Geri Dön

Learning guided probabilistic planning

Ögrenme güdümlü olasılıksal planlama

PDF İndir

  1. Tez No: 397952
  2. Yazar: MELİS KAPOTOĞLU
  3. Danışmanlar: YRD. DOÇ. DR. SANEM SARIEL
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Hareketli robotlar, Öğrenme, Mobile robots, Learning
  7. Yıl: 2015
  8. Dil: İngilizce
  9. Üniversite: İstanbul Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Fiziksel dünyada eylemlerini yürüten robotlar, çeşitli hata durumlarıyla karşılaşabilirler. Özellikle hataların izole edilmediği dinamik ortamlarda çalışıldığında, hata ile karşılaşmak kaçınılmazdır. Sistemi kararlı hale getirebilmek için, robotun eylem yürütme sırasında karşılaştığı hataları saptayabilmesi ve tecrübe ettiği bu hatalardan daha sonraki plan yürütmelerinde kaçınması gerekmektedir. Geçmiş eylem yürütmelerinde tecrübe edilen hatalar, gelecekte karşılaşılabilecek potansiyel hatalardan kaçınmak için geliştirilen bir adaptif planlama stratejisinde kullanılabilir. Bu amaca ulaşabilmek için, geçmiş yürütmelerdeki gözlemler üzerinde öğrenme algoritması uygulanması gerekir. Bu tez kapsamında, bahsedilen problemin çözümü olarak öğrenme ve öğrenme güdümlü planlama yöntemleri önerilmektedir. Görev yürütme başarımını artırmak için, Tümevarımlı Mantıksal Programlama temelli bir deneyimsel öğrenme metodu ve öğrenme sürecinde edinilmiş deneyimleri kullanan olasılıksal bir planlama yapısı biraraya getirilerek gelişmiş bir robot sistemi oluşturulmuştur. Önerilen sistem, otonom bir gezgin robot ile yürütülen çoklu nesne etkileşim senaryolarında analiz edilmiştir. Burada amaç, kazanılmış tecrübeleri kullanarak karşılaşılması potansiyel olan hatalardan kaçınmak ve böylelikle belirli bir zaman süresince başarı ile toplanmış ve hedefe ulaştırılmış nesne sayısını olabildiğince artırmaktır.

Özet (Çeviri)

Robots should avoid potential failure situations to improve their performances. The failures which the robot has already experienced in its previous action executions can be used in an adaptive planning strategy to reduce potential failures in the future. Robots need to build and use their experience for achieving this objective. In this thesis, learning and learning-guided planning methods are proposed to address this problem. An experimental learning process using Inductive Logic Programming (ILP) and a probabilistic planning method that uses the experience gained by learning are integrated for improving task execution performance. The solutions are analyzed on a case study with an autonomous mobile robot in a multi-object manipulation domain where the objective is maximizing the number of collected objects while avoiding potential failures using experience. Obtained results indicate that the robot using the adaptive planning strategy ensures safety in task execution and maximizes the probability of success.

Benzer Tezler

  1. Tez No

    459276

    Fen öğretiminde açık uçlu araştırmacı sorgulayıcı öğrenme etkinliklerinin yaratıcılık ve girişimcilik becerilerine etkisi

    Open-ended investigative-interrogative learning activities and its effect on entrepreneurship and creativity in science teaching

    ERDEM ÇAKIR

    Yüksek Lisans

    Türkçe

    Türkçe

    2016

    Eğitim ve ÖğretimKırıkkale Üniversitesi

    İlköğretim Ana Bilim Dalı

    YRD. DOÇ. DR. HARUN ÇELİK

  2. Tez No

    341152

    Development of a knowledge based risk mapping tool for international contruction projects

    Uluslararası inşaat projeleri için bilgi tabanlı risk haritalama aracının geliştirilmesi

    AÇELYA ECEM YILDIZ

    Yüksek Lisans

    İngilizce

    İngilizce

    2012

    İnşaat MühendisliğiOrta Doğu Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    PROF. DR. İREM DİKMEN TOKER

    PROF. DR. M. TALAT BİRGÖNÜL

  3. Tez No

    631114

    PARTIALLY SUPERVISED REINFORCEMENT LEARNING GUIDED BY ADAPTIVE SHAPING

    UYARLANABİLİR ŞEKİLLENDİRME REHBERLİĞİNDE KISMİ DENETLEMELİ TAKVİYELİ ÖĞRENME.

    ÇETİN ÖZGÜR BALTACI

    Doktora

    İngilizce

    İngilizce

    2017

    Makine Mühendisliğiİzmir Yüksek Teknoloji Enstitüsü

    Makine Mühendisliği Ana Bilim Dalı

    PROF. DR. SERHAN ÖZDEMİR

  4. Tez No

    153225

    Teaching logarithm by guided discovery learning and real life applications

    Keşfederek ve uygulanarak logaritma öğretimi

    YÜCEL ÇETİN

    Yüksek Lisans

    İngilizce

    İngilizce

    2004

    Eğitim ve ÖğretimOrta Doğu Teknik Üniversitesi

    Ortaöğretim Fen ve Matematik Alanlar Eğitimi Ana Bilim Dalı

    YRD. DOÇ. DR. ERDİNÇ ÇAKIROĞLU

  5. Tez No

    603228

    Development of sensorimotor organization guided by learning progress and predictability

    Duyu-motor organizasyonunun öğrenme gelişimi ve öngürülebilirlik prensipleri aracılığıyla gelişimi

    SERKAN BUĞUR

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ EMRE UĞUR

Geri Dön