Ανάπτυξη εφαρμογών μηχανικής μάθησης σε προσομοιωμένο ρομποτικό σύστημα μεταβλητής αυτονομίας

Λεπτομέρειες βιβλιογραφικής εγγραφής
Κύριος συγγραφέας: Χατζηθάνος, Παρασκευάς
Μορφή: Πτυχιακή εργασία
Γλώσσα:Greek
Έκδοση: Α.Ε.Ι. Πειραιά Τ.Τ. 2019
Θέματα:
Διαθέσιμο Online:http://okeanis.lib2.uniwa.gr/xmlui/handle/123456789/5033
_version_ 1780524607086788608
abstract Η πτυχιακή αυτή εργασία πραγματεύεται αλγόριθμους για την πρόβλεψη των σωστών ενεργειών των χειριστών σε προσομοιωμένο ρομπότ. Σήμερα γίνονται πολυάριθμες μελέτες για την πρόβλεψη και αξιολόγηση ενός χειριστή, είτε πρόκειται για ρομπότ είτε για κάποιο όχημα. Το πρώτο βήμα για να επιτευχθεί αυτό είναι να οριστεί τι είναι “σωστή” ή ακίνδυνη οδήγηση. Σκοπός της εργασίας αυτής είναι η ανάπτυξη μοντέλων που θα προβλέπουν με υψηλή ακρίβεια την “σωστή οδήγηση” ενός ρομποτικού συστήματος. Με τον όρο σωστή οδήγηση εννοείται, η ομαλή εναλλαγή μεταξύ δεξιάς και αριστερής στροφής καθώς και η ομαλή εναλλαγή των γωνιακών ταχυτήτων του ρομποτικού συστήματος. Με την δημιουργία ενός τέτοιου μοντέλου, μπορεί να γίνει σύγκριση της εξόδου των μοντέλων με την εκάστοτε οδήγηση του χειριστή και σαν αποτέλεσμα να αξιολογηθούν οι χειρισμοί σε πραγματικό χρόνο. Συγκεκριμένα πέντε μοντέλα αναπτύχθηκαν. Το πρώτο μοντέλο ονομάζεται Αυτοπαλίνδρομο Μοντέλο (Autoregressive Model), το δεύτερο μοντέλο δημιουργήθηκε με χρονοσειρές Taylor. Τα επόμενα τρία είναι μοντέλα που αναπτύχθηκαν με αλγόριθμους μηχανικής μάθησης οι οποίοι είναι οι εξής, αλγόριθμος γραμμικής κατάβασης δυναμικού (linear regression), αλγόριθμος random forest και τέλος νευρωνικά δίκτυα. Αρχικά, θα παρουσιαστούν τα πειράματα και πως αυτά υλοποιήθηκαν. Μετά θα γίνει μια θεωρητική ανάλυση των μοντέλων και κλείνοντας, μετά από μια σύντομη περιγραφή της συλλογής και επεξεργασίας των δεδομένων, θα παρουσιαστούν αναλυτικά τα μοντέλα που αναπτύχθηκαν καθώς και τις προβλέψεις που κάνουν.
abstracttranslated This thesis deals with algorithms for predicting the correct actions, of operators, on a simulated robot. Numerous studies are currently carried out to predict and evaluate an operator, be it a robot or a vehicle. The first step to doing so is to determine what is "right" or safe driving. The purpose of this work is to develop models that will accurately predict the "correct driving" of a robotic system. Proper driving means the smooth rotation between the right and left turns as well as the smooth rotation of the angular speeds of the robotic system. By creating such a model, it is possible to compare the output of the models with the individual driving of the user and as a result, evaluate real-time manipulations. Specifically, five models were developed. The first model is called the Autoregressive Model, the second model was created with Taylor time series. The following three are models developed with machine learning algorithms that are: linear regression, random forest algorithm, and neural network. Initially, in this thesis, the experiments will be presented and how they were implemented. Then a theoretical analysis of the models will be carried out and concluding, after a brief description of the data collection and pre-processing, the models developed as well as their predictions will be presented in detail.
advisor
author Χατζηθάνος, Παρασκευάς
author_facet Χατζηθάνος, Παρασκευάς
author_sort Χατζηθάνος, Παρασκευάς
collection Okeanis Institutional Repository
facultydepartment Τμήμα Μηχανικών Αυτοματισμού Τ.Ε.
format Πτυχιακή εργασία
id okeanis-123456789-5033
institution University of West Attica Campus II
keyword Νευρωνικά δίκτυα
Αλγόριθμοι
Μηχανική μάθηση
Ρομποτικά συστήματα
Ρομπότ
Αυτοπαλίνδρομα μοντέλα
Μοντέλο κατάβασης δυναμικού
Random Foresτ
language Greek
physical 87
publishDate 2019
publisher Α.Ε.Ι. Πειραιά Τ.Τ.
record_format dspace
spelling okeanis-123456789-50332019-09-20T06:50:36Z Ανάπτυξη εφαρμογών μηχανικής μάθησης σε προσομοιωμένο ρομποτικό σύστημα μεταβλητής αυτονομίας Χατζηθάνος, Παρασκευάς Νικολάου, Γρηγόριος Τμήμα Μηχανικών Αυτοματισμού Τ.Ε. TPSH::Επιστήμη Υπολογιστών::Τεχνητή Νοημοσύνη TPSH::Τεχνολογία::Αυτόματος Έλεγχος::Ρομποτική Νευρωνικά δίκτυα Αλγόριθμοι Μηχανική μάθηση Ρομποτικά συστήματα Ρομπότ Αυτοπαλίνδρομα μοντέλα Μοντέλο κατάβασης δυναμικού Random Foresτ Η πτυχιακή αυτή εργασία πραγματεύεται αλγόριθμους για την πρόβλεψη των σωστών ενεργειών των χειριστών σε προσομοιωμένο ρομπότ. Σήμερα γίνονται πολυάριθμες μελέτες για την πρόβλεψη και αξιολόγηση ενός χειριστή, είτε πρόκειται για ρομπότ είτε για κάποιο όχημα. Το πρώτο βήμα για να επιτευχθεί αυτό είναι να οριστεί τι είναι “σωστή” ή ακίνδυνη οδήγηση. Σκοπός της εργασίας αυτής είναι η ανάπτυξη μοντέλων που θα προβλέπουν με υψηλή ακρίβεια την “σωστή οδήγηση” ενός ρομποτικού συστήματος. Με τον όρο σωστή οδήγηση εννοείται, η ομαλή εναλλαγή μεταξύ δεξιάς και αριστερής στροφής καθώς και η ομαλή εναλλαγή των γωνιακών ταχυτήτων του ρομποτικού συστήματος. Με την δημιουργία ενός τέτοιου μοντέλου, μπορεί να γίνει σύγκριση της εξόδου των μοντέλων με την εκάστοτε οδήγηση του χειριστή και σαν αποτέλεσμα να αξιολογηθούν οι χειρισμοί σε πραγματικό χρόνο. Συγκεκριμένα πέντε μοντέλα αναπτύχθηκαν. Το πρώτο μοντέλο ονομάζεται Αυτοπαλίνδρομο Μοντέλο (Autoregressive Model), το δεύτερο μοντέλο δημιουργήθηκε με χρονοσειρές Taylor. Τα επόμενα τρία είναι μοντέλα που αναπτύχθηκαν με αλγόριθμους μηχανικής μάθησης οι οποίοι είναι οι εξής, αλγόριθμος γραμμικής κατάβασης δυναμικού (linear regression), αλγόριθμος random forest και τέλος νευρωνικά δίκτυα. Αρχικά, θα παρουσιαστούν τα πειράματα και πως αυτά υλοποιήθηκαν. Μετά θα γίνει μια θεωρητική ανάλυση των μοντέλων και κλείνοντας, μετά από μια σύντομη περιγραφή της συλλογής και επεξεργασίας των δεδομένων, θα παρουσιαστούν αναλυτικά τα μοντέλα που αναπτύχθηκαν καθώς και τις προβλέψεις που κάνουν. This thesis deals with algorithms for predicting the correct actions, of operators, on a simulated robot. Numerous studies are currently carried out to predict and evaluate an operator, be it a robot or a vehicle. The first step to doing so is to determine what is "right" or safe driving. The purpose of this work is to develop models that will accurately predict the "correct driving" of a robotic system. Proper driving means the smooth rotation between the right and left turns as well as the smooth rotation of the angular speeds of the robotic system. By creating such a model, it is possible to compare the output of the models with the individual driving of the user and as a result, evaluate real-time manipulations. Specifically, five models were developed. The first model is called the Autoregressive Model, the second model was created with Taylor time series. The following three are models developed with machine learning algorithms that are: linear regression, random forest algorithm, and neural network. Initially, in this thesis, the experiments will be presented and how they were implemented. Then a theoretical analysis of the models will be carried out and concluding, after a brief description of the data collection and pre-processing, the models developed as well as their predictions will be presented in detail. 2019-09 Πτυχιακή εργασία http://okeanis.lib2.uniwa.gr/xmlui/handle/123456789/5033 el http://creativecommons.org/licenses/by-nc-nd/3.0/gr/ Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα Α.Ε.Ι. Πειραιά Τ.Τ. 87 http://okeanis.lib2.uniwa.gr/xmlui/bitstream/123456789/5033/4/auto_44496.pdf.jpg
spellingShingle TPSH::Επιστήμη Υπολογιστών::Τεχνητή Νοημοσύνη
TPSH::Τεχνολογία::Αυτόματος Έλεγχος::Ρομποτική
Χατζηθάνος, Παρασκευάς
Ανάπτυξη εφαρμογών μηχανικής μάθησης σε προσομοιωμένο ρομποτικό σύστημα μεταβλητής αυτονομίας
title Ανάπτυξη εφαρμογών μηχανικής μάθησης σε προσομοιωμένο ρομποτικό σύστημα μεταβλητής αυτονομίας
title_full Ανάπτυξη εφαρμογών μηχανικής μάθησης σε προσομοιωμένο ρομποτικό σύστημα μεταβλητής αυτονομίας
title_fullStr Ανάπτυξη εφαρμογών μηχανικής μάθησης σε προσομοιωμένο ρομποτικό σύστημα μεταβλητής αυτονομίας
title_full_unstemmed Ανάπτυξη εφαρμογών μηχανικής μάθησης σε προσομοιωμένο ρομποτικό σύστημα μεταβλητής αυτονομίας
title_short Ανάπτυξη εφαρμογών μηχανικής μάθησης σε προσομοιωμένο ρομποτικό σύστημα μεταβλητής αυτονομίας
title_sort ανάπτυξη εφαρμογών μηχανικής μάθησης σε προσομοιωμένο ρομποτικό σύστημα μεταβλητής αυτονομίας
topic TPSH::Επιστήμη Υπολογιστών::Τεχνητή Νοημοσύνη
TPSH::Τεχνολογία::Αυτόματος Έλεγχος::Ρομποτική
url http://okeanis.lib2.uniwa.gr/xmlui/handle/123456789/5033