Büyük dil modeli destekli sistem ile uygun robot hareket ve davranışlarının belirlenmesi
Determination of appropriate robot movements and behaviors using a large language model-based system
- Tez No: 1019091
- Danışmanlar: DR. ÖĞR. ÜYESİ MERT SİNAN TURGUT, PROF. DR. MEHMET İTİK
- Tez Türü: Yüksek Lisans
- Konular: Makine Mühendisliği, Mechanical Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: İzmir Demokrasi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Makine Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Makine Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Endüstriyel robotların programlanması bugün hâlâ çoğunlukla düşük seviyeli komutlar ve detaylı ayarlar gerektirdiği için, süreç büyük ölçüde uzmanlık bilgisine bağlı ilerlemektedir. Bu tezde, bu bağımlılığı azaltmak amacıyla, doğal dil veya YAML formatında verilen görev tanımlarından yola çıkarak robot görevlerini otomatik biçimde oluşturabilen, çalıştırabilen ve hata durumlarında kendini güncelleyebilen bir yöntem geliştirilmiştir. Önerilen sistem, büyük dil modeli desteğini LangChain ve LangGraph tabanlı bir araç yapısıyla birleştirmektedir. Kullanıcıdan alınan ifade önce anlamlı alt görevlere ayrılmakta, ardından bu görevler Behavior Tree yapısına dönüştürülerek ROS 2 ortamında yürütülmektedir. Çalışma sırasında elde edilen geri bildirimler analiz edilmekte ve bir hata oluştuğunda, görev parametreleri uygun şekilde güncellenerek süreç yeniden başlatılmaktadır. Böylece manuel ayarlamalar ortadan kaldırılarak daha hızlı onarım ve çözüm sağlanmaktadır. Yöntem, 6 serbestlik dereceli bir robot üzerinde alma ve yerleştirme görevleriyle test edilmiştir. Elde edilen sonuçlar, yalnızca tekrar eden bir yapı yerine, hataları yorumlayıp parametreleri güncelleyen yaklaşımın daha başarılı olduğunu göstermektedir. Özellikle hedef toleransı ve çarpışma (collision) ayarlarının dinamik olarak değiştirilmesi görev başarımını artırmıştır. Bu çalışma, doğal dil tabanlı görev üretimi ve hata sonrası yeniden uyarlama açısından önemli bir adım sunarken, daha kapsamlı deneyler ve gerçek robot uygulamaları gelecekteki çalışmalar için açık bir alan bırakmaktadır.
Özet (Çeviri)
Industrial robot programming still largely relies on low-level commands and detailed configurations, making the process highly dependent on expert knowledge. This thesis aims to reduce that dependency by proposing a method that can automatically generate, execute, and adapt robot tasks based on task descriptions provided in natural language or YAML format. The proposed system combines large language model support with a tool oriented architecture built on LangChain and LangGraph. User input is first decomposed into meaningful sub-tasks, which are then transformed into a Behavior Tree structure and executed within a ROS 2 environment. During execution, feedback is continuously analyzed, and in case of failure, task parameters are updated accordingly and the process is re-initiated. This approach eliminates the need for manual tuning and enables faster recovery and resolution. The method is evaluated on pick-and-place tasks using a 6-degree-of-freedom robot. The results show that, rather than relying on simple repetition, an approach that interprets errors and updates parameters leads to higher success rates. In particular, dynamically adjusting goal tolerances and collision settings significantly improves task performance. Overall, this work presents a practical step toward natural language-driven task generation and post-failure adaptation, while leaving more comprehensive experiments and real-world robot validation as directions for future research.
Benzer Tezler
- İş sağlığı ve güvenliği süreçlerinin dijital yönetim sistem tasarımı ve yapay zeka tabanlı risk analiz modeli
Di̇gi̇tal management system desi̇gn and arti̇fi̇ci̇al intelli̇gence-based ri̇sk analysi̇s model for occupati̇onal health and safety processes
MESUT ÇİÇEK
Doktora
Türkçe
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Gedik Üniversitesiİş Sağlığı ve Güvenliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AYTAÇ UĞUR YERDEN
- Enhancing retrieval-augmented generation accuracy with dynamic chunking and optimized vector search
Dinamik parçalama ve optimize edilmiş vektör araması ile bilgi getirme destekli üretim doğruluğunu artırma
DERYA TANYILDIZ
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET FATİH AMASYALI
DOÇ. DR. SERKAN AYVAZ
- Multimodal medical visual question answering: Knowledge spaces and semantic segmentation for improved and explainable AI
Çok-kipli tıbbi görsel soru cevaplama: Bilgi uzayları ve anlamsal bölütleme ile gelişmiş ve açıklanabilir yapay zekâ
ZİYA ATA YAZICI
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HAZIM KEMAL EKENEL
- LLM based code generation and code integration with multi agent systems
Büyük dil modeli tabanlı kod üretimi ve çoklu ajan sistemleri ile kod entegrasyonu
YASİN BÜZGÜLÜ
Yüksek Lisans
İngilizce
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Medipol ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. SELİM AKYOKUŞ
DR. SALİH SARP
- TR-webarchıve: kamu web mirasının korunması amacıyla YZ destekli hibrit arşivleme mimarisi
TR-webarchive: An AI-Supported hybrid archiving architecture for preserving public web heritage
ABDULKADİR KARABIYIK
Yüksek Lisans
Türkçe
2026
ArşivOstim Teknik ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AHMET ANIL MÜNGEN