Geri Dön

Otonom robotlarda yapay sinir ağları ile navigasyon uygulaması

Navigation application on autonomous robots using artificial neural networks

PDF İndir

  1. Tez No: 842148
  2. Yazar: ALPER HÜSEYİN DOĞAN
  3. Danışmanlar: DR. ÖĞR. ÜYESİ TARIK VELİ MUMCU
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: İstanbul Üniversitesi-Cerrahpaşa
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Elektrik Elektronik Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 65

Özet

Otonom robotlar, kapalı iç mekan gibi kompleks ortamlarda hareket kabiliyetine sahip olduklarından ötürü, güzergah belirleme ve sürekli hareket planlama problemleri ile başa çıkarken önemli zorluklarla karşı karşıya kalmaktadır. Bu karmaşık problemler, iç mekanları da kapsayacak şekilde çok çeşitli uygulama ortamlarında, statik engellerin bulunduğu koridorlar, odalar ve benzeri alanlarda ortaya çıkmaktadır. Bu karşılaşılan zorlukların üstesinden gelebilmek adına, çevreyi daha küçük alanlara bölmek ve her bir alan için en uygun çözüm yolunu uygulamak, güzergah belirleme problemlerine daha kaliteli yöntemler geliştirme potansiyelini ortaya çıkarmaktadır. Bu sebeple, birden fazla bölgeye uygulanabilen en iyi çözümleri sunma amacıyla birtakım algoritmalar geliştirilmiştir. Günümüzde navigasyon uygulamaları belirli bir olgunluğa ulaşmış ve bu nedenle araştırmalar, daha ileri seviye görevlere odaklanmış durumdadır. Bu tür görevlerde başarıya ulaşmak, genellikle yapay zeka ve geleneksel yaklaşımların dikkatli bir şekilde incelenmesini gerektirir. Geleneksel yöntemler arasında Voronoi diyagramları, potansiyel alanlar gibi yöntemler yer almaktadır. Voronoi diyagramları, engelleri tanımlamak ve robotların güzergahlarını optimize etmek için matematiksel bir yaklaşım önerir. Potansiyel alanlar, robotların güzergahlarını belirlemek ve engellerden kaçınmalarını sağlamak için potansiyel alan hesaplamalarını kullanır. Yapay zeka yöntemleri de otonom robotların bu karmaşık problemleri çözüme kavuşturması için yardımcı birçok farklı teknik sunmaktadır. Bu teknikler arasında; genetik algoritmalar, yapay sinir ağları gibi teknikler bulunur. Genetik algoritmalar, optimizasyon problemlerini çözmek için doğal seçilim prensiplerini kullanır ve güzergahları daha iyi hale getirir. Yapay sinir ağları, robotların öğrenme yetilerini geliştirir ve içinde bulundukları ortamı daha iyi anlamalarına yardımcı olur. Burada bahsedilen ve diğer yapay zeka teknikleri otonom robotların iç mekanlardaki hareketini daha etkili hale getirme potansiyeli sunar. Bu çalışmayı yürütmenin arkasındaki motivasyon, robotlarda otonom navigasyon uygulamalarını geliştirmek için makine öğrenimi alanındaki ilerlemeleri kullanmaktır. Bu çalışmada iç mekan otonom robot navigasyonu için kullanılan yol bulma tekniklerinin karşılaştırmalı simülasyon analizi yapılmıştır. Çalışmada kullanılan algoritmalar; potansiyel alan, Voronoi diyagramı, A*, genetik algoritma ve yapay sinir ağları olmak üzere farklı tekniklerden oluşmaktadır. Bu teknikler geleneksel ve yapay zeka yöntemleri olarak iki farklı kategoride değerlendirilmiştir. Karşılaştırma için kullanılan algoritmaların iki boyutlu kartezyen koordinatlara sahip ayrık bir harita üzerinde performanslarının değerlendirmesini yapmaktır. Çalışma sonucunda, geleneksel tekniklerin doğrusal olmama özelliğiyle karakterize edilen gerçek dünya problemlerinin incelikleriyle başa çıkmada sınırlı performans gösterdiği ve yetersiz olduğu görülmüştür. Diğer yandan, yapay zeka yöntemlerinin kullanımı, karmaşık navigasyon görevlerini daha kolay ve güçlü bir şekilde ele alma yeteneklerini kanıtlayarak engellerin aşılmasındaki hayati katkılarını vurgulamıştır.

Özet (Çeviri)

Autonomous robots face significant challenges in path planning and continuous motion planning in indoor environments due to their ability to navigate within these complex spaces. These complex problems arise in a wide range of application environments, including indoor areas with static obstacles such as corridors, rooms, and similar spaces. To overcome these challenges, dividing the environment into smaller areas and applying the most suitable solution for each area can potentially lead to the development of higher-quality methods for path planning. Consequently, a range of algorithms has been formulated with the objective of delivering optimal solutions applicable across various regions. Today, navigation applications have evolved to achieve a significant level of advancement in the field, and therefore, research has shifted towards more advanced tasks. Achieving success in such tasks often requires a careful examination of both artificial intelligence and traditional approaches. Traditional methods include Voronoi diagrams, potential fields etc. Voronoi diagrams propose a mathematical approach to define obstacles and optimize robot paths. Potential fields use potential field calculations to determine robot paths and avoid obstacles. Artificial intelligence methods offer a variety of techniques to help autonomous robots solve these complex problems. These techniques include genetic algorithms, artificial neural networks, and more. Genetic algorithms employ the principles of natural selection to solve optimization problems and improve paths. Artificial neural networks enhance the learning capabilities of robots and help them better understand their surroundings. The techniques mentioned here, along with others, possess the capacity to make the movement of autonomous robots indoors superior in terms of efficacy. The motivation of this research is to use progressions in machine learning to improve autonomous navigation applications in robots. This study performed a simulation analysis comparing of path finding techniques used for indoor robot navigation. The algorithms studied contain different techniques; potential field, Voronoi diagram, A*, genetic algorithm and artificial neural networks. These techniques are categorised as traditional and artifical intelligence methods. This research aims to assess the efficacy of the algorithms used for comparison on a discrete map with two-dimensional cartesian coordiates. However, traditional techniques were found to be limited and insufficient in coping with the intricacies of real-world situations characterised by non-linearity. The use of these artificial intelligence methods proved their ability to handle complex navigation tasks with greater ease and strength, highlighting their vital contribution in overcoming obstacles.

Benzer Tezler

  1. Tez No

    895238

    Developing mobile robot obstacle avoidance methods with model-based and learning-based methods

    Mobil robotlarda model tabanlı ve öğrenme tabanlı engelden kaçınma yöntemleri geliştirilmesi

    AYKUT ÖZDEMİR

    Doktora

    İngilizce

    İngilizce

    2023

    Mekatronik Mühendisliğiİstanbul Teknik Üniversitesi

    Mekatronik Ana Bilim Dalı

    PROF. DR. OVSANNA SETA ESTRADA

  2. Tez No

    268854

    Unstructured road recognition and following for mobile robots via image processing using anns

    Hareketli robotlar için yapay sinir ağları kullanılarak görüntü işleme ile düzensiz yol tanıma ve takibi

    RASİM AŞKIN DİLAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2010

    Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik Üniversitesi

    Makine Mühendisliği Bölümü

    YRD. DOÇ. DR. AHMET BUĞRA KOKU

    YRD. DOÇ. DR. ERHAN İLHAN KONUKSEVEN

  3. Tez No

    213197

    Controlling a non-holonomic vehicle via artificial neural networks

    Holonomik olmayan araçların yapay sinir ağları ile kontrolü

    AYTAÇ GÖREN

    Doktora

    İngilizce

    İngilizce

    2007

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDokuz Eylül Üniversitesi

    Makine Teorisi ve Dinamiği Ana Bilim Dalı

    PROF.DR. EROL UYAR

  4. Tez No

    637482

    Multi-agent coverage control with adaptation to performance variations and imprecise localization

    Çok etmenli sistemlerde performans değişimlerine adaptasyonu ve konumlama belirsizliğini göz önüne alan kapsama kontrolü

    MERT TURANLI

    Doktora

    İngilizce

    İngilizce

    2020

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı

    PROF. DR. HAKAN TEMELTAŞ

  5. Tez No

    780168

    Robot kolu ile hareketli nesnenin segmentasyonu ve kavranması için derin öğrenme tabanlı bir yaklaşım

    A deep learning based approach for segmentation and gripping of moving object with robot arm

    KÜRŞAD UÇAR

    Doktora

    Türkçe

    Türkçe

    2022

    Elektrik ve Elektronik MühendisliğiSelçuk Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. HASAN ERDİNÇ KOÇER

Geri Dön