Geri Dön

Control and system identification of legged locomotion with recurrent neural networks

Tekrarlayan sinir ağları ile bacaklı lokomosyonun kontrolü ve sistem tanımlanması

PDF İndir

  1. Tez No: 732912
  2. Yazar: BAHADIR ÇATALBAŞ
  3. Danışmanlar: PROF. DR. ÖMER MORGÜL
  4. Tez Türü: Doktora
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: İngilizce
  9. Üniversite: İhsan Doğramacı Bilkent Üniversitesi
  10. Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 136

Özet

Son yıllarda, yapay zeka ve kontrol teorisindeki gelişmeler sayesinde robotik sistemler endüstride, askeriyede ve çeşitli amaçlarla günlük kullanımda büyük bir popülerlik kazanmıştır. Farklılıkları ve fırsatlarıyla robotiğin heyecan verici bir alt dalı olan bacaklı robotlar, robotik sistemlerin kullanımını çeşitlendirme ve yeni alanlara yayma potansiyeline sahiptir. Özellikle bacaklı hareket, belirlenen görevi yerine getirmek için çevik hareketliliğin ve geniş bir hareket yelpazesinin gerekli olduğu mekanik sistemler için arzu edilen bir yetenektir. Öte yandan, tekerlekli robotlardan farklı olarak bacaklı robot platformları, bacakların uçuş ve temas aşamalarından oluşan hibrit dinamik bir yapıya sahiptir. Robot modelindeki hibrit dinamik yapı ve doğrusal olmayan dinamikler, onlar için kontrol uygulamayı ve sistem tanımlamayı yapmayı zorlaştırdığından, literatürde bu problemlerin çözümü için çeşitli yöntemler önerilmiştir. Bu tez, robotik platformların doğada hayvan benzerlerinin yaptığı gibi verimli hareket edecek şekilde tasarlanabilmesi için bacaklı harekete kontrol ve sistem tanımlaması uygulamak için yeni sinir ağı tabanlı teknikler geliştirmeye odaklanmaktadır. Bu tezin ilk bölümünde, iki ayaklı hareket için sinir ağı tabanlı denetleyici geliştirme ve değerlendirme çalışmalarımızı sunuyoruz. Ayrıntılı olarak, tekrarlayan katmanlarda uzun kısa süreli bellek (LSTM) tipi sinir modellerinin kullanıldığı sinirsel kontrolcüler, geri besleme ve ileri besleme yollarında kullanılmaktadır. Denetimli öğrenme veri kümeleri, bu sinir ağlarını eğitmek için bir merkezi örüntü üreteci tarafından kontrol edilen iki ayaklı bir robot platformu kullanılarak üretilmektedir. Daha sonra yapay sinir ağlarının robot platformunu kontrol ederek stabil yürüyüş yapabilme kabiliyeti simülasyon ortamında çeşitli zemin koşulları altında değerlendirilmektedir. Ardından sinir ağlarının ve merkezi örüntü üreteçlerinin kararlı yürüme üretme kapasitesi birbirleriyle karşılaştırılmaktadır. Önerilen sinir ağlarının, eğitimde kullanılan veri kümelerini oluşturmak için kullanılan merkezi örüntü üretecinden daha başarılı yürüyüş kontrolcüleri olduğu gösterilmiştir. İkinci bölümde, iki ayaklı hareket için sistem tanımlamasında sinir ağlarının uçtan uca kullanımına yönelik çalışmalarımızı sunuyoruz. Bu amaçla, bir merkezi örüntü üreteci tarafından kontrol edilen iki ayaklı bir robot modeli kullanılarak denetimli öğrenme veri setleri üretilir. Bundan sonra, sinir ağları, iki ayaklı robot modelinin girdi-çıktı ilişkilerini yaklaşık olarak tahmin etmek için seri-paralel ve paralel sistem tanımlama şemaları altında eğitilmiştir. Ayrıntılı olarak, farklı sinir modelleri ve sinir ağı mimarileri uçtan uca eğitilip, test edilmektedir. Sinir modelleri arasında, LeakyReLU ve LSTM, sistem tanımlaması için sırasıyla en uygun ileri beslemeli ve tekrarlayan nöron türleri olarak bulunmuştur. Ayrıca, tekrarlayan ve ileri beslemeli katmanlardan oluşan sinir ağı mimarisinin, iki ayaklı robot modelinin sistem tanımlaması için öğrenilebilir parametre sayısı açısından verimli olduğu bulunmuştur. Son bölümde, sinir ağları kullanılarak yapılan kontrol ve sistem tanımlama çalışmalarında elde edilen sonuçlar tartışılmaktadır. Elde edilen sonuçlar ışığında, tekrarlayan katmanlara sahip sinir ağları, uçtan uca kontrol ve sistem tanımlaması uygulayabilmektedir. Son olarak, elde edilen sonuçlarla gelecekteki olası araştırma yönleri tartışılarak tez tamamlanmaktır.

Özet (Çeviri)

In recent years, robotic systems have gained massive popularity in the industry, military, and daily use for various purposes, thanks to advancements in artificial intelligence and control theory. As an exciting sub-branch of robotics with their differences and opportunities, legged robots have the potential to diversify and spread the use of robotic systems to new fields. Especially, legged locomotion is a desirable ability for mechanical systems where agile mobility and a wide range of motions are required to fulfill the designated task. On the other hand, unlike wheeled robots, legged robot platforms have a hybrid dynamical structure consisting of the flight and contact phases of the legs. Since the hybrid dynamical structure and nonlinear dynamics in the robot model make it challenging to apply control and perform system identification for them, various methods are proposed to solve these problems in the literature. This thesis focuses on developing new neural network-based techniques to apply control and system identification to legged locomotion so that robotic platforms can be designed to move efficiently as animal counterparts do in nature. In the first part of this thesis, we present our works on neural network-based controller development and evaluation studies for bipedal locomotion. In detail, neural controllers, in which long short-term memory (LSTM) type of neuron models are employed at recurrent layers, are utilized in the feedback and feedforward paths. Supervised learning data sets are produced using a biped robot platform controlled by a central pattern generator to train these neural networks. Then, the ability of the neural networks to perform stable gait by controlling the robot platform is assessed under various ground conditions in the simulation environment. After that, the stable walking generation capacity of the neural networks and the central pattern generators are compared with each other. It is shown that the proposed neural networks are more successful gait controllers than the central pattern generator, which is employed to generate data sets used in training. In the second part, we present our studies on the end-to-end usage of neural networks in system identification for bipedal locomotion. To this end, supervised learning data sets are produced using a biped robot model controlled by a central pattern generator. After that, neural networks are trained under series-parallel and parallel system identification schemes to approximate the input-output relations of the biped robot model. In detail, different neural models and neural network architectures are trained and tested in an end-to-end manner. Among neuron models, LeakyReLU and LSTM are found as the most suitable feedforward and recurrent neuron types for system identification, respectively. Moreover, neural network architecture consisting of recurrent and feedforward layers is found to be efficient in terms of learnable parameter numbers for system identification of the biped robot model. The last part discusses the results obtained in the control and system identification studies using neural networks. In the light of acquired results, neural networks with recurrent layers can apply control and systems identification in an end-to-end manner. Finally, the thesis is completed by discussing possible future research directions with the obtained results.

Benzer Tezler

  1. Tez No

    482320

    Analysis and control of periodic gaits in legged robots

    Bacaklı robotlar için periyodik yürüme davranışlarının analizi ve kontrolü

    HASAN HAMZAÇEBİ

    Doktora

    İngilizce

    İngilizce

    2017

    Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. ÖMER MORGÜL

  2. Tez No

    486723

    Model-based identification and control of a one-legged hopping robot

    Tek-bacaklı zıplayan robot üzerinde model tabanlı tanımlama ve kontrol

    HASAN EFTUN ORHON

    Yüksek Lisans

    İngilizce

    İngilizce

    2018

    Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. ÖMER MORGÜL

  3. Tez No

    879774

    Identification and adaptive control of bipedal robot motion with artificial neural networks

    İki ayaklı robot hareketinin yapay sinir ağları ile tanılanması ve uyarlanabilir kontrolü

    BURAK ÇATALBAŞ

    Doktora

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİhsan Doğramacı Bilkent Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. ÖMER MORGÜL

  4. Tez No

    335613

    Identification and stability analysis of periodic motions for a planar legged runner with a rigid body and a compliant leg

    Esnek bacaklı ve gövde eklenmiş düzlemsel bir bacaklı robotun periyodik hareketlerinin belirlenmesi ve kararlılık analizi

    GÜNEŞ BAYIR

    Yüksek Lisans

    İngilizce

    İngilizce

    2013

    Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent Üniversitesi

    Elektrik ve Elektronik Mühendisliği Bölümü

    PROF. DR. ÖMER MORGÜL

    DOÇ. DR. ULUÇ SARANLI

  5. Tez No

    736251

    Stochastic analysis and adaptive control studies in legged systems

    Bacaklı sistemlerde stokastik analiz ve adaptif kontrol çalışmaları

    GÜNER DİLŞAD ER

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MUSTAFA MERT ANKARALI

    PROF. DR. ULUÇ SARANLI

Geri Dön