Efficient effect prediction in robots through active learning
Aktif öğrenme yöntemiyle robotlarda verimli etki tahmini
- Tez No: 1019625
- Danışmanlar: PROF. DR. ERHAN ÖZTOP
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: İngilizce
- Üniversite: Özyeğin Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Yapay Zeka Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Örnek verimliliğinin sağlanması, verilerin fiziksel etkileşim yoluyla üretildiği ve her bir eylemin kayda değer yürütme maliyetleri doğurduğu öz-denetimli robot öğrenmesinde temel bir zorluktur. Denetimli robot eylem–etki tahmininde bu zorluk, sürekli durum–eylem uzayları ve girdi alanı genelinde heterojen öğrenme güçlüğü nedeniyle daha da belirgin hâle gelmektedir. Bu çalışma, aktif öğrenme yoluyla örnek verimliliğini artırmayı amaçlayan belirsizlik farkındalığına sahip ve içsel motivasyona dayalı çeşitli örnekleme stratejilerini incelemekte ve karşılaştırmaktadır. Belirsizliği nicelendirebilen birden fazla kestirimci model, robotik regresyon görevleri bağlamında, özellikle veri toplama sürecini yönlendirmeye uygunlukları açısından analiz edilmektedir. Bu analiz temel alınarak, bilgilendirici etkileşimleri daha etkin biçimde belirlemek amacıyla model belirsizliği, öğrenme ilerlemesi (LP) ve girdi çeşitliliğini birleştiren popülasyon tabanlı aktif öğrenme stratejileri geliştirilmektedir. Önerilen yöntemler, farklı boyutluluk seviyelerine ve çevresel karmaşıklıklara sahip benzetimli robot itme görevlerinde değerlendirilmektedir. Deneysel sonuçlar, belirsizlik ayrıştırmasının ve ilkeli örnek seçiminin, rastgele örnekleme, minimum-mesafe tabanlı keşif ve tek-ölçütlü yaklaşımlara kıyasla, hesaplama açısından uygulanabilirliği korurken tahmin hatasını anlamlı ölçüde azalttığını göstermektedir. Elde edilen bulgular, öz-denetimli robot öğreniminde model ve veri belirsizliğinin ayrıştırılmasının önemini vurgulamakta ve sürekli uzaylarda belirsizlik güdümlü keşfe ilişkin genel içgörüler sunmaktadır.
Özet (Çeviri)
Achieving sample efficiency is a fundamental challenge in self-supervised robot learning, where data are generated through physical interaction and each action incurs non-negligible execution costs. In supervised robot action–effect prediction, this challenge is intensified by continuous state–action spaces and heterogeneous learning difficulty across the input domain. This work investigates and compares a range of uncertainty-aware and intrinsically motivated sampling strategies aimed at improving sample efficiency through active learning. Several predictive models capable of quantifying uncertainty are analyzed in the context of robotic regression tasks, with particular emphasis on their suitability for guiding data acquisition. Building on this analysis, population-based active learning strategies are developed that combine model uncertainty, learning progress (LP), and input diversity to better identify informative interactions. These strategies are evaluated in simulated robotic pushing tasks of varying dimensionality and environmental complexity. Experimental results demonstrate that uncertainty decomposition and principled sample selection significantly reduce prediction error relative to random sampling, minimum-distance-based exploration, and single-measure approaches, while maintaining computational feasibility. The findings highlight the importance of disentangling model and data uncertainty for efficient self-supervised robot learning and provide general insights into uncertainty-driven exploration in continuous domains.
Benzer Tezler
- Pazarlama stratejileri açısından Omnichannel'in önemi ve bir araştırma
The importance of Omnichannel in terms of marketing strategies and a research
FURKAN ERSOY
- Burun iniş takımı sisteminde shimmy davranışının modellenmesi, analizi, testi ve kontrolü
Modelling, analysis, test, and control of the shimmy behavior in nose landing gear system
SENA KOÇAK
Yüksek Lisans
Türkçe
2021
Mekatronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALİ FUAT ERGENÇ
- UAV-assisted energy-aware data collection in robotic wireless sensor networks under battery prediction error
Pil tahmin hatası durumunda robotik kablosuz sensör ağlarında İHA destekli enerji bilinçli veri toplama
BEYZA DURAN
Yüksek Lisans
İngilizce
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
DOÇ. DR. ÖMER MELİH GÜL
PROF. DR. SEİFEDİNE KADRY
- Kriging interpolasyonu kullanan vekil modeller ile gemi kıç formunun viskoz direnç yönünden optimizasyonu
Aft form optimization of ships for minimum viscous resistance by using kriging metamodeling technique
HAYRİYE PEHLİVAN SOLAK
Doktora
Türkçe
2020
Gemi Mühendisliğiİstanbul Teknik ÜniversitesiGemi İnşaatı ve Gemi Makineleri Mühendisliği Ana Bilim Dalı
PROF. DR. ÖMER GÖREN
- A refined methodology tor model-based FPGA hardware design: An example of quadrotor dynamical model implementation
Model tabanlı FPGA donanımı tasarımında iyileştirilmiş bir yöntem sistemi: Bir dört rotorlu için dinamik model gerçekleme örneği
SEZER MEMİŞ
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiSavunma Teknolojileri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ RAMAZAN YENİÇERİ