عنوان
طرح‌ريزي حركت ربات در ميان عابران پياده با استفاده از پيش‌بيني حركت در محيط پرجمعيت با كمك يادگيري تقويتي عميق
نويسنده اصلي
خان محمد زاده، دانيال
محل تحصيل
اصفهان : دانشگاه صنعتي اصفهان
رشته تحصيلي
مهندسي كامپيوتر
مقطع تحصيلي
كارشناسي ارشد
چكيده
يكي از مهم‌ترين دستاورد‌هاي بشر، علم رباتيك است، كه به‌تدريج با پيشرفت خود در مسائل مختلف با چالش‌هاي بسياري مواجه شده است. يكي از مهم‌ترين اين مسائل، طرح‌ريزي حركت ربات بوده كه پركاربردترين آن در بخش طرح‌ريزي حركت ربات‌هاي سيار است. امروزه ربات‌هاي متحرك در محيط‌هاي استاتيك با پيچيدگي كم مانند محيط‌هاي صنعتي به‌طور قابل‌اطميناني عمل مي‌كنند، اما در محيط‌هاي ديناميك پيچيده مانند فرودگاه‌ها يا مراكز خريد شكست مي‌خورند. اين محيط‌ها نسبت به محيط‌هاي صنعتي، شلوغ‌تر و فضاي باريك‌تري دارند و حاوي اشيا متحركي با پيچيدگي حركت بالا مي‌باشند كه عمدتاً انسان‌ها هستند. با افزايش پيچيدگي در محيط‌هايي كه اين‌گونه ربات‌ها در آن انجام‌وظيفه مي‌كنند، نياز مبرم به الگوريتم‌هايي كه بتوانند در اين محيط‌ها به‌درستي عمل كنند حس شده است. ربات‌هاي زميني بايد بتوانند درمقابل اشيا پويا و همچنين جمعيت پويا برخورد مناسب انجام دهند. براي بهبود عملكرد در چنين مسائلي الگوريتم‌هاي بر پايه يادگيري نظير يادگيري تقويتي عميق معرفي‌شده‌اند. در اين پايان‌نامه روش پيشنهادي به نام RMPMP+TG معرفي مي‌شود. الگوريتم RMPMP+TG يك الگوريتم طرح‌ريزي حركت با استفاده از يادگيري تقويتي عميق بدون نقشه است كه هدف اصلي آن كاهش برخورد با ربات‌هاي محيطي است. در RMPMP+TG سعي شده از روش پيش‌بيني كه انسان‌ها از حركت بعدي ديگر عابران براي طرح‌ريزي حركت خود ميان جمعيت استفاده مي‌كنند بهره برداري شود. همچنين، براي بهبود كارايي روش پيشنهادي در مواقعي كه ربات متوقف شده و امكان حركت ندارد مكانيزمي به الگوريتم اوليه اضافه شده كه توانايي بالايي در رفع اين مشكل دارد. آزمايش‌هاي انجام شده براي روش پيشنهادي(RMPMP+TG) با به‌روزترين روش‌هاي موجود نظير CADRL، RVO وGA3C-CADRL در سناريو‌هاي پايه و خاص نشان مي‌دهد كه RMPMP+TG از روش‌هاي CADRL، RVO وGA3C-CADRL در زمينه بهبود امنيت در سناريو‌هاي پايه به ترتيب حداقل 19 درصد، 14 درصد و 4 درصد بهبود حاصل كرده است. همچنين، از لحاظ امنيت در سناريو‌هاي خاص نسبت به GA3C-CADRL حداقل 9 درصد بهبود داشته است.
شماره ركورد
229585
گرايش رشته تحصيلي
هوش مصنوعي و رباتيكز
دانشكده
مهندسي برق و كامپيوتر
دانشگاه
دانشگاه صنعتي اصفهان