A machine learning and robotic simulation framework for the generation and assembly of structures using discrete irregular elements
Ayrık düzensiz elemanlarla yapıların oluşturulması ve montajı için makine öğrenmesi ve robot simülasyonu tabanlı bir çerçeve
- Tez No: 948455
- Danışmanlar: PROF. DR. ARZU SORGUÇ
- Tez Türü: Yüksek Lisans
- Konular: Mimarlık, Architecture
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Mimarlık Ana Bilim Dalı
- Bilim Dalı: Yapı Bilimleri Bilim Dalı
- Sayfa Sayısı: 146
Özet
Mimari yapılar, modülerlikle ilişkilendirilen yığma yapılar da dahil olmak üzere farklı tekniklerle inşa edilebilmektedir. Yığma yapıların ana mantığı, düzenli/konvansionel ve düzensiz/alışılmadık olabilen çeşitli seçeneklere sahip ayrı birimleri bir araya getirmektir. Düzensizlik açısından değerlendirmek gerekirse, kurtarılan malzemeler gibi mevcut bulunan malzemeler, hassasiyet konusunda zorlayıcı olabilecek yaratıcı konfigürasyonlar için uygun olabilmektedir. Bu araştırma, ayrı birimleri birleştirmek için uzun zamandır bilinen bir teknik olan stereotomik bir yaklaşımı benimseyerek bahsedilen zorluğu ele alan literatüre katkıda bulunmayı amaçlamaktadır. Makine öğrenmesi ve derin öğrenme yöntemleri, yani karar ağaçları, K-ortalamalar modeli ve evrişimli sinir ağları (CNN'ler), konfigürasyon oluşturma sürecini ilerletmek için kullanılmaktadır ve son konfigürasyonu birleştirmek için robot simülasyonu kullanılması önerilmektedir. Yığma duvar görselleri, stereotomi ve istiflemenin özelliklerini yansıtabildiklerinden dolayı veri kümesini oluşturmak için seçilmiştir. Görselleri toplayıp kalitelerine göre eledikten sonra, ana veri kümesi için toplam 393 görsel kullanılmıştır. Karar ağacı , Kısıtlanmış K-ortalamalar ve CNN modellerini eğitmek için kullanılan görüntülerin özelliklerini çıkarmak için bir kenar algılama algoritmasını kullanan bir veri ön işlemesi uygulanmaktadır. Bu modellerden oluşan bir iş akısı, son konfigürasyonlar için olası temel desenleri algılamak üzere önerilmiştir. Bu araştırmada, stereotomik ilkelerle ilgili bir dizi geometrik işlem, tahmin ve yerleştirme algoritmasına dayanan önerilen iş akışının, robot simülasyonunda birleştirilebilecek bir dizi ayrı eleman için ikna edici konfigurasyonların oluşturulabildiği gösterilmiştir.
Özet (Çeviri)
Architectural structures are built by different techniques including masonry which is associated with modularity. The main idea of masonry is composing discrete units with various options that could be both regular/conventional and irregular/non-conventional to build a structure. In terms of irregularity, existing materials like salvage materials can be suitable for innovative configurations that could be challenging due to the precision problem. This research intends to contribute to the literature that addresses this challenge by adopting a stereotomic approach which is a long-established technique for combining discrete units. Machine learning (ML) and deep learning (DL) methods namely, decision tree, K-means clustering, and convolutional neural networks (CNNs) are used to advance the process of creating the intended configurations, and robotics is used to assemble them in a simulation environment. Masonry wall images are selected to comprise the dataset since they could reflect the properties of both stereotomy and stacking. After gathering and eliminating the images based on quality, a total of 393 images were used for the main dataset. A data preprocessing focusing on an edge detection algorithm is applied to extract the features of the pattern that are used to train the decision tree, K-means, and CNN models. A pipeline consisting of these models, mainly the decision tree model is proposed to detect possible base patterns for the final configurations that are created with a placement algorithm. It is shown in this research that the proposed pipeline based on a series of geometric operations, predictions, and a placement algorithm regarding stereotomic principles gives compelling configurations for a set of discrete pieces that can be further assembled by robot simulation.
Benzer Tezler
- Deep reinforcement learning approach in control of Stewart platform- simulation and control
Stewart platformunun kontrolünde derin pekistirmeli öğrenme yaklaşımıc- simülasyon ve kontrol
HADI YADAVARI
Doktora
İngilizce
2023
Mekatronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. SERHAT İKİZOĞLU
DR. ÖĞR. ÜYESİ VAHİT BARIŞ TAVAKOL
- Design & development of autonomous beach cleaning vehicle
Otonom plaj temizleme aracının tasarımı ve geliştirilmesi
MAHDI ALLAOUA SEKLAB
Yüksek Lisans
İngilizce
2024
Makine MühendisliğiAltınbaş ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. SÜLEYMAN BAŞTÜRK
- Fractional-order derivative based adaptive methods for control and optimization
Kontrol ve optimizasyon için kesir mertebeli türev tabanlı adaptif yöntemler
MERT CAN KURUCU
Doktora
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
PROF. DR. MÜJDE GÜZELKAYA
PROF. DR. İBRAHİM EKSİN
- Leveraging ai in construction management
İnşaat proje yönetiminde yapay zekadan faydalanma
BARAN AKOL
Yüksek Lisans
İngilizce
2024
Mimarlıkİstanbul Teknik ÜniversitesiMimarlık Ana Bilim Dalı
DOÇ. DR. FATMA PINAR ÇAKMAK
- Mariot: an authoring framework for creating iot applications with mobile augmented reality
Marıot: mobil artırılmış gerçeklik ile nesnelerin interneti uygulamaları üretmek için bir yapılandırma çerçevesi
MERAL KUYUCU
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÖKHAN İNCE