Classical and learning-based multi-goal ordering and path planning for mobile robots
Mobil robotlar için klasik ve öğrenme tabanlı çoklu hedef sıralama ve yol planlama
- Tez No: 972446
- Danışmanlar: PROF. DR. MUSTAFA ÜNEL
- Tez Türü: Yüksek Lisans
- Konular: Otomotiv Mühendisliği, Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Mekatronik Mühendisliği, Automotive Engineering, Computer Engineering and Computer Science and Control, Mechatronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Sabancı Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Mekatronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Mekatronik Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Otonom mobil robotikte, bir robotun uzamsal olarak dağılmış hedef noktaları en uygun sırayla ziyaret etmesini gerektiren çoklu hedef sıralama ve yol planlama problemi hâlâ önemli bir zorluktur. Bu çalışmada, bu soruna yönelik iki yaklaşım sunulmaktadır: biri klasik geometrik temelli, diğeri ise geleneksel makine öğrenimi veya transformer tabanlı yöntemler içeren öğrenmeye dayalı bir yaklaşımdır. Klasik yaklaşım, ziyaret sıralarını çıkarsamak için standart mesafe ölçümlerine olan bağımlılığı azaltan, bir mesafe ve iki açı paradigmasına dayalı yenilikçi bir sıralama stratejisi sunar. Bu strateji, bilgisayar grafiğinden ilham alınarak geliştirilmiş ve ızgara tabanlı ortamlarda sıkça görülen zikzakları ve ara noktaları ortadan kaldırarak yolları daha pürüzsüz ve verimli hâle getiren A* algoritması ile birleştirilmiştir. Öğrenme tabanlı yaklaşımlar ise iki model içerir. İlki, mesafeler ve açılar gibi geometrik desenleri yakalayan, optimal çözümlerden elde edilen el yapımı özniteliklerle eğitilen geleneksel bir makine öğrenimi modelidir. İkincisi, CNN, İlişkisel Transformer ve geometrik bağlamdan türetilen özniteliklerle eğitilmiş bir transformer modelidir. Her iki model de daha önce görülmemiş ve büyük ölçekli senaryolarda yüksek genelleme başarısı göstererek neredeyse optimal sıralamaları etkili biçimde tahmin eder. Kamusal ve sentetik veri kümeleri üzerindeki kapsamlı değerlendirmeler, önerilen yöntemlerin mevcut çözümleri mesafe, yol düzgünlüğü ve çalışma süresi açısından geçtiğini göstermektedir.
Özet (Çeviri)
In autonomous mobile robotics, solving the multi-goal ordering and path planning problem—where a robot must visit spatially distributed goal nodes in an optimal sequence—remains challenging. This study presents two approaches to address it: a classical geometry-based method and a learning-based solution using either traditional machine learning or transformers. The classical approach introduces a novel ordering strategy based on a one-distance-two-angles paradigm, reducing reliance on standard distance metrics by using geometric reasoning to infer visit sequences. This is combined with an enhanced A* algorithm, inspired by computer graphics, that removes redundant zigzags and intermediate points common in grid environments, yielding smoother, more efficient paths without added computational cost. The learning-based methods include two models for predicting goal orders. The first is a traditional machine learning model trained on hand-crafted features from brute-force optimal solutions, capturing geometric patterns like distances and angles. The second is a transformer model trained on features extracted from CNNs, Relational Transformers, and geometric context. Both models generalise well to unseen and large-scale scenarios, effectively predicting near-optimal visit sequences. Extensive evaluations on public datasets and synthetic environments benchmark our methods against state-of-the-art solutions. Results show that both classical and learning-based approaches outperform existing methods in distance cost, path smoothness, and runtime. The proposed methods also exhibit strong scalability and reproducibility across varied problem instances.
Benzer Tezler
- Konfeksiyon fabrikalrında yazılım tabanlı üretim ve takip otomasyonları
Başlık çevirisi yok
HAMDİ İNAN
Yüksek Lisans
Türkçe
1996
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiDOÇ.DR. FÜSUN TUNALI
- Deep reınforcement learnıng based hybrıd goalassıgned multı agent path plannıng ın dynamıcenvıronments
Dinamik ortamlarda derin pekiştirmeli öğrenme tabanlıhibrit hedef atamalı çok ajanlı yol planlama
BARIŞ ALMAÇ
Yüksek Lisans
İngilizce
2025
Mühendislik BilimleriSabancı ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA ÜNEL
- Anomaly detection in ınternet of medical things using deep learning
Anomaly detect ionin internet of medical things using deep learning
AYŞE BETÜL BÜKEN
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
PROF. DR. DEVRİM AKGÜN
- Kısmi diferansiyel denklemleri çözmek için kuantum makine öğrenmesi algoritmaları
Quantum machine learning algorithms for solving partial differential equations
AFRAH NAJIB ABDULLAH FAREA
Doktora
İngilizce
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilişim Ana Bilim Dalı
PROF. DR. MUSTAFA SERDAR CELEBİ