Seznam |
Téma: | Sebe-explorace a tvorba modelu těla u humanoidního robota s umělou kůží |
---|---|
Vedoucí: | doc. Mgr. Matěj Hoffmann Ph.D., doc. Ing. Karel Zimmermann Ph.D. |
Vypsáno jako: | Diplomová práce,Bakalářská práce,Individuální projekt,Dobrovolná odborná práce,Semestrální projekt |
Popis: | Cílem práce je na simulátoru humanoidního robota s umělou kůží a poté na skutečném robotovi vyvinout algoritmy, které efektivně generují konfigurace, kde dochází k "sebedotyku", a zároveň učit model robota (přímá a inverzní kinematika). K prohledávání lze použít tzv. "active goal babbling" či učení s posilováním.
Videopříklady: https://youtu.be/7f9Mfl7sO18 https://youtu.be/a81K1kAD_gM https://youtu.be/pfse424t5mQ |
Pokyny: | Pokyny k vypracování:
1. Instalace a otestování již vyvinutého simulátoru robota Nao (Gazebo) s taktilními senzory. 2. Vyčítání aktivací umělé kůže a jednoduchá vizualizace. 3. Vývoj a testování algoritmů pro sebe-průzkum těla robota (sebe-dotyk) a současné učení modelu přímé a inverzní kinematiky z dat (data-driven / black-box přístup). 4. Diskuze formulace problému, zejména pak různých kriteriálních funkcí - např. rychlost navštívení povrchu kůže vs. chyba v aktuálně naučeném přímém vs. inverzním modelu. 5. Porovnání algoritmů na bázi posilovaného učení a “(active) goal babbling” (Sutton & Barto 1998; Baranes & Oudeyer 2010; Rolf et al. 2010) . 6. Diskuze vhodnosti metod pro učení modelu přímé a inverzní kinematiky z dat (data-driven / black-box přístup) pomocí např. hlubokých neuronových sítí, Gaussovských procesů, či regrese a hodnocení použitého řešení porovnáním s řešeními z literatury s ohledem na např. nakládání s více řešeními IK. 7. Testování na na fyzickém robotu Nao s umělou kůží. |
Literatura: | Baranes, Adrien, and Pierre-Yves Oudeyer. "Active learning of inverse models with intrinsically motivated goal exploration in robots." Robotics and Autonomous Systems 61.1 (2013): 49-73. Rolf, Matthias, Jochen J. Steil, and Michael Gienger. "Goal babbling permits direct learning of inverse kinematics." IEEE Transactions on Autonomous Mental Development 2.3 (2010): 216-229. Roncone, A.; Hoffmann, M.; Pattacini, U. & Metta, G. (2014), Automatic kinematic chain calibration using artificial skin: self-touch in the iCub humanoid robot, in 'Robotics and Automation (ICRA), 2014 IEEE International Conference on', pp. 2305-2312. Sutton, Richard S., and Andrew G. Barto. Reinforcement learning: An introduction. Cambridge: MIT press, 1998. |
Vypsáno dne: | 18.05.2018 |