آموزش تقلیدی حرکات پیچیده به رباتهای انساننما به کمک بهینه سازی تکاملی شبکه عصبی مولد الگوی واحد
نویسندگان
چکیده مقاله:
در این مقاله یک سیستم مبتنی بر ساختارهای عصبی موسوم به مولد مرکزی الگوی واحد ارائه میشود که قادر است الگوی موردنیاز برای حرکت در یک ربات را بر اساس یک نوع آموزش نمایشی به دست آورد. مولد الگوی واحد میتواند به دو زیرسیستم گسسته و ریتمیک تقسیمبندی شود. زیرسیستم اول مسئولیت تولید حرکات کوتاه و معطوف به هدف و زیرسیستم دوم مسئولیت تولید حرکات ریتمیک را به عهده دارد. الگوریتم آموزشی خاصی برای استفاده از این مولدهای الگوی واحد در این مقاله طراحی شده است. مفاصل و بازوهای ربات با تشخیص اسکلت بدن انسان توسط سنسور کینکت بهصورت بلادرنگ کنترل میشوند. ابتدا به کمک سنسور کینکت دنبالههای حرکتی بدن مربی ضبطشده و به کامپیوتر منتقل میشوند. این دنبالههای حرکتی تعدادی نوسانسازهای غیرخطی را آموزش داده و سپس نوسانسازهای غیرخطی حرکات را برای ربات انساننما بازتولید میکنند. درنتیجهی این عملیات مشاهده میشود که اجزای بدن ربات انساننما بهصورت بلادرنگ از حرکات بدن شخص روبروی کینکت تقلید میکند. مدل ارائه شده یک بستر مناسب جهت ارائهی آموزشهای نمایشی و مبتنی بر تقلید برای رباتهای انساننما محسوب میشود که نیاز به کنترل صریح و برنامهنویسی مستقیم را برطرف میسازد و امکان آموزش غیر مستقیم رفتارهای پیچیده روی انواع رباتها را مهیا میسازد.
منابع مشابه
بهینه سازی مشخصات ابعادی در اتصال مواد مرکب چند لایه به کمک شبکه عصبی مصنوعی و الگوریتم ژنتیک
در این مقاله حالات و بارهای گسیختگی برای اتصالات چندپینی در ورق مواد مرکب الیاف شیشهای اپوکسی تک جهته، با استفاده از روش اجزای محدود و آزمونهای تجربی تحلیل میشوند. به علاوه با استفاده از شبکه عصبی مصنوعی و الگوریتم ژنتیک، الگویی معرفی میشود که در آن پینها در موقعیت بهینهشدهای قرار گیرند. در اتصالات چند پینی، تغییرات گام نسبت به قطر پین، عرض ورق نسبت به قطر پین و نسبت فاصله از لبه ورق به...
متن کاملرگرسیون لجستیک به وسیله شبکه های عصبی واحد ضربی تکاملی
مسأله دسته بندی یکی از مسائل مهم جامعه امروزی است. با توجه به نقش حساس این مسأله در صنعت، پزشکی و سایر علوم بهبود روشهای دسته بندی با هدف دقیق تر انجام شدن ین امر مهم مسأله ای است که همواره مورد توجه بوده است. به عنوان مثال بسیار اهمیت دارد که وجود بیماری سرطان به طور صحیح تشخیص داده شود. مسدله تشخیص سرطان یک مسأله دسته بندی است که طی آن بیمار در یکی از دو دسته افراد سرطانی و افراد غیرسرطانی قر...
تحلیل پارامتری و بهینه سازی سیکل تبرید اجکتوری فوق بحرانی همراه با سیال عاملهای مختلف به کمک شبکه عصبی مصنوعی و الگوریتم بهینه سازی پرندگان
در این مقاله، به بررسی پارامتری و بهینه سازی سیکل تبرید اجکتوری همراه با سیال عامل های مختلف پرداخته شده است که قابلیت استفاده در بخشی از فرایند استفاده از انرژی خورشیدی را دارا میباشد. مزیت اصلی استفاده از اجکتور در سیکل های تبرید که معمولاً به جای کمپرسور بکار می رود، سادگی در ساخت و نگه داری، اطمینان پذیری بالا و هزینه ی کم می باشد. در این مطالعه، سیکل تبرید اجکتوری فوق بحرانی با استفاده از ...
متن کاملتولید سیگنال مصنوعی زلزله به کمک مدلی جدید در فشرده سازی و آموزش شبکه های عصبی مصنوعی
با توجه به استفاده روز افزون از تحلیل دینامیکی تاریخچه زمانی برای محاسبه پاسخ سیستمها، تولید شتابنگاشتهای مصنوعی مناسب، به علت کمبود رکوردهای ثبت شده زلزله و همچنین محدودیت و اشکالات موجود در آنها، امروزه امری ضروری به نظر میرسد. در این مقاله، یک روش جدید برای تولید سیگنال مصنوعی سازگار با طیف پاسخ با استفاده از شبکههای عصبی MLFF، آنالیز ویولت و آنالیز MFCC ارائه میشود. در این روش از ضرائ...
متن کاملمدل سازی مواجهه صدا در رانندگان اتوبوس های شرکت واحد تهران به روش شبکه عصبی
Abstract: Background: Many parameters effect on the noise exposure of bus drivers, which can be noted the bus type, where the engine, fuel type, age of buses and speed. The object of this study is the neural network modeling of noise exposure in Tehran bus transportation drivers. Material and Methods: Noise levels in 90 buses were sampled in three separate sub-sample including (1)30...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
عنوان ژورنال
دوره 50 شماره 5
صفحات 171- 180
تاریخ انتشار 2018-12-22
با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023