شماره کتابشناسی ملی
شماره
۲۱۹۹۹پ
زبان اثر
زبان متن نوشتاري يا گفتاري و مانند آن
per
عنوان و نام پديدآور
عنوان اصلي
پیاده سازی یادگیری دنبال کردن هدف برای ربات انسان نما
عنوان اصلي به زبان ديگر
Implementation of Learning to Follow Targets for Humanoid Robots
نام نخستين پديدآور
/فرزاد فضلی شکوهی
وضعیت نشر و پخش و غیره
نام ناشر، پخش کننده و غيره
: فناوری های نوین
تاریخ نشرو بخش و غیره
، ۱۳۹۸
نام توليد کننده
، افشاری
مشخصات ظاهری
نام خاص و کميت اثر
۱۵۱ص
یادداشتهای مربوط به نشر، بخش و غیره
متن يادداشت
چاپی
یادداشتهای مربوط به پایان نامه ها
جزئيات پايان نامه و نوع درجه آن
کارشناسی ارشد
نظم درجات
مهندسی فوتونیک - نانو فوتونیک
زمان اعطا مدرک
۱۳۹۸/۰۶/۳۱
کسي که مدرک را اعطا کرده
تبریز
یادداشتهای مربوط به خلاصه یا چکیده
متن يادداشت
هدف از این پایان نامه پیاده سازی یادگیری و دنبال کردن هدف برای ربات انسا نما می باشد .با استفاده از شبکه ی عصبی اسپایکینگ مدل ایژیکویچ این امر پیاده سازی و شبیه سازی می شود .در این پایان نامه ربات انسان نمای خاصی مورد نظر نمی باشد و از این جهت از کیت ربات انسان نمای Hono که در کل دارای ۱۶ درجه آزادی می باشد استفاده می شود .در این ربات تنها کافیست داده های مشخص شده در دستورالعمل ربات را از طریق ارتباط سریال) RS۲۳۲ ( به آن ارسال کنیم و خود را درگیر سینماتیک و دینامیک پیچیده آن نکنیم چرا که این مباحث خود از زمینه های پیچیده دررباتیک می باشد و هدف اصلی این پایان نامه این موارد نمی باشد .ما فقط قسمت یادگیری ربات را پیاده سازی میکنیم .به اینصورت که داده های ورودی به شبکه اسپایکینگ از قسمت تشخیص چهره که در ارتباط موازی با یک میکرو کنترلر قرار دارد و میکرو کنترلر نیز از طریق ارتباط سریال داده ها را به شبکه عصبی ارسال می کند .همچنین الگوریتمی برای محاسبه فاصله ربات تا هدف با استفاده از دوربین رزبری پای ارائه می شود .خروجی شبکه عصبی اسپایکینگ داده های کنترلی ربات می باشند که به میکرو کنترلر ارسال می شوند و در نهایت این داده ها بعد از تبدیل شدن به دستورات کنترلی ربات، به ربات ارسال می شوند .یادگیری شبکه به دو صورت انجام می شود ابتدا با استفاده از نرم افزار متلب و دیگری به صورت پیاده سازی در برد رزبری پای انجام می شود .همچنین تشخیص چهره نیز روی برد رزبری پای و در زبان پایتون انجام می شود .در نهایت در پیاده سازی یادگیری ربات در دو حالت قبل از یادگیری و بعد از یادگیری خطای ربات در رسیدن به هدف به میزان ۵۰ / ۶۹ کاهش می یابد.
متن يادداشت
The purpose of this thesis is to implement the learning and pursuit of the goal for the humanoid robot. This is implemented and simulated using the Spiking neural network model Izhikevich. In this thesis, the humanoid robot is not a particular target, and hence the humanoid robot kit Hono It has a total of 16 degrees of freedom. In this robot, it is enough to send the data which is specified in robots instructions by serial connection (RS232) to robots controller in order to not get involved in complex kinematic and dynamic fields because these are complicated issues in robotic field and also its not the main purpose of these thesis. We only implement the robots learning unit. In this way, the data is transmitted to the spiking network from the facial recognition unit which is in parallel connection with a microcontroller and the microcontroller transmits the data to the neural network via serial connection. Thus an algorithm to calculate the distance of the robot to the target using the Pi Camera is also presented. The output of the spiking neural network is the robot control data that is sent to the microcontroller and eventually the data is sent to the robot after it has become the robot control command. Network learning is performed in two ways: first with the use of MATLAB software and the other with implementation in the raspberry pi board. Face recognition is also done on the Rubber Pie board in Python language. Finally in robot learning implementation before and after learning, robots error in reaching the target reduces 69.5 .
عنوان اصلی به زبان دیگر
عنوان اصلي به زبان ديگر
Implementation of Learning to Follow Targets for Humanoid Robots
نام شخص به منزله سر شناسه - (مسئولیت معنوی درجه اول )
مستند نام اشخاص تاييد نشده
فضلی شکوهی، فرزاد
مستند نام اشخاص تاييد نشده
Fazli Shokouhi, Farzad
نام شخص - ( مسئولیت معنوی درجه دوم )
مستند نام اشخاص تاييد نشده
عظیمی راد، وحید، استادراهنما
مستند نام اشخاص تاييد نشده
ذاکری، منیژه، استادراهنما
دسترسی و محل الکترونیکی
يادداشت عمومي
سیاه و سفید
وضعیت فهرست نویسی
وضعیت فهرست نویسی
نمایه‌سازی قبلی
