TPTF: taşıyıcı dönüştürücü ağlarıyla görsel robotik manipülasyon için küresel algı alanları ve spektral filtrelerin kullanılması
TPTF: leveraging global receptive fields and spectral filters for visual robotic manipulation with transporting transformer networks
- Tez No: 983131
- Danışmanlar: DR. ÖĞR. ÜYESİ SALİH ÖZGÜR ÖĞÜZ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Evrişimli sinir ağları, Işbirlikçi robot, Otonom robotlar, Robot manipülatörleri, Yapay sinir ağları, Convolutional neural networks, Collaborative robot, Autonomous robots, Robot manipulators, Artificial neural networks
- Yıl: 2025
- Dil: İngilizce
- Üniversite: İhsan Doğramacı Bilkent Üniversitesi
- Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Dönüştürücü ağlar, uzun mesafeli özellikler arasındaki karmaşık etkileşimleri yakalayabilen güçlü ve çok yönlü bir araç olarak son zamanlarda ortaya çıkmış ve robotik manipülasyon görevleri için görsel temsil öğrenimine son derece uygun hâle gelmiştir. Bununla birlikte, Taşıyıcı ağları [1] gibi mevcut yoğunluk tahmin modelleri, öncelikle yerel bilgiyi işleyen konvolüsyonel omurga yapılarına dayanmakta ve görev-özel politikaları öğrenmek için birden çok konvolüsyonel gövde gerektirmektedir. Bu çalışmada, Dönüştürücü ağlarının ve alternatif token karıştırma mekanizmalarının kategorik yoğunluk tahmini üzerindeki potansiyelini inceleyerek karmaşık robotik tut-ve-yerleştir görevleri için Taşıyıcı Dönüştürücü ağlarını önermekteyiz. Yaklaşımımız, hem tut hem de tut-bağımlı yerleştir politikalarını öğrenmek amacıyla küresel özelliklerden yararlanmak üzere tek bir kodlayıcı gövdesi kullanır. Artırılmış kapasitesine dayanarak, Ravens veri kümesi üzerinde çok-görevli öğrenme için yeni bir eğitim şeması da tanıtmaktayız. Taşıyıcı Dönüştürücü ağları, nesne-seviyesi varsayımlara ihtiyaç duymadan görsel gözlemlerden doğrudan manipülasyon politikalarını öğrenir ve uzun menzilli uzaysal ilişkilerin etkili modellenmesi sayesinde performansı artırır. Örnek verimliliğini mevcut yöntemlerle karşılaştırılabilir düzeyde tutarken, tek-görevli ve çok-görevli öğrenme ortamlarında üstün performans sergiler.
Özet (Çeviri)
Transformers have recently emerged as a powerful and versatile tool capable of capturing complex interactions among long-distance features, making them highly suitable for learning visual representations for robotic manipulation tasks. However, existing density estimation models, such as Transporter networks [1], rely on convolutional backbones that primarily process local information, requiring multiple convolutional stems to learn task-specific policies. We explore the potential of Transformer networks and alternative token mixing mechanisms for categorical density estimation and propose the Transporting Transformer networks for complex robotic pick-and-place tasks. Our approach employs a single encoder stem to leverage global features for learning both pick and pick-conditioned place policies. Building upon its enhanced capacity, we also introduce a novel training scheme for multi-task learning on the Ravens benchmark. The Transporting Transformer learns manipulation policies directly from visual observations without object-level assumptions, achieving improved performance through effective modeling of long-range spatial relationships. It maintains sample efficiency comparable to existing methods while demonstrating superior performance in both single-task and multi-task learning settings.
Benzer Tezler
- Farklı hasat döneminde toplanmış taze çay yaprağının biyoaktif bileşiklerinin optimize edilerek belirlenmesi ve in-vitro biyoerişilebilirliğinin araştırılması
Determination of the bioactive compounds of fresh tea leaf plucked at different harvest periods by optimization and investigation of bioaccessibility of polyphenols
HIND CHEBBI
Yüksek Lisans
Türkçe
2022
Gıda MühendisliğiBursa Uludağ ÜniversitesiGıda Mühendisliği Ana Bilim Dalı
DOÇ. DR. NİHAL TÜRKMEN EROL
- Agresif periodontitisli bireylerde nötrofil fonksiyonları ve mikrobiyolojik incelemelerin periodontal tedavi öncesi ve sonrası değerlerinin araştırılması
Evaluation of neutrophil functions and microbiological parameters before and after initial periodontal therapy in generalized agressive periodontitis patients
ŞEBNEM DİRİKAN
- Salamuraya işlenen bazı sebzelerde bulunan fenolik bileşiklerin biyoerişilebilirliğinin belirlenmesi
Determination of bioaccessibility of phenolic compounds in some brined vegetables
MÜZEYYEN BERKEL KAŞIKCI
Doktora
Türkçe
2018
Beslenme ve DiyetetikManisa Celal Bayar ÜniversitesiGıda Mühendisliği Ana Bilim Dalı
PROF. DR. NERİMAN BAĞDATLIOĞLU
- Yer fıstığı, kestane ve fındık kabuğu ekstraktlarının eriştenin fenolik madde açısından zenginleştirilmesi amacıyla kullanımı
The use of extracts from peanut, chestnut and hazelnut shells for enhancement of phenolic substances of noodles
MERVE GEÇER
Yüksek Lisans
Türkçe
2022
Gıda MühendisliğiBursa Uludağ ÜniversitesiGıda Mühendisliği Ana Bilim Dalı
DOÇ. DR. NİHAL TÜRKMEN EROL
- Ohmik ısıtma destekli ekstraksiyon yönteminin arı poleninin biyoaktif bileşenleri üzerine etkisinin araştırılması
Investigation of the effect of ohmic heating assisted extraction method on bioactive components of bee pollen
MUHAMMED ALPGİRAY ÇELİK
Doktora
Türkçe
2024
Besin Hijyeni ve TeknolojisiBursa Uludağ ÜniversitesiBesin Hijyeni ve Teknolojisi Ana Bilim Dalı
PROF. DR. GÜL ECE SOYUTEMİZ