Learning by Imitation for Mobile Robot Applications

การเรียนรู้โดยกระบวนการลอกเลียนแบบสำหรับหุ่นยนต์เคลื่อนที่

Name: Sathit Wanitchaikit

Organization : King Mongkut's University of Technology Thonburi. Faculty of Engineering. Electrical Engineering

Name: สาธิต วณิชชัยกิจ

Organization : มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าธนบุรี. คณะวิศวกรรมศาสตร์. สาขาวิชาวิศวกรรมไฟฟ้า

keyword: Mobile Robot

; Machine Learning

; หุ่นยนต์เคลื่อนที่

Abstract: This research introduces an approach for mobile robot behavior imitation using self organizing neural network. Our system uses a vision system to capture movements of the demonstrator robot and all associated objects in the operation field. The acquired information is used to extract robot movement features, which are presented to the imitation engine. Finally, a decision policy from the demonstrator is extracted and embedded into self organizing neural network. Best-matching action algorithm, which is a simple action selection algorithm for choosing action from the learned network, is proposed. Our system was implemented and tested on a simulated robot and a real mobile robot to imitate two simple robot soccer behaviors the ball approaching task and the obstacle avoidance task. We introduce a similarity index, which is used to compare the differences between the behavior of the demonstrator and the imitator. The results indicate a good task performance for the target approaching task but a poor task performance for the obstacle avoidance task. This result is due to the composite behavior nature of the task itself. We then introduce a behavior-switching technique to overcome this problem.

Abstract: งานวิจัยนี้นำเสนอถึงวิธีการสำหรับการลอกเลียนแบบพฤติกรรมของหุ่นยนต์เคลื่อนที่โดยใช้โครงข่ายประสาทเทียมแบบจัดโครงสร้าง ตัวเอง ระบบการลอกเลียนแบบในงานวิจัยนี้ใช้ระบบการมองเห็นด้วยภาพสำหรับจับการเคลื่อนไหวของหุ่นยนต์ผู้ฝึกสอนรวมทั้งวัตถุที่เกี่ยวข้องกับ การทำงาน โดยข้อมูลการเคลื่อนไหวของวัตถุเหล่านี้จะถูกป้อนให้กับกลไกการลอกเลียนแบบเพื่อทำการเรียนรู้ ซึ่งสุดท้ายจะได้หลักการตัดสินใจ (Decision Policy) เป็นผลลัพธ์ของการเรียนรู้เป็นส่วนหนึ่งของโครงข่ายประสาทเทียมแบบจัดโครงสร้างตัวเอง โดยการใช้งานโครงข่ายที่ทำการเรียนรู้ แล้วนั้น ใช้วีธีการที่ได้นำเสนอซึ่งเรียกว่า “การจับคู่ของการกระทำที่ดีที่สุด” สำหรับใช้เลือกการกระทำที่เหมาะสมในแต่ละสภาพแวดล้อมของการทำงาน ระบบการเรียนรู้ดังกล่าวได้ถูกทำการทดสอบทั้งบนหุ่นยนต์จำลองและหุ่นยนต์เคลื่อนที่จริง โดยให้ทำการเลียนแบบพฤติกรรมการทำงานอย่างง่ายของ ฟุตบอลหุ่นยนต์ อันได้แก่ พฤติกรรมการเคลื่อนที่เข้าหาลูกบอล และพฤติกรรมการเคลื่อนที่หลบหลีกสิ่งกีดขวาง นอกจากนี้งานวิจัยได้นำเสนอดัชนี ความคล้ายคลึงสำหรับวัดความแตกต่างระหว่างพฤติกรรมต้นแบบและพฤติกรรมที่ทำการเลียนแบบได้ ผลการทดลองได้แสดงให้เห็นถึงสมรรถนะที่ดี ในการเลียนแบบพฤติกรรมการเคลื่อนที่เข้าหาลูกบอล แต่ทว่าในพฤติกรรมการเคลื่อนที่หลบหลีกสิ่งกีดขวางนั้นให้สมรรถนะไม่ดีนัก ทั้งนี้เป็นผลเนื่อง จากพฤติกรรมที่ทำการเลียนแบบนั้นเป็นพฤติกรรมแบบซับซ้อน ซึ่งงานวิจัยได้เสนอวิธีการแก้ปัญหาดังกล่าวด้วยการใช้เทคนิคการสลับพฤติกรรมการทำงาน

King Mongkut's University of Technology Thonburi

Address: BANGKOK

Email: info.lib@mail.kmutt.ac.th

Name: Poj Tangamchit

Role: Advisor

Name: Thavida Maneewarn

Role: Advisor

Name: พจน์ ตั้งงามจิตต์

Role: อาจารย์ที่ปรึกษา

Name: ถวิดา มณีวรรณ์

Role: อาจารย์ที่ปรึกษา

Created: 2005

Modified: 2552-02-03

Issued: 2009-02-03

วิทยานิพนธ์/Thesis

application/pdf

ISBN: 9741846819

CallNumber: INC289

eng

DegreeName: Master of Engineering

Level: Master's Degree

Descipline: Electrical Engineering

Grantor: King Mongkut's University of Technology Thonburi

©copyrights King Mongkut's University of Technology Thonburi

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	INC289.pdf	2.03 MB	178	2025-06-19 14:47:09
2	INC289ab.pdf	167.01 KB	61	2024-12-11 09:18:37
3	INC289aben.txt	1.65 KB	38	2023-01-23 09:43:10
4	INC289abth.txt	1.79 KB	30	2020-07-13 10:13:09

ใช้เวลา

0.047362 วินาที