|
|
Plánování cesty autonomního lokomočního robotu na základě strojového učení
Krček, Petr ; Bělohoubek, Pavel (oponent) ; Štefek, Alexandr (oponent) ; Žalud, Luděk (oponent) ; Dvořák, Jiří (vedoucí práce)
Jak již plyne z názvu, tato disertační práce se zabývá plánováním cesty autonomního lokomočního robotu na základě strojového učení. Úkolem plánování cesty robotu je nalezení cesty z počáteční do cílové pozice bez kolize s překážkami tak, aby ohodnocení cesty bylo minimální. Autonomní robot je takový stroj, který je schopen vykonávat úkoly zcela samostatně i v prostředích s dynamickými změnami. Plánování cesty v dynamickém částečně známém prostředí je však obtížným problémem. Schopnost autonomního robotu přizpůsobovat svoje chování změnám prostředí může být zajištěna pomocí metod strojového učení. V souvislosti s plánováním cesty se z metod strojového učení uplatňují především případové usuzování, neuronové sítě, posilované učení, rojová inteligence a genetické algoritmy. Prvá část disertační práce seznamuje čtenáře se současným stavem výzkumu v oblasti plánování cesty. Přehled metod je věnován základním všesměrovým robotům i robotům, na které jsou kladena diferenciální omezení. V práci je navržena řada metod pro plánování cesty všesměrových robotů i robotů s diferenciálním omezením. Tyto navržené metody jsou založeny především na případovém usuzování a genetických algoritmech. Všechny navržené metody byly implementovány v simulačních aplikacích. Výsledky experimentů prováděných v těchto aplikacích jsou součástí této práce. U každého experimentu je proveden rozbor výsledků. Z experimentů plyne, že navržené metody jsou schopné konkurovat běžně používaným metodám, neboť ve většině případů dosahují lepších výsledků.
|
|
|
Plánování cesty autonomního lokomočního robotu na základě strojového učení
Krček, Petr ; Bělohoubek, Pavel (oponent) ; Štefek, Alexandr (oponent) ; Žalud, Luděk (oponent) ; Dvořák, Jiří (vedoucí práce)
Jak již plyne z názvu, tato disertační práce se zabývá plánováním cesty autonomního lokomočního robotu na základě strojového učení. Úkolem plánování cesty robotu je nalezení cesty z počáteční do cílové pozice bez kolize s překážkami tak, aby ohodnocení cesty bylo minimální. Autonomní robot je takový stroj, který je schopen vykonávat úkoly zcela samostatně i v prostředích s dynamickými změnami. Plánování cesty v dynamickém částečně známém prostředí je však obtížným problémem. Schopnost autonomního robotu přizpůsobovat svoje chování změnám prostředí může být zajištěna pomocí metod strojového učení. V souvislosti s plánováním cesty se z metod strojového učení uplatňují především případové usuzování, neuronové sítě, posilované učení, rojová inteligence a genetické algoritmy. Prvá část disertační práce seznamuje čtenáře se současným stavem výzkumu v oblasti plánování cesty. Přehled metod je věnován základním všesměrovým robotům i robotům, na které jsou kladena diferenciální omezení. V práci je navržena řada metod pro plánování cesty všesměrových robotů i robotů s diferenciálním omezením. Tyto navržené metody jsou založeny především na případovém usuzování a genetických algoritmech. Všechny navržené metody byly implementovány v simulačních aplikacích. Výsledky experimentů prováděných v těchto aplikacích jsou součástí této práce. U každého experimentu je proveden rozbor výsledků. Z experimentů plyne, že navržené metody jsou schopné konkurovat běžně používaným metodám, neboť ve většině případů dosahují lepších výsledků.
|
host ::
RSS.