ارائه روشی مبتنی بر یادگیری تقویتی به منظور رهیابی ربات متحرک در محیط نیمه ساختار یافته درون ساختمان
thesis
- وزارت علوم، تحقیقات و فناوری - دانشگاه پیام نور - دانشگاه پیام نور استان تهران - دانشکده فنی
- author ندا دایی
- adviser رضا عسکری مقدم
- Number of pages: First 15 pages
- publication year 1390
abstract
رهیابی یا ناوبری ربات عبارت است از حرکت ربات در محیط و رسیدن به هدف مطلوب بدون آنکه به موانع برخورد کند، رهیابی ربات درون محیط ساختمان از دو جنبه مورد اهمیت است. از طرفی محیط ساختمان نیمه ساختار یافته است، یعنی اندازه و مکان بعضی از موانع شناخته شده نیستند و از طرف دیگر موانع و هدف نیز می توانند متحرک باشند؛ لذا استفاده از سنسورهایی که ربات بتواند شناخت محلی از اطراف ربات به دست بیاورد امری اجتناب ناپذیر است.روشهای موجود رهیابی از مسئله توقف ربات در مینیمم های محلی رنج می برند.برای حل این مشکل در این پایان نامه روشی جدید برای رهیابی ربات درون ساختمان بر اساس یادگیری تقویتی و منطق فازی پیشنهاد می شود و مساله به دو فرض حالت قطعی و حالتهای محتمل تقسیم بندی می گردد. در حالت قطعی ربات نیازی به یادگیری ندارد بلکه بر اساس دانسته های قطعی کار می کند ولی در حالت مواجه با موانع متحرک و نامشخص از یادگیری تقویتی و منطق فازی استفاده می کند. در نهایت شبیه سازی با نرم افزار رباتیک webots انجام شده است. نتایج برای یک ساختمان با چهار اتاق متفاوت و راهرو مورد ارزیابی قرار می گیرد و با الگوریتم بهینه سازی دسته ذرات مقایسه می گردد. ارزیابی ها نشان می دهند که در روش پیشنهادی، علاوه بر اینکه مسئله مینیمم محلی وجود ندارد، سرعت حرکت ربات در گذر از موانع افزایش می یابد در نتیجه مسیر یابی در زمان کوتاهتری انجام می شود.
similar resources
روشی نوین برای یادگیری تقویتی فازیِ باناظر برای ناوبری ربات
: استفاده از یادگیری باناظر در ناوبری ربات های متحرک، با چالش های جدی از قبیل ناسازگاری و اختلال در داده ها، مشکل جمع آوری نمودن داده آموزش و خطای زیاد در داده های آموزشی مواجه می باشد. قابلیت های یادگیری تقویتی همچون عدم نیاز به داده آموزشی و آموزش تنها با استفاده از یک معیار اسکالر راندمان باعث کاربرد آن در ناوبری ربات شده است. از طرفی یادگیری تقویتی زمانبر بوده و دارای نرخ شکست های بالا در م...
full textارائه روشی نوین مبتنی بر یادگیری تقویتی برای تعیین ساختار در شناسایی سیستم ها
ساختارها و مدل های دارای دینامیک متغیر و نحوه تعیین ساختار آنها به خصوص در حالت برخط طی سال های اخیر به منظور توسعه و بهبود روش های شناسایی سیستم ها مورد توجه قرار گرفته اند. در این پایان نامه روشی نوین مبتنی بر الگوریتم های انتخاب عمل و پاداش دهی در یادگیری تقویتی برای تعیین ساختار در شناسایی سیستم ها ارائه شده است. قابلیت تعیین ساختار به صورت افزایشی یکی از ویژگی های بارز الگوریتم ارائه شده ا...
روشی نوین برای یادگیری تقویتی فازیِ باناظر برای ناوبری ربات
: استفاده از یادگیری باناظر در ناوبری ربات های متحرک، با چالش های جدی از قبیل ناسازگاری و اختلال در داده ها، مشکل جمع آوری نمودن داده آموزش و خطای زیاد در داده های آموزشی مواجه می باشد. قابلیت های یادگیری تقویتی همچون عدم نیاز به داده آموزشی و آموزش تنها با استفاده از یک معیار اسکالر راندمان باعث کاربرد آن در ناوبری ربات شده است. از طرفی یادگیری تقویتی زمانبر بوده و دارای نرخ شکست های بالا در م...
full textراهکارکنترل مقاوم مبتنی بر یادگیری تقویتی به منظور توانبخشی حرکتی بازوی دست
توانبخشی حرکتی از مباحث مورد توجه محققان است. در اینتحقیق، یک راهکار کنترلی به منظور کنترل حرکت مدلی از بازوی دست با سه مفصل ارائه شده است. در مدل مورد استفاده، اثر فعالسازی همزمان عضلات آگونیست و آنتاگونیست مفصل مچ دست با استفاده از مکانیزم فریز سازی لحاظ شده است. با الهام از عملکرد سیستم اعصاب مرکزی در کسب مهارتهای حرکتی، راهکار کنترلی ارئه شده مبتنی بر یکی از الگوریتم های یادگیری تقویتی توس...
full textارائه روشی جدید به منظور تشخیص و ردگیری بلادرنگ اهداف متحرک پرنده در دریا
با توجه به اهمیت سیستمهای ردگیری در بینایی ماشینی، لزوم استفاده از سیستمی که نسبت به شرایط متفاوت محیطی پایدار باشد، امری ضروری میباشد. در این مقاله، روش نوینی با ترکیب الگوریتمهای ردگیری، به منظور تشخیص اشیاء در مقیاسهای متفاوت و ردگیری آنها به شکل بیدرنگ در دنباله فریمهای ویدئویی ارائه شده است. الگوریتم ترکیبی یاد شده، از دو الگوریتم مبتنی بر ویژگی تبدیل ویژگی تغییر ناپذیر با مقیاس...
full textارائه الگوریتمی مبتنی بر یادگیری جمعی به منظور یادگیری رتبهبندی در بازیابی اطلاعات
Learning to rank refers to machine learning techniques for training a model in a ranking task. Learning to rank has been shown to be useful in many applications of information retrieval, natural language processing, and data mining. Learning to rank can be described by two systems: a learning system and a ranking system. The learning system takes training data as input and constructs a ranking ...
full textMy Resources
document type: thesis
وزارت علوم، تحقیقات و فناوری - دانشگاه پیام نور - دانشگاه پیام نور استان تهران - دانشکده فنی
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023