عدم برخورد ربات متحرک با موانع در محیط های ناشناخته با استفاده از طراحی یک شبکه عصبی مصنوعی عمیق

در این مقاله به بررسی مسئله پرهیز از برخورد ربات با موانع در محیط های نا شناخته پرداخته شده است. برای انجام یک ماموریت توسط ربات، نیازمند آن هستیم تا ربات با موفقیت مسیر را طی کرده و در حین انجام ماموریت با موانع برخورد نکند. در روش ارائه شده در این پژوهش، یک شبکه عصبی عمیق تحت روش یادگیری انتقالی به نحوی آموزش دیده است تا به محض دیدن موانع جدید قادر باشد تا جهت امن برای حرکت ربات را مشخص کند. در آموزش شبکه عصبی عمیق، با تعداد زیادی ابر پارامتر رو به رو هستیم که با تنظیم این ابر پارامتر ها میتوانیم عملکرد شبکه عصبی را تا حد زیادی بهبود ببخشیم. بعد از آموزش شبکه عصبی عمیق، فرمان های تولید شده به ربات ارسال شده و ربات در جهت مشخص شده شروع به حرکت خواهد کرد. روش های مبتنی بر بینایی از جمله جدید ترین و محبوب ترین روش های استفاده شده در حل مسئله پرهیز از برخورد با موانع میباشند و به علت توانمندی آن ها در استخراج اطلاعات با جزئیات بسیار زیاد از محیط، از روشی مبتنی بر بینایی در این پژوهش استفاده شده است.

Keywords:

ربات متحرک , یادگیری عمیق , بینایی ماشین , ناوبری , مکان یابی