Bidirectional multi-step prediction with affordances
Sağlarlıklar ile çift yönlü çok adımlı tahmin
- Tez No: 766090
- Danışmanlar: DOÇ. DR. EMRE UĞUR
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 65
Özet
Sağlarlıklar, bir nesnenin bir aktör tarafından kapasitelerine dayalı olarak doğrudan algılanan eylem olanaklarıdır. Sağlarlıklar, aktörün kapasitelerini hedefsiz keşfetmesi sırasında nesneler üzerindeki aksiyonlarının etkilerini gözlemlemesinden öğrenilir. Aktör daha sonra, belirli bir nesne üzerinde hangi eylemlerin mümkün olduğunu ve hangilerinin istenen etkiyle sonuçlandığını bildiğinden, bir hedefe ulaşmak için planlar yapmak için öğrenilen sağlarlıkları kullanabilir. Bir robotun repertuarındaki hangi eylemlerin çevresindeki bir nesneye uygulanabilir olduğu ve hangi etkiye sahip olduğunu ayırt etmeyi öğrenmek için robotikte de sağlarlık ilkesi izlenir. Bu bilgi daha sonra, doğrudan veya olası çözümler için arama alanını daraltmak amacıyla hedefe yönelik planlamada kullanılabilir. Bu çalışmada, sürekli alanda nesne manipülasyonu için çok adımlı tahminler yapma problemi incelenmiştir. Bir robotun repertuarında çeşitli eylem türleri tanımlanır ve robotun bir masa üstü ortamında farklı niteliklere sahip bir dizi nesneyle etkileşimleri kaydedilir. Nesnenin yukarıdan ortalanmış derinlik görüntüsünün yanı sıra genelleştirilebilirliğe izin veren eylemleri ve etkileri temsil etmek için göreceli mesafe miktarları kullanılır. Bu veriler, etkileri tahmin etmek için eylemler üzerinde, uygulanan eylemleri tahmin etmek için etkiler üzerinde veya eylemleri ve etkileri tahmin etmek için her ikisi üzerinde koşullandırılabilen bir modeli eğitmek için kullanılır. Bu modelin üzerinde bir planlayıcı kullanarak, bir nesnenin istenen hedef konumuna ulaşması için doğru bir eylem dizisini zincirleme kapasitesi elde edilir. Model, deneylerle doğrulanmıştır, makul planları verimli bir şekilde üretir ve yürütür. Daha önceki çalışmalardan farklı olarak, sürekli etki ve eylemlerin kullanılması, planlayıcının, eylemlerin kısmen uygulandığı ve eğitimlerde görülmeyen konfigürasyonlara da çözüm bulmasını sağlar.
Özet (Çeviri)
Affordances are action possibilities of an object, directly perceived by agents based on their capabilities. Affordances are learned from goal-free exploration of the agent's capabilities through observing the effects of their actions on objects in an environment. The agent can then use the learned affordances to make plans to reach a goal since the agent knows which actions on a certain object are possible and which action results in the desired effect. The affordance principle is also followed in robotics to learn to distinguish which actions in the repertoire of a robot are applicable to an object in its environment. This information can then be utilized in goal-directed planning, either directly or with the aim of reducing the search space for possible solutions. In this work, the problem of making multi-step predictions for object manipulation is investigated in the continuous domain. Several types of actions are defined in a robot's repertoire, and the interactions of the robot with a number of objects possessing differing qualities in a tabletop setting are recorded. Relative distance quantities are used for representing actions and effects which allow generalizability, alongside a top-down centered depth image of the object. This data is used to train a model which can be conditioned on actions to predict the effects, conditioned on effects to predict the applied actions, or conditioned on both to predict the actions and effects. By using a planner on top of this model, the capacity to chain together a correct sequence of actions for an object to reach the desired goal position is achieved. The model is verified in experiments, generating and executing reasonable plans efficiently. Setting it apart from previous work, using continuous effect and actions enables the planner to find solutions to configurations that were not observed in training using partial action executions.
Benzer Tezler
- LSTM-based prediction of PM2.5 and PM10 air pollution: A case study of İstanbul, Turkiye
Türkiye'de PM2.5 ve PM10 hava kirliliğinin LSTM ile tahmini: İstanbul örneği
OMAR WISAM AHMED AL-QAYSI
Yüksek Lisans
İngilizce
2024
İnşaat Mühendisliğiİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
Prof. Dr. DURSUN ZAFER ŞEKER
- Derin öğrenme kullanılarak Bilecik ili rüzgar hızı tahmini
Wind speed forecast in Bilecik province using deep learning
BERKAY ÖZKAY
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBilecik Şeyh Edebali ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SALİM CEYHAN
- Elektrik dağıtım sisteminde çok etmenli sisteme dayalı gerilim regülasyonu
Multi agent system based voltage regulation for electrical distribution system
EMRE KÖKSAL
Yüksek Lisans
Türkçe
2018
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÖMER GÜL
- Efficient calibration of a multi-camera measurement system using a target with known dynamics
Çok kameralı bir ölçüm sisteminin bilinen dinamiği olan bir hedef ile kalibre edilmesi
MURAT DENİZ AYKIN
Yüksek Lisans
İngilizce
2008
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik ve Elektronik Mühendisliği Bölümü
YRD. DOÇ. DR. AFŞAR SARANLI
- A bidirectional LMS algorithm for estimation of fast time-varying channels
Zamanla hızlı değişen kanalların kestirimi için iki yönlü LMS algoritması
YAVUZ YAPICI
Doktora
İngilizce
2011
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik ve Elektronik Mühendisliği Bölümü
DOÇ. DR. ALİ ÖZGÜR YILMAZ