این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مهندسی مکانیک مدرس، جلد ۱۶، شماره ۲، صفحات ۵۹-۶۸
عنوان فارسی کنترل کننده آموزش پذیر برگرفته از ساختار سیستم عصبی جهت تولید رفتار های پیچیده در ربات انسان نما
چکیده فارسی مقاله در این مقاله مسئله‌ی کنترل حرکت ربات‌های انسان‌نما مورد بررسی قرار می‌گیرد. مسئله‌ی یادگیری حرکات مشابه انسان به‌خصوص حرکات موزون و تکرارشونده به ربات‌های انسان‌نما چالشی بزرگ در زمینه علم رباتیک محسوب می‌شود. یادگیری تقلیدی که زیرمجموعه‌ای از یادگیری بانظارت است، یک فرم اصلی جهت یاددادن کارهای پیچیده به ربات به شمار می‌آید و بر این اساس استوار است که یک سیستم مصنوعی می‌تواند حجم بالایی از اطلاعات را از طریق یادگیری تقلیدی از فرد آموزش‌دهنده یاد بگیرد. روش اصلی به کار گرفته‌شده در این تحقیق جهت یادگیری حرکات موزون و تکرارشونده به ربات انسان‌نمای نائو، یادگیری تقلیدی است. تکنیک اصلی به‌کاررفته در این پژوهش استفاده از ساختارهای عصبی موسوم به مولد مرکزی الگو می‌باشد که قادر است الگوی موردنیاز برای حرکت در یک ربات را بر اساس یک نوع آموزش نمایشی به دست آورد. نحوه‌ی طراحی سیستماتیک این ساختار عصبی مصنوعی که در علم کنترل کاربرد‌های فراوانی دارد، اصلی‌ترین چالش پیش روست که در این مقاله به ارائه‌ی روشی برای آن پرداخته‌شده است. روش سیستماتیک طراحی و آموزش مولد‌های مرکزی الگو که از بازخوردهای حسی جهت تطابق خود با شرایط جدید استفاده می‌کند، در یک مدل دولایه‌ای موردبحث و بررسی قرار داده‌شده است. مدل ارائه‌شده یک بستر مناسب جهت ارائه‌ی آموزش‌های نمایشی و مبتنی بر نمایش برای ربات‌های انسان‌نما محسوب می‌شود که نیاز به کنترل صریح و برنامه‌نویسی مستقیم را برطرف می‌سازد و امکان آموزش غیرمستقیم رفتارهای پیچیده روی انواع ربات‌ها را مهیا می‌سازد.
کلیدواژه‌های فارسی مقاله ربات انسان نما، شبکه عصبی، کنترل، یادگیری تقلیدی،
عنوان انگلیسی Design of a Trainable Controller Inspired from Neural System to Generate Complex Behaviors in Humanoid Robots
چکیده انگلیسی مقاله In this paper we introduced a new method for motion control in humanoid robots. The problem of movement learning specially dance and repetitive actions of human beings to humanoid robots is a major challenge in the field of robotics. Imitation learning, which is a subset of supervised learning, is a main form to teach complex tasks to the humanoid robot, and the accordingly is based on that an artificial system can imitate a lot of information through learning from human trainer. The main technique is using Central Pattern Generators structures which is able to produce required motion trajectories based on imitation learning. Systematic design of this these neural networks is main problem which is solved in this paper. The proposed model is a basic paradigm for imitation learning in the humanoid robots which do not required direct design of controller and programming. The proposed model has many benefits including smooth walking patterns and modulation during imitation. Simulation results of this learning system in the robot simulator (WEBOTS) that has been linked with MATLAB software and its implementation on a NAO robot demonstrate that the robot has learned desired motion with high accuracy. This model can be extended and used in the Nao soccer player both for the standard platform and the 3D soccer simulation leagues of Robocup SPL competitions to train different types of motions.
کلیدواژه‌های انگلیسی مقاله Humanoid robot, Neural Network, Control, Imitation Learning
نویسندگان مقاله ریحانه پرنده |
دانشگاه اصفهان
سازمان اصلی تایید شده: دانشگاه اصفهان (Isfahan university)

حامد شهبازی |
دانشگاه اصفهان-گروه مهندسی مکانیک
سازمان اصلی تایید شده: دانشگاه اصفهان (Isfahan university)

کمال جمشیدی |
دانشگاه اصفهان
سازمان اصلی تایید شده: دانشگاه اصفهان (Isfahan university)

بهنام خدابنده جهرمی |
دانشگاه اصفهان
سازمان اصلی تایید شده: دانشگاه اصفهان (Isfahan university)

نشانی اینترنتی http://mme.modares.ac.ir/article_14134_59197518b131862377053997e400df7d.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1256/article-1256-227555.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات