اساسی ترین مشکل در کنترل روباتهای انسان نما، وجود تعداد درجات آزادی زیاد در مکانیزم آنها است. اکثر کارهای انجام شده در این زمینه بر مبنای مدلسازی دقیق روبات و محیط اطراف آن صورت گرفته است. چنین روشهایی به علت تطبیقی نبودنشان توانایی خود را با تغییر محیط از دست می دهند. این در حالی است که ویژگی اصلی حرکت انسان و مهره داران دیگر، تطبیقی بودن حرکات آنها است. مطالعات بیولوژیکی نشان می دهد که قسمت اعظم کنترل حرکات ریتمیک در مهره داران در سطح پایین تر از مغز و توسط شبکه های عصبی ای به نام مولدهای مرکزی الگو ایجاد میشود. در این پایان نامه، از الگوها و الگوریتم های تطبیقی حرکت مهره داران برای کنترل حرکت راه رفتن روبات انسان نمای نائو استفاده شده است. برای مدلسازی ریاضی مولدهای مرکزی الگو نیز از مدل اسیلاتور عصبی ماتسواکا که شامل دو نرون مخالف هم با نامهای نرون انبساطی و انقباضی است استفاده شده است. برای بدشت آوردن هر حرکت پارامترهای تولید کننده باید تنظیم شوند. بدین منظور از گونه خاصی از الگوریتمهای تکاملی ذرات بنام clpso کمک گرفته شده است. با تنظیم پارامترهای شبکه مولد الگوی مرکزی دو عمل راه رفتن و چرخش به روبات یاد داده شده و روبات در وضعیتهای خاصی میتواند بین دو عمل سوئیچ کند. مولد الگوی مرکزی در هر لحظه دارای یک وضعیت منحصر بفرد می باشد و سوئیچ بین اعمال تنها در وضعیت خاصی که وضعیت امن نامیده میشود میتواند امکان پذیر است. از ترکیب این دو عمل برای رفتن روبات به هر مکان در محیط استفاده شده است.

در این پایان نامه، یک سیستم تشخیص و ردیابی اشارات دست مبتنی بر دو دوربین، پیشنهاد میگردد، به طوری که دوربین ها در بالا و کنار دست کاربر قرار می گیرند. در این پروژه، حالت های باز بودن دست، انگشت اشاره و هر تعداد از انگشتان، تشخیص داده می شود و حرکت و چرخش آنها ردیابی می گردد. کاربرد اصلی این سیستم، در حرکت و هدایت در محیطهای مجازی مانند vrml می باشد، هرچند کاربردهای متعددی را در تعامل انسان و کامپیوتر، ارتباط و دستور العمل به کامپیوتر و نیز کامپیوتر قابل حمل و قابل پوشش، دارا می باشد. الگوریتمهای مبتنی بر کانتور، یکی از سریعترین راه حل های شمارش انگشتان می باشند. در این الگوریتمها با پیمایش کل ناحیه کانتور و بررسی خمش، روی تمام نقاط کانتور و انتخاب ماکزیمم محلی خمش ها یا مینیمم محلی زاویه ها، تعداد انگشتان شمارش می گردد و نوک انگشتان تشخیص داده می شود. در این پایان نامه، مشکل سرعت این الگوریتمها تا حدودی بهبود داده شده است، به طوری که بررسی خمش، حدودا روی سه تا پانزده نقطه از کانتور صورت می گیرد و معمولا بخش کمی از ناحیه کانتور دست پیمایش می شود. مشکل دیگر الگوریتمهای مبتنی بر کانتور، یافتن یک نقطه مشخص از دست، مانند نقطه پایین انگشت شست می باشد و در صورتی که چرخش دست اجازه ندهد این نقطه پیدا شود، الگوریتم، انگشت آغازین را گم می کند. در الگوریتم ارایه شده، روشی برای یافتن بزرگترین انگشت دست، در حالت باز بودن انگشتان ارایه شده است. در این پروژه برای آستانه سازی خودکار تصویر بخش بندی شده، یک روش مبتنی بر تباین ارایه شده است که در مقایسه با چندین روش آماری، جهت تصویر بخش بندی شده برمبنای حرکت، دقیق تر و سریعتر عمل می نماید. به علاوه نحوه ارسال داده های کاربر حاصل از تصاویر دوربین ها، به بسته نرم افزاری openvrml مشخص گردیده است.

یادگیری تقویتی یکی از حوزه های یادگیری ماشین است که هدف آن بهبود رفتار عامل بر اساس سیگنال های تقویتی است که از محیط دریافت می کند. مشکل اینجاست که در بسیاری از کاربردهای واقعی، پاداش محیط با تاخیر بسیار زیادی به عامل داده می شود. مشکل دیگر این است که تا زمانی که عامل به یک سطح قابل قبول از یادگیری برسد، تمام حرکات آن تصادفی خواهد بود. ضمناً با پیچیده تر شدن محیط، تعداد وضعیت های مورد اکتشاف و پارامترهای تصمیم گیری افزایش پیدا می کند. تمامی این مسائل، اکتشاف را رویکردی زمان بر، با هزینه بسیار بالا و گاهی بسیار پرخطر کرده است. یک راه کار مورد پژوهش محققان در این حوزه، یادگیری کیفی است. در این پایان نامه، چارچوبی کلی برای یادگیری کیفی ارائه می شود و خصوصیات و اجزا آن معرفی می گردد. این چارچوب بر اساس یادگیری کیفی و تخمین پاداش ساختگی می باشد تا از فواید هر دو روش استفاده کند. چارچوب پیشنهادی آن چنان است که قابل تنظیم و انطباق با الگوریتم های مختلف، محیط های گسسته و پیوسته، ناوبری و غیر ناوبری باشد. سپس از چارچوب پیشنهادی یک نمونه ساخته شده، و روی محیط های محک ارزیابی گردیده است.