ارائه روشی مبتنی بر یادگیری تقویتی به منظور رهیابی ربات متحرک در محیط نیمه ساختار یافته درون ساختمان

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.