شماره کتابشناسی ملی
شماره
۲۰۷۷۱پ
زبان اثر
زبان متن نوشتاري يا گفتاري و مانند آن
per
عنوان و نام پديدآور
عنوان اصلي
ارائه یک الگوریتم هوشمند کارآمد مبتنی بر روش‌های یادگیری ماشین برای تصاحب توپ متحرک و شوت کردن هدفمند به سمت دروازه توسط ربات انسان‌نمای فوتبالیست
عنوان اصلي به زبان ديگر
Providing an Effective Intelligent Algorithm Based-on Machine Learning methods to take over the moving Ball and Purposefully Shooting to Goal by Humanoid Robot
نام نخستين پديدآور
/معصومه جعفری
وضعیت نشر و پخش و غیره
نام ناشر، پخش کننده و غيره
: مهندسی برق و کامپیوتر
تاریخ نشرو بخش و غیره
، ۱۳۹۷
نام توليد کننده
، افشاری
مشخصات ظاهری
نام خاص و کميت اثر
۷۰ص
یادداشتهای مربوط به نشر، بخش و غیره
متن يادداشت
چاپی - الکترونیکی
یادداشتهای مربوط به پایان نامه ها
جزئيات پايان نامه و نوع درجه آن
کارشناسی ارشد
نظم درجات
مهندسی کامپیوتر گرایش معماری سیستم‌های کامپیوتری
زمان اعطا مدرک
۱۳۹۷/۱۱/۲۹
کسي که مدرک را اعطا کرده
تبریز
یادداشتهای مربوط به خلاصه یا چکیده
متن يادداشت
با توجه به توسعه‌ی ربات‌های انسان‌نما به عنوان یکی از برترین فناوری‌های اخیر و فراهم آمدن بسترهای سخت‌افزاری و نرم‌افزاری، لزوم پرداختن به هوشمندسازی رفتار این گونه ربات‌ها از اهمیت ویژه‌ای برخوردار است .مسئله برنامه‌ریزی مسیر در ربات‌های انسان‌نما یکی از چالش‌های پیش رو در حوزه هوشمندسازی رفتار ربات انسان‌نما تلقی می‌شود .علت دسته‌بندی جداگانه ربات‌های انسان‌نما از سایر ربات‌های چرخدار در مسئله مذکور ساختار حرکتی دوپای آن است .برنامه‌ریزی مسیر بر روی ربات، در واقع چگونگی مسیریابی ربات به سمت هدف را نشان می‌دهد، در حالی که با موانع موجود برخوردی نداشته باشد .با توجه به این که مسئله مذکور در ربات نیازمند یک راه‌حل بلادرنگ است، از این رو پژوهش‌ها نشان داده‌اند راه‌حل‌های مبتنی بر یادگیری ماشین در این نوع مسائل، نتایج بهتری ارائه داده است .همچنین در این راستا، یکی از گردهمایی‌هایی که به توسعه ربات‌ها و الگوریتم‌های بلادرنگ می‌پردازد، ربوکاپ است .در واقع ربوکاپ، عنوان رقابت‌هایی است که بین ربات‌ها انجام می‌گیرد و با هدف توسعه و پیشرفت رباتیک و هوش‌مصنوعی بنا شده است .تمرکز اصلی ربوکاپ بر روی ربات‌های انسان‌نما است که با ترتیب دادن مسابقات فوتبال به ارزیابی آنها می‌پردازد .جهت موفقیت در این رقابت‌ها و کسب امتیاز بیشتر لزوم وجود الگوریتم‌هایی برای حل مسئله برنامه‌ریزی مسیر به طور کامل مشهود است .در این پایان‌نامه، با در نظر گرفتن چارچوب ربوکاپ برای ربات‌های انسان‌نمای فوتبالیست، یک الگوریتم ترکیبی موثر و کارا جهت برنامه‌ریزی مسیر، تصاحب توپ متحرک، شوت کردن هدفمند توپ به سمت دروازه و در نهایت کسب امتیاز بیشتر، پیشنهاد شده است .روش ترکیبی ارائه شده، در واقع بدنه‌ی اصلی سیستم تصمیم‌گیری ربات است که از الگوریتم یادگیری-کیو و یک الگوریتم مکاشفه‌ای پیشنهادی، جهت تولید اقدامات ممکن (HGPA) تشکیل شده است .در هر فرآیند تصمیم‌گیری، الگوریتم HGPA اقدامات متناسب و ممکن را تولید می‌کند و سپس الگوریتم یادگیری-کیو بر اساس سیاست کسب شده از محیط، بهترین اقدام را برمی‌گزیند .اهداف اصلی HGPA سرعت بخشیدن به فرآیند یادگیری و هوشمندسازی عمل با اضافه کردن برخی ویژگی‌ها به اقدامات است .الگوریتم یادگیری-کیو نیز مستقیما نقش تصمیم‌گیرنده را در سیستم ربات دارد .نتایج حاصل از شبیه‌سازی نشان می‌دهد استفاده از الگوریتم مذکور در رقابت فوتبال به میزان چشم‌گیری نرخ کسب امتیاز را افزایش داده و از طرفی میزان از دست دادن موقعیت گل بسیار کاهش می‌یابد
متن يادداشت
Recently, according to the development of humanoid robots as one of the most advanced technologies and also provision of hardware platforms and software components, the need to address the intelligence of the behavior of such robots is of particular importance. The path planning problem in humanoid robots is one of the challenges in the field of behavior control in humanoid robots. The reason for the separate categorization of humanoid robots from other wheeled robots in the above-mentioned problem is related to humanoid robot's bipedal walk structure. In fact, path planning in a robot, shows how the robot routing toward the target, while avoiding obstacles. The Researchers studies show, with regarding to path planning problem characteristic and real time reactions requirements in robot, machine-learning based solutions provide the better results. In this regard, one of the competitive environments to develop robots and real-time algorithms is RoboCup. In fact, RoboCup is a competition between robots that aimed to develop and progress on the robotics and artificial intelligence science. The main focus of RoboCup is to evaluate humanoid robots through arranging soccer matches as a benchmark problem. To succeed in these competitions and achieve more scores is required to the robust algorithms to solving the path planning problem. In this thesis, regarding RoboCup framework to path planning for the humanoid robots, a robust and effective Hybrid algorithm is proposed, in which the robot takes over the moving ball, purposefully kick ball to goal toward score more points. The proposed hybrid algorithm is in fact the main part of the robot decision-making system, which consists of Q-learning algorithm and proposed Heuristic algorithm for generating possible actions (HGPA). In each decision-making process, the HGPA algorithm is generates possible actions, and then the learning algorithm chooses the best action based on the environmentally gained policy. The main objectives of HGPA are to accelerate the process of learning and intelligent action by adding some features to actions. The Q-learning algorithm also directly plays the role of the decision maker on the robot system. The results of the simulation show that the use of this hybrid algorithm in soccer competition significantly increases the score rate, while the rate of saving ball by goal keeper is decrease
عنوان اصلی به زبان دیگر
عنوان اصلي به زبان ديگر
Providing an Effective Intelligent Algorithm Based-on Machine Learning methods to take over the moving Ball and Purposefully Shooting to Goal by Humanoid Robot
نام شخص به منزله سر شناسه - (مسئولیت معنوی درجه اول )
مستند نام اشخاص تاييد نشده
جعفری، معصومه
مستند نام اشخاص تاييد نشده
Jafari, Masoumeh
دسترسی و محل الکترونیکی
يادداشت عمومي
سیاه و سفید
وضعیت فهرست نویسی
وضعیت فهرست نویسی
نمایه‌سازی قبلی
