Estimating haptic parameters from human preferences: A bayesian active learning approach
İnsan tercihlerinden haptik parametrelerin tahmini: Bayesçi aktif öğrenme yaklaşımı
- Tez No: 997243
- Danışmanlar: DOÇ. DR. BARBAROS YET
- Tez Türü: Yüksek Lisans
- Konular: Bilim ve Teknoloji, Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Science and Technology, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Enformatik Enstitüsü
- Ana Bilim Dalı: Bilişsel Bilim Ana Bilim Dalı (disiplinlerarası)
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Yapay mekanik sistemler aracılığıyla doğal haptik duyumların yeniden üretilmesi robotikte temel bir zorluktur. Haptik cihazlar hassas sayısal parametrelerle kontrol edilirken, insanların doğal nesnelere dair algısı makine değişkenleriyle doğrudan örtüşmeyen öznel fiziksel kavramlara dayanır. Sonuç olarak kullanıcılar, değerleri manuel olarak değiştirerek bir cihazı hedeflenen duyumla eşleşecek şekilde kolayca ayarlayamazlar. Bu zorluğu çözmek için, gerçek duyumlara karşılık gelen haptik parametreleri insan geri bildirimine dayalı olarak öğrenmek amacıyla Bayesçi tercih öğrenme yöntemi benimsenmiştir. Bu yaklaşım, insanların mutlak tahminlere kıyasla daha düşük gürültü oranıyla göreli yargılarda bulunabilmesi nedeniyle ikili karşılaştırmaları kullanmaktadır. Altta yatan fonksiyon yapısının bilinmediği durumlarda etkili bir yöntem olması nedeniyle insanların tercih fonksiyonu Gauss Süreçleri kullanılarak modellenmiştir. Ayrıca, bilgi kazancını maksimize ederek modelin yakınsamasını hızlandırmak ve karşılaştırma çiftlerini akıllıca seçmek için bir Aktif Öğrenme çerçevesi kullanılmıştır. Bu araştırmanın temel amacı, modelin ikili karşılaştırmalar yoluyla referans bir duyumun gerçek mekanik parametrelerine yakınsama verimliliğini değerlendirmektir. Çalışma, değişken sayısı arttıkça modelin yakınsamasının nasıl değiştiğini incelemekte ve koaktif geri bildirimin süreci hızlandırıp hızlandırmadığını değerlendirmektedir. Sonuç olarak bu çalışma, insan tercihlerini Bayesçi bir çerçeveye entegre etmenin, bilişsel açıdan rahat etkileşimleri korurken fiziksel duyumların doğru bir şekilde yeniden üretilmesini kolaylaştırdığını göstermektedir.
Özet (Çeviri)
Reproducing natural haptic sensations through artificial mechanical systems is a fundamental challenge in robotics. While haptic devices are controlled by precise numerical parameters, human perception of natural objects relies on subjective physical concepts that do not map directly to machine variables. Consequently, users cannot easily tune a device to match a target sensation by manually adjusting values. To solve this challenge, a Bayesian preference learning method is adopted to learn haptic parameters corresponding to real sensations based on human feedback. This approach utilizes pairwise comparisons, as humans make relative judgments with lower noise compared to absolute estimation. The human preference function is modeled using Gaussian Processes (GP), as this method is effective when the latent function's structure is unknown. An Active Learning framework is also adopted to intelligently select comparison pairs in order to speed up the model's convergence by maximizing information gain. The primary objective of this research is to evaluate the model's efficiency in converging to the true mechanical parameters of a reference sensation through pairwise comparisons. The study examines how the model's convergence changes as the number of variables increases, and evaluates whether coactive feedback speeds up the process. Overall, this study demonstrates that integrating human preferences into a Bayesian framework facilitates accurate replication of physical sensations while maintaining cognitively comfortable interactions.
Benzer Tezler
- Kenar uyumlu kalman filtreleme ile görüntü onarımı
Başlık çevirisi yok
ŞEBNEM ÖZBOYACI
Yüksek Lisans
Türkçe
1995
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiY.DOÇ.DR. M. ERTUĞRUL ÇELEBİ
- Transparency and stability performance improvement in haptic devices
Haptik cihazlarda şeffaflık ve kararlılık performansının iyileştirilmesi
ÖZGÜR BAŞER
Doktora
İngilizce
2012
Makine MühendisliğiOrta Doğu Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. ERHAN İLHAN KONUKSEVEN
- Investigation of human-like haptic interaction between flying and ground robots
Uçan ve yer robotları arasındaki insan benzeri dokunsal etkileşimin araştırılması
HATEM AK
Yüksek Lisans
İngilizce
2024
Makine MühendisliğiOrta Doğu Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALİ EMRE TURGUT
DR. ÖĞR. ÜYESİ KUTLUK BİLGE ARIKAN
- A novel gripper design based on series elastic actuator for object recognition and manipulation
Nesne tanıma ve manipülasyon için seri elastik eyleyici çalışma prensibine dayanan yeni bir uç eyleyici tasarımı
OZAN KAYA
Doktora
İngilizce
2023
Mekatronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. ŞENİZ ERTUĞRUL
- Deep learning for force estimation and haptic feedback in robotic surgery
Robotik cerrahide kuvvet kestirimi ve haptik geri bildirim için derin öğrenme
NURAL YILMAZ
Doktora
İngilizce
2024
Makine MühendisliğiMarmara ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. UĞUR TÜMERDEM