Learning guided probabilistic planning
Ögrenme güdümlü olasılıksal planlama
- Tez No: 397952
- Danışmanlar: YRD. DOÇ. DR. SANEM SARIEL
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2015
- Dil: İngilizce
- Üniversite: İstanbul Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 89
Özet
Fiziksel dünyada eylemlerini yürüten robotlar, çeşitli hata durumlarıyla karşılaşabilirler. Özellikle hataların izole edilmediği dinamik ortamlarda çalışıldığında, hata ile karşılaşmak kaçınılmazdır. Sistemi kararlı hale getirebilmek için, robotun eylem yürütme sırasında karşılaştığı hataları saptayabilmesi ve tecrübe ettiği bu hatalardan daha sonraki plan yürütmelerinde kaçınması gerekmektedir. Geçmiş eylem yürütmelerinde tecrübe edilen hatalar, gelecekte karşılaşılabilecek potansiyel hatalardan kaçınmak için geliştirilen bir adaptif planlama stratejisinde kullanılabilir. Bu amaca ulaşabilmek için, geçmiş yürütmelerdeki gözlemler üzerinde öğrenme algoritması uygulanması gerekir. Bu tez kapsamında, bahsedilen problemin çözümü olarak öğrenme ve öğrenme güdümlü planlama yöntemleri önerilmektedir. Görev yürütme başarımını artırmak için, Tümevarımlı Mantıksal Programlama temelli bir deneyimsel öğrenme metodu ve öğrenme sürecinde edinilmiş deneyimleri kullanan olasılıksal bir planlama yapısı biraraya getirilerek gelişmiş bir robot sistemi oluşturulmuştur. Önerilen sistem, otonom bir gezgin robot ile yürütülen çoklu nesne etkileşim senaryolarında analiz edilmiştir. Burada amaç, kazanılmış tecrübeleri kullanarak karşılaşılması potansiyel olan hatalardan kaçınmak ve böylelikle belirli bir zaman süresince başarı ile toplanmış ve hedefe ulaştırılmış nesne sayısını olabildiğince artırmaktır.
Özet (Çeviri)
Robots should avoid potential failure situations to improve their performances. The failures which the robot has already experienced in its previous action executions can be used in an adaptive planning strategy to reduce potential failures in the future. Robots need to build and use their experience for achieving this objective. In this thesis, learning and learning-guided planning methods are proposed to address this problem. An experimental learning process using Inductive Logic Programming (ILP) and a probabilistic planning method that uses the experience gained by learning are integrated for improving task execution performance. The solutions are analyzed on a case study with an autonomous mobile robot in a multi-object manipulation domain where the objective is maximizing the number of collected objects while avoiding potential failures using experience. Obtained results indicate that the robot using the adaptive planning strategy ensures safety in task execution and maximizes the probability of success.
Benzer Tezler
- Multi-agent planning with automated curriculum learning
Otomatik müfredat öğrenmesi ile çoklu ajan planlaması
ONUR AKGÜN
Doktora
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. NAZIM KEMAL ÜRE
- Difüzyon ağları ile görüntü rekonstrüksiyonu ve restorasyonu
Image reconstruction and restoration with diffusion networks
ONUR PARAPAN
Yüksek Lisans
Türkçe
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. ENDER METE EKŞİOĞLU
- Havayolu işletmelerine ait web sitelerinin nöropazarlama temelli yapay zekâ - göz izleme (eye trackıng) yöntemi ile analizi
'Analysis of websites of airlinecompanies with neuromarketing based artificial intelligence - eye tracking'.
MURAT ÇELİKKAYA
Yüksek Lisans
Türkçe
2020
ReklamcılıkÜsküdar ÜniversitesiNöropazarlama Ana Bilim Dalı
DOÇ. DR. DİNÇER ATLI
- Farklı mutasyon stratejileri kullanılarak XML temelli sistemlerde güvenlik zafiyetlerinin fuzz testi ile tespiti
Detection of security vulnerabilities in XML-based systems with fuzz testing using different mutation strategies
ŞERAFETTİN ŞENTÜRK
Doktora
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. NEJAT YUMUŞAK
DR. VAHİD GAROUSİ
- Probabilistic latent factor modelsfor transformative drug discovery
Başlık çevirisi yok
MURAT CAN COBANOGLU