برنامهریزی مسیر ربات انساننما با فرآیندهای تصمیمگیری فازی و تکنیکهای یادگیریعمیق - دانشکده فنی و مهندسی
برنامهریزی مسیر ربات انساننما با فرآیندهای تصمیمگیری فازی و تکنیکهای یادگیریعمیق
نوع: Type: پایان نامه
مقطع: Segment: کارشناسی ارشد
عنوان: Title: برنامهریزی مسیر ربات انساننما با فرآیندهای تصمیمگیری فازی و تکنیکهای یادگیریعمیق
ارائه دهنده: Provider: عرفان سقاباشی
اساتید راهنما: Supervisors: دکتر حسن ختنلو
اساتید مشاور: Advisory Professors:
اساتید ممتحن یا داور: Examining professors or referees: دکتر رضا محمدی و دکتر میرحسین دزفولیان
زمان و تاریخ ارائه: Time and date of presentation: 1400/08/29 14:00
مکان ارائه: Place of presentation: آنلاین
چکیده: Abstract: برنامهریزی مسیر و تشخیصموانع برای رباتها در علم رباتیک خصوصأ در رباتهای انساننما امری مهم بشمار میرود و در معرض خطاهای بسیاری قرار دارد، انتخاب مسیر درست توسط ربات و همچنین تشخیص موانع از مهمترین اقدامات در برنامهریزی مسیر ربات است. اخیرأ پیشرفت تکنیکهای یادگیریعمیق خصوصأ در بحث بیناییماشین در این حوزه به یکی از زمینههای تحقیقاتی بسیار مهم خصوصأ در حوزه رباتیک تبدیل شده و بسیار حائز اهمیت است که خودکار کردن فرایند مسیریابی را ممکن ساخته است. بسیاری از الگوریتمهای برنامهریزی مسیر ربات معمولأ یک نقشه محلی را دنبال میکنند و یا فقط از اطلاعات سنسورها بهره میبرند که در مقابل تغییرات خوب عمل نمیکنند در این پژوهش روشی بر مبنای ترکیب تکنیک یادگیریعمیق و سیستم تصمیمگیری فازی جهت برنامهریزی مسیر ربات ارائه شده است، با توجه به نیاز به پیادهسازی برروی یک ربات انساننما از ربات نائو برای تحلیل روش در این پژوهش استفاده شده است که با توجه به در دسترس نبودن خود ربات از نسخه شبیهسازی شده آن استفاده شده است. در این پژوهش روشهای مختلف ترکیب یادگیری عمیق و سیستم فازی مورد آزمایش قرار گرفتند تا بهترین ترکیب حاصل شود، برنامهریزی مسیر ربات در این پژوهش با ترکیب تشخیصاشیاء با استفاده از تکنیکهای یادگیریعمیق و سیستم تصمیمگیری فازی بر پایه قوانین انجام گرفته است، یکی از دستآوردهای این پژوهش پیادهسازی روش این پژوهش برروی ربات نائو در یک محیط شبیهساز است و ربات میتواند محیط حرکت کند، در این پژوهش برای قسمت تشخیصاشیاء با استفاده از دوربین ربات تصویری محیط رو به رو گرفته خواهد شد و توسط الگوریتم Yolo ورژن 3 اشیاء تشخیص و برچسبگذاری خواهند شد، نتیجه یادگیری و آزمایش روش پیشنهادی در این پژوهش، با استفاده از معیارهای کمّی و کیفی در مقایسه با روشهای پیشین تشخیص داده شد که ترکیب این روش با سیستم تصمیمگیری فازی، نتایج قابل قبولی به جای گذاشته و همچنین عملکرد روش پیشنهادی نتایج برنامهریزی مسیر روشهای پیشین را به مقدار قابل توجهی بهبود داده است.
فایل: ّFile: دانلود فایل