يادگيري تقليدي مهارت توسط ربات انسان‌نما و بهبود عملكرد آن با مبدل‌هاي بصري

اصفهان : دانشگاه صنعتي اصفهان

مهندسي كامپيوتر

كارشناسي ارشد

يادگيري تقليدي رويكردي مؤثر براي آموزش مهارت‌هاي پيچيده به ربات‌هاي انسان‌نما از طريق مشاهده نمايش‌هاي بصري حركات يك عامل خبره است. با اين حال، روش‌هاي كنترل كلاسيك نيازمند حل تحليلي معادلات پيچيده سينماتيكي هستند و رويكردهاي استاندارد يادگيري تقويتي نيز به تعامل گسترده با محيط نياز دارند؛ چالش‌هايي كه استفاده از آن‌ها را در سناريوهاي واقعي مستلزم زمان و از نظر محاسباتي پرهزينه مي‌سازد. در اين پايان‌نامه، به منظور فراهم‌سازي امكان انتقال آسان مهارت‌ها به ساير ربات‌ها، يك چارچوب نوين دومرحله‌اي ارائه شده است كه با تركيب ادراك بصري پيشرفته و يادگيري تقويتي عميق، فرآيند انتقال دانش حركتي از يك ربات استاد به ربات شاگرد را در انجام مهارت‌هاي حركتي بالاتنه نظير حركت سلام و پاك كردن پيشاني تسهيل مي‌كند. در مرحله نخست، به منظور استخراج پايدار ويژگي‌هاي بصري و درك تفاوت‌هاي حركتي در طول زمان، دو معماري برجسته شامل شبكه عصبي كانولوشني EfficientNetV2-S و مبدل بصري ViT-B/16 بر پايه رويكرد شبكه‌هاي متضاد با زمان مورد ارزيابي مقايسه‌اي قرار گرفتند. نتايج ارزيابي‌هاي فضاي ويژگي نشان داد كه ساختار مبتني بر توجه در معماري ViT-B/16، با ارائه بازنمايي‌هاي منسجم‌تر و تفكيك‌پذيري بالاتر، برتري قابل‌توجهي در درك توالي‌هاي حركتي نسبت به شبكه‌هاي كانولوشني دارد. عامل اصلي اين برتري، توانايي مكانيزم توجه در پردازش سراسري تصوير و استخراج روابط فضايي پيچيده ميان مفاصل ربات استاد است؛ اين ويژگي به ربات شاگرد اجازه مي‌دهد تا با مقاومت بالا در برابر تغييرات محيطي، الگوي دقيق حركتي را از بدنه ربات مشابه استخراج نمايد. در مرحله دوم، اين بازنمايي‌هاي بصري استخراج‌شده، در قالب يك چارچوب يادگيري تقويتي عميق مبتني بر الگوريتم بازيگر-نقاد نرم به كار گرفته شدند؛ به طوري كه از فاصله كسينوسي ميان ويژگي‌هاي استخراج‌شده ربات شاگرد و الگوي مرجع ربات استاد در فضاي نهان، براي طراحي دقيق تابع پاداش در محيط شبيه‌ساز ويباتس استفاده گرديد. نتايج شبيه‌سازي نشان مي‌دهد كه سيگنال پاداش حاصل از فضاي ويژگي مدل ViT-B/16، به دليل پايداري بالا، ربات شاگرد را قادر مي‌سازد تا مهارت‌هاي سلام‌كردن و پاك‌كردن پيشاني را با سرعت همگرايي يادگيري بالايي تقليد كند. اين نتايج، كارايي بالاي چارچوب پيشنهادي را در غلبه بر پيچيدگي‌هاي آموزش ربات به ربات اثبات مي‌كند.

237573

هوش مصنوعي و رباتيكز

مهندسي برق و كامپيوتر

دانشگاه صنعتي اصفهان