Ανάπτυξη εφαρμογών μηχανικής μάθησης σε προσομοιωμένο ρομποτικό σύστημα μεταβλητής αυτονομίας

Χατζηθάνος, Παρασκευάς

dc.contributor.advisor	Νικολάου, Γρηγόριος
dc.contributor.author	Χατζηθάνος, Παρασκευάς
dc.date.accessioned	2019-09-20T06:50:34Z
dc.date.available	2019-09-20T06:50:34Z
dc.date.issued	2019-09
dc.identifier.uri	http://okeanis.lib2.uniwa.gr/xmlui/handle/123456789/5033
dc.description.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.	el
dc.format.extent	87	el
dc.language.iso	el	el
dc.publisher	Α.Ε.Ι. Πειραιά Τ.Τ.	el
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/3.0/gr/	*
dc.subject	TPSH::Επιστήμη Υπολογιστών::Τεχνητή Νοημοσύνη	el
dc.subject	TPSH::Τεχνολογία::Αυτόματος Έλεγχος::Ρομποτική	el
dc.title	Ανάπτυξη εφαρμογών μηχανικής μάθησης σε προσομοιωμένο ρομποτικό σύστημα μεταβλητής αυτονομίας	el
dc.type	Πτυχιακή εργασία	el
dc.contributor.committee	Βασιλειάδου, Σουλτάνα
dc.contributor.committee	Δρόσος, Χρήστος
dc.contributor.department	Τμήμα Μηχανικών Αυτοματισμού Τ.Ε.	el
dc.contributor.faculty	Σχολή Τεχνολογικών Εφαρμογών	el
dc.subject.keyword	Νευρωνικά δίκτυα	el
dc.subject.keyword	Αλγόριθμοι	el
dc.subject.keyword	Μηχανική μάθηση	el
dc.subject.keyword	Ρομποτικά συστήματα	el
dc.subject.keyword	Ρομπότ	el
dc.subject.keyword	Αυτοπαλίνδρομα μοντέλα	el
dc.subject.keyword	Μοντέλο κατάβασης δυναμικού	el
dc.subject.keyword	Random Foresτ	el
dc.description.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.	el

Files in this item

Name:: auto_44496.pdf
Size:: 3.962Mb
Format:: PDF
Description:: Πτυχιακή

View/Open

This item appears in the following Collection(s)

Τμήμα Μηχανικών Αυτοματισμού Τ.Ε.

Show simple item record

Except where otherwise noted, this item's license is described as
Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα