Projekti / Programi
Identifikacija okolja in navigacija mobilnih robotov z nevronskimi mrežami
| Koda |
Veda |
Področje |
Podpodročje |
| 2.07.07 |
Tehnika |
Računalništvo in informatika |
Inteligentni sistemi - programska oprema |
| Koda |
Veda |
Področje |
| P170 |
Naravoslovno-matematične vede |
Računalništvo, numerična analiza, sistemi, kontrola |
nevronske mreže, mobilni roboti, navigacija, kontrola, dinamični sistemi
Raziskovalci (1)
| št. |
Evidenčna št. |
Ime in priimek |
Razisk. področje |
Vloga |
Obdobje |
Štev. publikacijŠtev. publikacij |
| 1. |
14300 |
dr. Branko Šter |
Računalništvo in informatika |
Vodja |
2002 - 2004 |
151 |
Organizacije (1)
Povzetek
Verjamemo, da bodo mobilni roboti v bližnji prihodnosti del vsakdanjika. Zato je pomembno ne zaostati na področju avtonomne navigacije mobilnih robotov. Za uspešno delo v sobnih okoljih mora robot obvladati osnovne naloge, kot so raziskovanje okolja, samo-lokalizacija in navigacija (iskanje poti do cilja).
Naš pristop sestoji iz uporabe rekurentnih nevronskih mrež (“recurent neural networks”, RNN) za implicitno modeliranje robotovega okolja. Ker je robot mobilen, se njegov senzorski prostor v času spreminja, zato ga lahko obravnavamo kot dinamični sistem. Spoznavanje okolja ustreza identifikaciji dinamičnega sistema. Ker je modeliranje takega sistema pri majhnih časovnih korakih (sekunda ali manj) praktično nemogoče, uporabimo orientacijske točke, v katerih je smiselna in možna odločitev robota za nadaljnjo akcijo; sicer pa se robot premika po določenem “reaktivnem” oz. nižjenivojskem programu. Tak diskretizirani dinamični sistem lahko predstavimo v obliki končnega avtomata, na nivoju katerega poteka načrtovanje poti pri navigaciji.
Bistvena pomanjkljivost avtomata se pokaže, ko pride do nepričakovanih situacij, ki so posledica realnega okolja in robota (predvsem senzorjev). Zato uporabimo RNN, ki se na osnovi vhodno-izhodnega zaporedja (akcije in senzorji) v času spoznavanja okolja “nauči” na strukturo okolja oz. na ustrezni avtomat. Tako je uporabljen zvezni dinamični sistem (RNN) za modeliranje diskretnega dinamičnega sistema (avtomat). Prednost RNN je toleriranje šuma in napak, do katerih v realnosti neizogibno prihaja.
Za bistveno večjo avtonomnost pa bomo razvili mehanizem na osnovi neke vrste samo-organizacije na nivoju senzorjev in percepcije, ki bi omogočal robotu samodejno določanje primernih orientacijskih točk v prostoru.
Ko robot spozna okolje, se lahko uspešneje loti navigacije, z manjšim uspehom pa lahko navigira že prej. V fazi navigacije do določenega cilja robot izvede načrtovanje na nivoju simulacije (“miselno”), kjer išče zaporedje akcij za optimalno pot.
Obenem načrtujemo nadaljnje raziskave na področju rekurentnih nevronskih mrež s ciljem povečati hitrost učenja in robustnost.
