Název:
Plánování pohybu robota typu hexapod
Překlad názvu:
Movement Planning of a Hexapod Robot
Autoři:
Hostačná, Kristína ; Šátek, Václav (oponent) ; Rozman, Jaroslav (vedoucí práce) Typ dokumentu: Bakalářské práce
Rok:
2024
Jazyk:
eng
Nakladatel: Vysoké učení technické v Brně. Fakulta informačních technologií
Abstrakt: [eng][cze]
Táto práca predstavuje riešenie na dosiahnutie autonómnej navigácie šesťnohých robotov k cieľu v zornom poli pomocou neurónových sietí. Toto riešenie bolo implementované na dvoch verziách robotov – jednoduchý dizajn s dvoma kĺbmi na každej nohe a zložitejší dizajn s tromi kĺbmi na každej nohe. Hlavná výzva tohto problému - tj. zložitosť ovládania viacerých kĺbov narástla, aby sa umožnil širší rozsah pohybov a tým aj zväčšenie možností využitia robota. Metodológia výskumu zahŕňa využitie experimentov v simulácii aj v reálnom svete na modelovanie a zber údajov. Údaje z rôznych senzorov, vrátane kamier a pozícií serv, sú využité na trénovanie modelov neurónových sietí schopných interpretovať senzorické vstupy a generovať riadiace signály pre aktuátory robota. Základná architektúra neurónovej siete bola spočiatku nasadená pre obe konfigurácie, zatiaľ čo sofistikovanejší prístup zahŕňajúci konvolučné a rekurentné neurónové siete bol použitý neskôr. Vo výsledku, trénované neurónové siete demonštrujú schopnosť navigácie k cieľu.
This thesis presents neural network solution for achieving autonomous navigation to seen target in hexapod robots. This solition was implemented on two designs - a simple design with two joints per leg and a more complex design with three joints per leg. Major challenge of hexapod locomotion - the complexity of controlling more joints was therefore increased to enable a wider range of motions and therefore uses for the robot. Research methodology involves both a simulation and a real-world experimentation, for modeling and data collection. Data from various sensors, including cameras and servo positions, are utilized to train neural network models capable of interpreting sensory inputs and generating control signals for the robot's actuators. A basic neural network architecture is initially deployed for both configurations, while a more sophisticated approach incorporating convolutional and recurrent neural networks is employed later. Ultimately, the trained neural networks demonstrate capability of navigation to target.
Klíčová slova:
Convolutional Neural Networks; Hexapod; Liquid Neural Networks; Robot Operating System; Simulation; Hexapod; Konvolučné neurónové siete; Robotický operačný systém; Simulácia; Tekuté neurónové siete
Instituce: Vysoké učení technické v Brně
(web)
Informace o dostupnosti dokumentu:
Plný text je dostupný v Digitální knihovně VUT. Původní záznam: https://hdl.handle.net/11012/246931