Recurrent neural network learning with an application to the control of legged locomotion
Tekrarlı sinir ağı öğrenimi ile bacaklı hareket kontrolüne uygulanması
- Tez No: 395485
- Danışmanlar: PROF. DR. ÖMER MORGÜL
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2015
- Dil: İngilizce
- Üniversite: İhsan Doğramacı Bilkent Üniversitesi
- Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 93
Özet
Bugünün sanayisinde ve askeriyesinde robotların gerçek hayat uygulamaları için kullanımı artmakta olan bir eğilimdir. Robot platformları insanlar tarafından yürütülmesi verimli olmayan tehlikeli ve zor görevleri yerine getirebilme kapasitesine sahiptir. Verilen bir görevi halledebilen çeşitli robotik platformlar ve hareket algoritmaları vardır. Bunların arasında iki ayaklı robot platformları, ayaklı hayvanlara olan yapısal benzerliklerinden dolayı zor manevraların gerçekleştirilmesinde yüksek performans vaat etmektedir. Bu nedenle bacaklı hareket engebeli arazi ortamlarında zor manevraları uygulayabilmek için son derece arzu edilir. Ancak bu yapıların hem modellenmesi ve hem de kontrolü elde edilen büyük ölçüde doğrusal olmayan hareket denklemleri ve ters kinematik denklemlerinin hesaplama yükü sebebiyle oldukça zordur. Hayvanların merkezi sinir sistemleri ve omurilikleri hayvanın hareketinin kontrolünde beraber rol alır. Böyle iki ayaklı robot platformları kontrol etmek için sıklıkla kullanılan kontrol algoritmaları Merkezi Örüntü Üreteçlerine (MÖÜ) dayanmaktadır. Merkezi örüntü üreteçlerine dayanan kontrolörler, sinir ağlarının kullanımı da dahil olmak üzere farklı yollarla gerçekleştirilebilir. Ancak merkezi örüntü üreteçleri kararlı salınımlarını sürdürebilmek için sınırlandırılan değişken uzaylarından ötürü sadece hareketlerdeki omurilik tipi refleks temelli hareketleri taklit edebilme yeterliliğindedir. Tamamen tekrarlı sinir ağaları merkezi sinir sistemi gibi daha yüksek bilinç düzeyi ile hareket kontrolü yapabilme yeterliğine sahiptir böylece hareket uzayı genişletilebilir. Ne yazık ki, Tekrarlı Sinir Ağlarının (TSA) eğitimi uzun eğitim zamanı alır. Bundan başka eğitilmedikleri girdilere karşı davranışları tahmin edilemeyebilir ve eğitim süreci kararsızlıkla alakalı sorunlarla kolaylıkla karşılaşabilir. Bu sorunları çözebilmek için sinir ağları eğitim metotları çeşitli hızlandırma ve düzenlileştirme teknikleri ile değerlendirildi ve bunların başarıları birbirleriyle karşılaştırıldı. Kararlı bir eğitim sağlamak için zaman sabiti ve hata gradyanı sınırlama metotları kullanıldı ve bunların faydaları tartışıldı. Son olarak iki ayaklı robot yürüyüş bacak açıları bir grup farklı tekrarlı sinir ağı yapılandırmasına kararlılık arttırıcı metotlardan faydalanılarak öğretildi. Ortaya çıkan tekrarlı sinir ağlarının performansları değerlendirildi ve yapılandırma değişkenlerinin etkileri detaylı bir şekilde tartışıldı.
Özet (Çeviri)
Use of robots for real life applications has an increasing trend in today's industry and military. The robot platforms are capable of performing dangerous and difficult tasks, which are not efficient when carried out by human beings. Most of these tasks require high motion ability. There are various robotic platform and locomotion algorithms which may solve a given task. Among these, the biped robot platforms promise high performance in realizing difficult maneuver due to their morphological similarity to legged animals. Thus, legged locomotion is highly desirable in order to perform difficult maneuvers in rough terrain environments. However both modeling and control of such structures are quite difficult due to highly nonlinear structure of the resulting equations of motion and computational load of inverse kinematic equations. Central nervous systems and spinal cords of animals take role in control of locomotion of animals together. For controlling such biped robotic platforms frequently used control algorithms are based on so-called Central Pattern Generators (CPG). The controllers based on CPG's can be realized in different ways which includes the utilization of neural networks. However CPG is only capable of imitating spinal cord type of reflex-based motions in locomotion because of their restricted parameter space to sustain stable oscillation. Fully recurrent neural networks have capability of controlling locomotion with a higher conscious level such as central nervous system, hence motion space can be enlarged. Unfortunately, training of recurrent neural networks (RNN) takes long time. Moreover, their behaviors may be unpredictable against untrained inputs and training process may encounter with instability related problems easily. In order to solve these problems, various acceleration and regularization techniques are tested in the neural network training and their successes were compared with each other. Furthermore, time constant and error gradient limitation methods are employed to sustain stable training and their benefits are discussed. Finally leg angles of walking biped robot are taught to a group of RNNs with different configurations by benefiting from training stability enhancing methods. The resulting RNNs are then used in biped locomotion by using a classical PD controller. After that, performance of resulting RNNs and their stable locomotion generation capabilities are evaluated and effects of configuration parameters are discussed in detail.
Benzer Tezler
- Makine öğrenmesi yöntemiyle müşteri davranışının tahmin edilmesi
Prediction of customer behavior using machine methodology
MERVE ANIL
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolİSTANBUL BEYKENT ÜNİVERSİTESİBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TALAT FİRLAR
- Derin pekiştirmeli öğrenme yöntemi ile görüntü hash kodlarını oluşturma
Generating image hash codes with deep reinforcement learning method
ELİF AKKAYA
Yüksek Lisans
Türkçe
2024
Elektrik ve Elektronik MühendisliğiSakarya ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BURHAN BARAKLI
- Derin öğrenme ve ses işleme yöntemleri ile türkçe videolardaki küfürlü seslerin tespit edilmesi ve sansürlenmesi
Detection and censorship of abusive sounds in turkish videos using deep learning and audio processing methods
MUHAMMED MUSTAFA TAYİZ
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolVan Yüzüncü Yıl ÜniversitesiYapay Zeka ve Robotik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MURAT CANAYAZ
- Yinelemeli sinir ağları ile işaret dili tanıma
Sign language recognition with recurrent neural networks
İBRAHİM ÇETİNKAYA
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. TAMER ÖLMEZ
- Yazılım tanımlı ağlarda makine öğrenme temelli saldırı tespit sistemi
Machine learning based intrusion detection system in software defined networks
BİROL EMEKLİ
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilişim Sistemleri Mühendisliği Ana Bilim Dalı
DOÇ. DR. İHSAN HAKAN SELVİ