پیاده سازی سیستم تعادلی برای ربات های فوتبالیست مبتنی بر الگوریتم های یادگیرنده

امروزه حفظ تعادل ربات های فوتبالیست یکی از مهمترین چالش های لیگ شبیه سازی سه بعدی فوتبال در علم رباتیک می باشد. برهم خوردن تعادل که در اثر برخورد دو ربات فوتبالیست و همچنین افتادن آنها بر زمین بوجود می آید یکی از مهمترین موضوعات ، در همکاری تیمی رباتها می باشد که این مساله می تواند به سود تیم حریف باشد. در این پایان نامه رویکردی برای تشخیص پایداری ربات های فوتبالیست بر اساس اطلاعات برگرفته شده از سرور شبیه سازی سه بعدی فوتبال (rcssserver3d) ارائه شده است. در این پایان نامه بر اساس وضعیت مفاصل پای ربات ، دو مجموعه داده یکی بر اساس وضعیت پایداری ربات و دیگری بر اساس جهت افتادن تولید شده است. همچنین برای مواردی که ربات با رباتی دیگر برخورد داشته باشد مجموعه داده دیگری تولید کردیم همانند روش قبلی با این تفاوت که این بار ویژگی های مجموعه داده ما شامل مقادیر حاصل از شتاب سنج در سه جهت (x,y,z) همچنین ژیروسکوپ در سه جهت (x,y,z) و همچنین نیرو و فشار وارد شده بر کف هر یک از پاهای ربات در سه جهت (x,y,z) که در مجموع شامل 18 ویژگی برای مجموعه داده جدید ما می شود. ما در این پایان نامه مدلی بر مبنای الگوریتم های یادگیری بردار های ماشین پشتیبان ،لاجستیک رگرسیون و شبکه عصبی ارائه داده ایم. اضافه کردن این مدل به پلت فرم شبیه ساز سه بعدی فوتبال باعث شده است ربات ها بتوانند به صورت آنلاین وضعیت پایداری و جهت افتادن خود را تشخیص بدهند. همچنین با آگاه سازی هم تیمی های خود از این موضوع کارایی تیمی به میزان قابل توجهی افزایش یافته است. روشsvm با استفاده از کرنل rbf و بهینه سازی پارامتر ها، به دلیل اینکه که روی مجموعه داده ها با تعداد نمونه های کمتر ،کارایی بهتری دارد جواب بهینه تری نسبت به دو مدل دیگر ارائه داده است. همچنین برای بازگردانی تعادل ربات از ترکیب استراتژی های زانو به همراه گام برداشتن همزمان با بالا بردن دست استفاده کردیم تا ربات بتواند تعادل خود را به خوبی حفظ کند.