δείτε την πρωτότυπη σελίδα τεκμηρίου στον ιστότοπο του αποθετηρίου του φορέα για περισσότερες πληροφορίες και για να δείτε όλα τα ψηφιακά αρχεία του τεκμηρίου*
Ο όρος Τεχνητή Νοημοσύνη αναφέρεται στον κλάδο της πληροφορικής ο οποίος ασχολείται με τη σχεδίαση και την υλοποίηση υπολογιστικών συστημάτων που μιμούνται στοιχεία της ανθρώπινης συμπεριφοράς τα οποία υπονοούν έστω και στοιχειώδη ευφυΐα: μάθηση, προσαρμοστικότητα, εξαγωγή συμπερασμάτων, κατανόηση από συμφραζόμενα, επίλυση προβλημάτων κλπ. Παραδείγματα εργασιών στις οποίες γίνεται αυτό περιλαμβάνουν την αναγνώριση ομιλίας, την όραση υπολογιστή, τη μετάφραση μεταξύ (φυσικών) γλωσσών, καθώς και άλλες αντιστοιχίσεις εισόδων. Μέρος της Τεχνητής Νοημοσύνης είναι η Μηχανική Μάθηση (Machine Learningή ML) όπου είναι ένα πεδίο έρευνας αφιερωμένο στην κατανόηση και τη δημιουργία μεθόδων που «μαθαίνουν» δηλαδή, μεθόδους που αξιοποιούν δεδομένα για τη βελτίωση της απόδοσης σε κάποιο σύνολο εργασιών. Η Ενισχυτική Μάθηση (Reinforcement Learning ή RL) είναι ένας τομέας μηχανικής μάθησης που ασχολείται με το πώς οι ευφυείς πράκτορες πρέπει να αναλαμβάνουν ενέργειες σε ένα περιβάλλον προκειμένου να μεγιστοποιήσουν την έννοια της αθροιστικής ανταμοιβής.
Έτσι και στην ρομποτική χρησιμοποιούνται πολλές τεχνικές της ενισχυτικής μάθησης για την επίλυση προβλημάτων με διαφορετικούς από τους συνηθισμένους τρόπους. Αυτή η διπλωματική εργασία έχει σκοπό να δείξει την εφαρμογή της ενισχυτικής μάθησης με τη χρήση ρομποτικών συστημάτων σε έναν επίπεδο ρομποτικό βραχίονα με 2 βαθμούς ελευθερίας. Η εφαρμογή που μελετά η παρούσα διπλωματική εργασία είναι η «Ρομποτική Γραφή με Ενισχυτική Μάθηση» και αποτελεί μελέτη της διαδικασίας εκμάθησης της ανθρώπινης γραφής με τη χρήση αλγορίθμου ενισχυτικής μάθησης.
Recently, with the rapid development in the field of artificial intelligence, attempts have been made to apply this technology to robots in the service area. So, several studies have been conducted to use robots to execute human tasks in daily life.
In this thesis we aim to solve a problem of a robotic hand trying to learn how to write alphabetical characters and/or other shapes. We created a physical 2 DOF robotic system that represents a human arm that only operates in x-axis and y-axis. The methodology we used is an adaptation of reinforcement learning and specifically the Q-Learning algorithm as an easier to understand, use and have the desired results with less time consuming and complexity. The robot writing though is not just a physical approach, it has also impact in humanity. Robot writing is a task that could be used for helping purposes in human with disabilities or/and in early education. further studies about reinforcement learning in robotic systems could also bring even better impact in humanity.
*Η εύρυθμη και αδιάλειπτη λειτουργία των διαδικτυακών διευθύνσεων των συλλογών (ψηφιακό αρχείο, καρτέλα τεκμηρίου στο αποθετήριο) είναι αποκλειστική ευθύνη των αντίστοιχων Φορέων περιεχομένου.
Βοηθείστε μας να κάνουμε καλύτερο το OpenArchives.gr.
University of Patras
