

. A tese de doutorado intitulada *”Técnicas de Gerenciamento de Sobrecarga
e Alocação de Recursos para Comunicação Massiva do Tipo Máquina em Redes de Acesso 3GPP”* de autoria de Tiago Pedroso (UNICAMP), e orientada pelo Prof. Nelson Fonseca (UNICAMP, e coordenador geral do ICoNIoT) recebeu menção honrosa no Concurso de Teses e Dissertações (CTD) do SBRC 2026.

. A dissertação de mestrado intitulada *”Detecção de Colisões e
Priorização no Acesso Aleatório mMTC Inteligentes em Redes Celulares
IoT”*, de autoria de Giancarlo Maldonado Cardenas, e orientada pelos
professores Nelson L.S. da Fonseca e Carlos A. Astudillo, foi agraciada
com menção honrosa no Concurso de Teses e Dissertações (CTD) do SBRC 2026.

. O artigo “Controle Seguro e Evasão de Colisões em Tráfego Denso de
Drones via Aprendizado por Reforço”, de Henrique J. Felisardo dos
Santos, Israel da Silva Barros, Luiz Fernando Bittencourt, Carlos
Kamienski e Fabíola M. C. de Oliveira, recebeu menção honrosa no Workshop de Computação Urbana (CoUrb).

. O artigo *”Self-Supervised Learning for Early Preamble Collision
Detection in Cellular IoT Networks”*, de autoria de Daniela M.
Casas-Velasco, Diogo Maciel Cunha, Marco Aurelio Guerra Pedroso,
Giancarlo Maldonado Cardenas, Carlos Alberto Astudillo Trujillo e Nelson
Fonseca, recebeu menção honrosa no I Workshop de Inteligência
Artificial para Redes de Computadores (WIARC) do SBRC 2026.

. O artigo “A Performance Comparison of Authentication and Authorization Patterns for Microservices Applications”, de Rafael Freitas Cardoso (UFRGS) e Jeferson Campos Nobre (UFRGS), recebeu menção honrosa no WGRS – XXXI Workshop de Gerência e Operação de Redes e Serviços do SBRC 2026.

O Agente K-alibra é um orquestrador baseado em Modelos de Linguagem (LM) projetado para ajustar dinamicamente o número de clientes () participantes em cada rodada de Aprendizado Federado (FL).Ele foi criado para superar a rigidez de algoritmos estáticos tradicionais, que geralmente utilizam um número fixo de clientes, o que pode resultar em ineficiência ou sobrecarga de rede.

O projeto foi desenvolvido a partir de uma parceria de pesquisadores da Universidade Estadual de Campinas (UNICAMP), da Universidade Federal do Pará (UFPA) e da Universidade Federal de Minas Gerais (UFMG) que fazem parte do ICoNIoT. São eles: Rafael O. Jarczewski (UNICAMP), Eduardo Cerqueira (UFPA), Antonio Loureiro (UFMG) , Leandro A. Villas (UNICAMP) e Allan de Souza (UNICAMP). Ele está publicado nos anais do SBRC 2026, e pode ser lido na íntegra aqui.

O Aprendizado Federado (FL) é uma maneira de treinar inteligência artificial de forma segura, já que os dados de cada pessoa ficam protegidos em seus próprios aparelhos, sem precisar serem enviados para uma central. O problema é que esse processo costuma gastar muita internet e fica difícil de gerenciar quando há muitos usuários.

Atualmente, para tentar resolver isso, os sistemas escolhem quais aparelhos vão participar do treino. Porém, esses sistemas são “teimosos”: eles costumam usar sempre a mesma quantidade de aparelhos, sem mudar esse número conforme a necessidade do momento. Isso faz com que o processo gaste recursos desnecessários ou demore para aprender.

Para acabar com essa rigidez, foi criado o K-Agent. Ele funciona como um “chefe” inteligente (usando modelos de linguagem, parecidos com o que há por trás de chats de IA) que decide dinamicamente quantos aparelhos devem participar em cada etapa.Ele trabalha em três passos:

1. Percebe como está a situação atual do treino.
2. Raciocina para encontrar a melhor estratégia.
3. Age, definindo o número ideal de participantes.

Os testes mostraram que o K-Agent é muito eficiente: ele consegue economizar entre 44,4% e 59% do uso da internet em comparação com os métodos tradicionais, mantendo o aprendizado estável e de alta qualidade.

Além disso, ele consegue explicar o porquê de suas decisões, tornando o sistema mais transparente para os desenvolvedores.

Fruto da colaboração de pesquisadores do ICoNIoT de quatro universidades brasileiras, o projeto é um dos indicados para o prêmio de Best Paper no SBRC 2026

O projeto Agente VAMOS! Planejamento de Rotas Veiculares Cientes de Contexto Semântico com Agentes de LLM é resultado da colaboração dos pesquisadores Carnot Braun (Universidade Estadual de Campinas – UNICAMP), Daniel L. Guidoni (Universidade Federal de Ouro Preto – UFOP), Eduardo Cerqueira (Universidade Federal do Pará – UFPA), Joahannes B. D. da Costa (Universidade Federal de São Paulo – UNIFESP), Leandro Villas (UNICAMP) e Allan M. Souza (UNICAMP).

O agente desenvolvido pela equipe, intitulado VAMOS (Vehicular Agent for Multi-objective Optimization and Semantics), funciona como um sistema inteligente capaz de formular trajetos personalizados ao interpretar o contexto ambiental e as prioridades individuais de cada usuário. Ele vem superar sistemas de navegação tradicionais, que priorizam a eficiência métrica, como tempo e distância, mas falham na interpretação de intenções humanas mais complexas e dependentes de contexto. 

Diferente dos navegadores convencionais, esse agente utiliza um LLM – Large Language Model – para sugerir paradas estratégicas, como postos de gasolina ou mercados, baseando-se no aprendizado contínuo sobre o perfil do viajante. O diferencial da tecnologia reside na sua capacidade de processar informações complexas para otimizar rotas sem a necessidade de comandos geográficos excessivamente específicos. 

O projeto enfrenta o desafio técnico de equilibrar o processamento robusto em servidores externos com a viabilidade de rodar modelos menores diretamente em dispositivos móveis. 

Leia o trabalho dos pesquisadores publicado nos anais do SBRC 2026

A entrega do Prêmio Destaque SBRC – Prof. Otto Carlos Muniz Bandeira Duarte ocorrerá durante a Cerimônia de Abertura do SBRC 2026, a ser realizada no dia 26/05/2026 na Praia do Forte, na Bahia.

Reconhecimento

O nome do Prof. Edmundo foi escolhido por uma Comissão de Seleção composta pelas pessoas agraciadas com o mesmo prêmio nos últimos cinco anos, em reconhecimento a toda a sua trajetória e às contribuições à comunidade científica brasileira nas áreas de Redes de Computadores e Sistemas Distribuídos.

Sobre o prêmio

O prêmio Destaque SBRC foi criado em 2012, como parte das comemorações dos trinta anos do SBRC, e tem como objetivo homenagear pessoas da comunidade do SBRC que se distinguiram ao longo de suas vidas por suas contribuições científicas nas áreas de redes de computadores e sistemas distribuídos, por seus engajamentos em atividades do SBRC e/ou por serviços prestados em benefício da comunidade brasileira de redes e sistemas distribuídos.

Em 2022, o prêmio destaque passou a se chamar Prêmio Destaque SBRC Prof. Otto Carlos Muniz Bandeira Duarte. Otto era graduado em Engenharia Eletrônica pela UFRJ e tinha mestrado em Engenharia Elétrica pela Coppe/UFRJ e doutorado em Teleinformática na Ecole Nationale Supérieure des Télécommunications (ENST), em Paris, França. Tornou-se Professor Titular da UFRJ em 2003. Ele era reconhecido como bolsista de produtividade nível 1A do CNPq e como Cientista do Nosso Estado do Rio de Janeiro. Orientou 17 teses de doutorado, 55 dissertações de mestrado e mais de 180 trabalhos de iniciação científica. Ele teve mais de 350 artigos publicados em revistas e congressos com revisão.

Trajetória do homenageado deste ano

O Prof. Edmundo é atualmente Professor Titular do Instituto de Computação da UNICAMP, universidade na qual concluiu seu Doutorado em Engenharia Elétrica em 1991. No INCT ICoNIoT, é coordenador da linha temática Redes Veiculares. Possui uma vasta produção científica nas áreas de Redes de Computadores e Sistemas Distribuídos, com mais de 6.000 citações, abrangendo temas críticos como gerência de redes, computação em nuvem e virtualização de redes. Sua reputação acadêmica foi reconhecida pelo Prêmio Zeferino Vaz de Reconhecimento Acadêmico da UNICAMP em 2004, e sua atuação inclui ainda a coordenação de projetos de pesquisa de relevância nacional e a articulação em diversas redes de pesquisa no País, a exemplo dos Institutos Nacionais de Ciência e Tecnologia (INCTs).

O Prof. Edmundo possui atuação destacada na organização e estruturação do SBRC, o principal evento da área no Brasil, tendo contribuído diretamente para a qualidade técnica e científica do Simpósio ao longo de diversas edições. Na docência, contribui fortemente para a formação de recursos humanos de alto nível e na mentoria de jovens pesquisadores. Além da docência, atua ativamente na comunidade científica, sendo membro do Corpo Editorial do Journal of Network and Systems Management (JNSM), da Springer.