Learning from demonstration and adaptive shared control for effective human-robot collaboration
Etkili insan-robot işbirliği için gösterimden öğrenme ve adaptif paylaşımlı kontrol
- Tez No: 928376
- Danışmanlar: Prof. Dr. ERHAN ÖZTOP
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Özyeğin Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 145
Özet
This thesis explores human-robot shared control systems and the use of learning from demonstration methods to transfer skills from humans to robots. The initial investigation focuses on human adaptation to these systems, revealing that shared control helps humans learn tasks faster and adapt more effectively to robot behavior. Building on these findings, an adaptive blended human-robot shared control frame- work is proposed and assessed, emphasizing the importance of defining the scope of knowledge for the robot to accurately estimate human intention. This framework dy- namically adjusts control weights based on the confidence of this estimate, optimizing the interaction between human and robot. Real-time estimation of human intentions allows the robot to adjust its role, whether passive, leading, or collaborative. The framework is applied to a surgical suturing task, demonstrating its effectiveness in improving performance. By combining human precision with robotic support, the sys- tem enhances both efficiency and accuracy, underscoring the effectiveness of adaptive control systems that integrate human expertise with autonomous capabilities. Additionally, Context-based Echo State Networks (CESNs) are introduced as a lightweight solution for generating movement primitives in robotics. CESNs leverage context vectors to modulate reservoir dynamics, producing varied movement patterns with a single linear read-out weight vector. CESNs' computational efficiency, minimal training requirements, and resilience to noise and delays make them a promising learning from demonstration method for robotic applications.
Özet (Çeviri)
Bu tez, insan-robot payla ̧sımlı kontrol sistemlerini ve insanlardan robotlara beceri ak- tarımını sa ̆glamak i ̧cin go ̈sterimden ̈og ̆renme yo ̈ntemlerinin kullanımını ara ̧stırmaktadır. I ̇lk inceleme, bu sistemlere insan uyumuna odaklanarak, payla ̧sımlı kontrolu ̈n in- sanların go ̈revleri daha hızlı ̈og ̆renmesine ve robot davranı ̧sına daha etkili uyum sag ̆lamasına yardımcı oldug ̆unu ortaya koymaktadır. Bu bulgular u ̈zerine in ̧sa edilen uyarlanabilir bir harmanlanmı ̧s insan-robot payla ̧sımlı kontrol c ̧er ̧cevesi o ̈nerilmi ̧s ve deg ̆erlendirilmi ̧stir. C ̧alı ̧sma robotun insan niyetini do ̆gru bir ̧sekilde tahmin etmesi i ̧cin bilgi kapsamının tanımlanmasının ̈onemini vurgulamaktadır. Bu ̧cer ̧ceve, bu tah- minin gu ̈venilirlig ̆ine dayanarak kontrol ag ̆ırlıklarını dinamik olarak ayarlayarak insan ve robot etkile ̧simini optimize eder. Geli ̧stirilen sistem insan niyetlerinin ger ̧cek za- manlı tahmini, robotun pasif, lider veya i ̧sbirlik ̧ci olsun, rolu ̈nu ̈ ayarlamasına olanak tanır. C ̧er ̧ceve, cerrahi diki ̧s atma go ̈revine uygulanmı ̧s ve performansı artırmadaki etkinlig ̆ini g ̈ostermi ̧stir. I ̇nsan hassasiyeti ile robotik deste ̆gi birle ̧stirerek, sistem hem verimlilig ̆i hem de dog ̆rulu ̆gu artırır ve insan uzmanlı ̆gı ile otonom yetenekleri entegre eden uyarlanabilir kontrol sistemlerinin etkinli ̆gini vurgular. Ek olarak, bu tezde bag ̆lam Tabanlı Yankı Durum A ̆gları (CESN'ler), robotikte hareket primitifleri u ̈retmek i ̧cin hafif bir ̧co ̈zu ̈m olarak geli ̧stirilmi ̧stir. CESN'ler, rezervuar dinamiklerini modu ̈le etmek i ̧cin bag ̆lam vekt ̈orlerinden yararlanarak tek bir dog ̆rusal okuma ag ̆ırlık vekto ̈ru ̈ ile ̧ce ̧sitli hareket kalıpları u ̈retir. CESN'lerin hesaplama verimlili ̆gi, minimal e ̆gitim gereksinimleri ve gu ̈ru ̈ltu ̈ ve gecikmelere kar ̧sı dayanıklılı ̆gı, onları robotik uygulamalar i ̧cin go ̈sterimden ̈og ̆renme yo ̈ntemi olarak umut verici kılmaktadır.
Benzer Tezler
- Robot skill acquisition via representation sharing and reward conditioning
Robotların temsil paylaşımı ve ödül koşullanması yoluyla beceri kazanmaları
METE TULUHAN AKBULUT
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. EMRE UĞUR
- The interplay of students' perceptions of classroom goal structures, personal goal orientations and learning related variables
Öğrencilerin öğrenme ortamı hedef algıları, kişisel hedef yönelimleri ve öğrenme ile ilgili değişkenler arasındaki ilişki
YASEMİN TAŞ
Yüksek Lisans
İngilizce
2008
Eğitim ve ÖğretimOrta Doğu Teknik ÜniversitesiEğitim Bilimleri Bölümü
DOÇ. DR. CEREN TEKKAYA
- Robotic skill learning from very few demonstrations
Başlık çevirisi yok
CEM ETEKE
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKoç ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BARIŞ AKGÜN
- Şebeke etkileşimli tüketiciler ile toplu talep yönetimi
Aggregated demand side management with grid responsive consumers
MUSTAFA ALPARSLAN ZEHİR
Doktora
Türkçe
2019
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA BAĞRIYANIK
- Comperative evaluation of unsupervised fraud detection algorithms with feature extraction and scaling in purchasing domain
Satın alma alanında özellik çıkarma ve ölçekleme ile denetimsiz sahtekarlık tespit algoritmalarının karşılaştırmalı değerlendirmesi
YİĞİT CAN TAŞOĞLU
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiVeri Analitiği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET ALİ ERGÜN