Εκμάθηση διαδραστικής ρομποτικής λήψης αντικειμένου και ανάπτυξη δεξιοτήτων προσαρμοστικότητας σε μαθησιακό περιβάλλον αλληλεπίδρασης παιδιού-ρομπότ

see the original item page
in the repository's web site and access all digital files if the item*



Εκμάθηση διαδραστικής ρομποτικής λήψης αντικειμένου και ανάπτυξη δεξιοτήτων προσαρμοστικότητας σε μαθησιακό περιβάλλον αλληλεπίδρασης παιδιού-ρομπότ (EL)

Τσιτσίμης, Θεόδωρος (EL)
Tsitsimis, Theodoros (EN)

ntua (EL)
Ψυλλάκης, Χαράλαμπος (EL)
Μαραγκός, Πέτρος (EL)
Τζαφέστας, Κωνσταντίνος (EL)

bachelorThesis

2018-01-17
2017-10-26
2018-01-17T09:55:36Z


Η παρούσα διπλωματική εργασία μελετάει μαθησιακά σενάρια αλληλεπίδρασης μεταξύ παιδιού και ρομπότ. Το πρώτο σενάριο αφορά την υλοποίηση διαδραστικής ρομποτικής λήψης αντικειμένου μεταξύ ενός παιδιού και ενός ανθρωπόμορφου ρομπότ βασισμένη στην αναγνώριση 2Δ χαρακτηριστικών. Συγκεκριμένα, γίνεται εκτίμηση της θέσης του αντικειμένου στην εικόνα μέσω ενός αλγορίθμου χρωματικής ανίχνευσης και στη συνέχεια εξάγονται χαρακτηριστικά από το περίγραμμα του αντικειμένου. Με βάση αυτά τα χαρακτηριστικά, ένα σύστημα ταξινόμησης αξιολογεί την ποιότητα της ρομποτικής λήψης και επιτρέπει στο ρομπότ να εκτιμήσει σε κάθε χρονική στιγμή εάν είναι σε θέση να πραγματοποιήσει τη λαβή. Το δεύτερο σενάριο είναι η μελέτη της προσαρμοστικότητας ενός ρομπότ σε περιβάλλοντα αλληλεπίδρασης παιδιού-ρομπότ. Εξετάζεται η συμπεριφορά αλγορίθμων Ενισχυτικής Μάθησης για την προσαρμογή των δεξιοτήτων ενός ρομπότ και εφαρμόζεται μία μέθοδος εκτίμησης της ανθρώπινης συμμετοχής μέσω οπτικών χαρακτηριστικών σε περιβάλλον προσομοίωσης. Επίσης, αξιολογείται η επίδοση των αλγορίθμων σε καταστάσεις μεταβολών της ανθρώπινης συμπεριφοράς και στην παρουσία θορύβου. Για τα δύο σενάρια που μελετάει η διπλωματική εργασία παρουσιάζονται προσομοιώσεις και πειραματικές δοκιμές που αναδεικνύουν τη χρησιμότητα και την ευρωστία των αλγορίθμων. (EL)
This diploma thesis studies learning scenarios of child-robot interaction. In the rst scenario a human-robot object handover algorithm is implemented based on 2D visual features. More speci cally, a color-based object detection algorithm estimates the position of the object in the image plane and then extracts features from the object's contour. Based on these features, a classi er evaluates the handover quality and enables the robot to decide if it can grasp the object. The second scenario studies the adaptation of a robot in childrobot interaction tasks. It examines the behavior of Reinforcement Learning algorithms for robot adaptation and implements a human engagement estimation method using visual features in a simulated environment. The performance of these algorithms is assessed in the presence of engagement perturbations and measurement noise. For both scenarios, this thesis presents simulations and experimental results that reveal the robustness of the studied algorithms. (EN)


Χρωματική ανίχνευση (EL)
Αλληλεπίδραση ανθρώπου-ρομπότ (EL)
Ενισχυτική μάθηση (EL)
Ταξινόμηση ρομποτικής λήψης (EL)
Διαδραστική ρομποτική λήψη αντικειμένου (EL)
Holor-based detection (EN)
Interactive human-robot handover (EN)
Reinforcement learning (EN)
Human- robot interaction (EN)
Handover classification (EN)

Greek

Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Σημάτων, Ελέγχου και Ρομποτικής. Εργαστήριο Ρομποτικής και Αυτοματισμού (EL)
Εργαστήριο Ρομποτικής και Αυτοματισμού (EL)

http://creativecommons.org/licenses/by-nd/3.0/gr/
Αναφορά Δημιουργού-Όχι Παράγωγα Έργα 3.0 Ελλάδα




*Institutions are responsible for keeping their URLs functional (digital file, item page in repository site)