• čeština
    • English
    • русский
  • English 
    • čeština
    • English
    • русский
  • Login
View Item 
  •   Repository Home
  • Závěrečné práce
  • dizertační práce
  • Fakulta strojního inženýrství
  • 2010
  • View Item
  •   Repository Home
  • Závěrečné práce
  • dizertační práce
  • Fakulta strojního inženýrství
  • 2010
  • View Item
JavaScript is disabled for your browser. Some features of this site may not work without it.

Plánování cesty autonomního lokomočního robotu na základě strojového učení

Autonomous Locomotive Robot Path Planning on the Basis of Machine Learning

Thumbnail
View/Open
appendix-1.zip (418.2Kb)
final-thesis.pdf (1.386Mb)
thesis-1.pdf (351.9Kb)
review_36048.html (4.183Kb)
Author
Krček, Petr
Advisor
Dvořák, Jiří
Referee
Bělohoubek, Pavel
Štefek, Alexandr
Žalud, Luděk
Grade
P
Altmetrics
Metadata
Show full item record
Abstract
Jak již plyne z názvu, tato disertační práce se zabývá plánováním cesty autonomního lokomočního robotu na základě strojového učení. Úkolem plánování cesty robotu je nalezení cesty z počáteční do cílové pozice bez kolize s překážkami tak, aby ohodnocení cesty bylo minimální. Autonomní robot je takový stroj, který je schopen vykonávat úkoly zcela samostatně i v prostředích s dynamickými změnami. Plánování cesty v dynamickém částečně známém prostředí je však obtížným problémem. Schopnost autonomního robotu přizpůsobovat svoje chování změnám prostředí může být zajištěna pomocí metod strojového učení. V souvislosti s plánováním cesty se z metod strojového učení uplatňují především případové usuzování, neuronové sítě, posilované učení, rojová inteligence a genetické algoritmy. Prvá část disertační práce seznamuje čtenáře se současným stavem výzkumu v oblasti plánování cesty. Přehled metod je věnován základním všesměrovým robotům i robotům, na které jsou kladena diferenciální omezení. V práci je navržena řada metod pro plánování cesty všesměrových robotů i robotů s diferenciálním omezením. Tyto navržené metody jsou založeny především na případovém usuzování a genetických algoritmech. Všechny navržené metody byly implementovány v simulačních aplikacích. Výsledky experimentů prováděných v těchto aplikacích jsou součástí této práce. U každého experimentu je proveden rozbor výsledků. Z experimentů plyne, že navržené metody jsou schopné konkurovat běžně používaným metodám, neboť ve většině případů dosahují lepších výsledků.
 
As already clear from the title, this dissertation deals with autonomous locomotive robot path planning, based on machine learning. Robot path planning task is to find a path from initial to target position without collision with obstacles so that the cost of the path is minimized. Autonomous robot is such a machine which is able to perform tasks completely independently even in environments with dynamic changes. Path planning in dynamic partially known environment is a difficult problem. Autonomous robot ability to adapt its behavior to changes in the environment can be ensured by using machine learning methods. In the field of path planning the mostly used methods of machine learning are case based reasoning, neural networks, reinforcement learning, swarm intelligence and genetic algorithms. The first part of this thesis introduces the current state of research in the field of path planning. Overview of methods is focused on basic omnidirectional robots and robots with differential constraints. In the thesis, several methods of path planning for omnidirectional robot and robot with differential constraints are proposed. These methods are mainly based on case-based reasoning and genetic algorithms. All proposed methods were implemented in simulation applications. Results of experiments carried out in these applications are part of this work. For each experiment, the results are analyzed. The experiments show that the proposed methods are able to compete with commonly used methods, because they perform better in most cases.
 
Keywords
Plánování cesty, neholonomní robot, případové usuzování, genetické algoritmy., Path planning, nonholonomic robot, case-based reasoning, genetic algorithms.
Language
čeština (Czech)
Study brunch
Inženýrská mechanika
Composition of Committee
prof. RNDr. Ing. Tomáš Březina, CSc. (předseda) doc. Ing. Pavel Bělohoubek, CSc. (člen) plk. gšt. prof. Dr. Ing. Alexandr Štefek, Dr. (člen) prof. Ing. Luděk Žalud, Ph.D. (člen) doc. Ing. Vladimír Konečný, CSc. (člen) prof. Ing. Pavel Ošmera, CSc. (člen) prof. RNDr. Ing. Miloš Šeda, Ph.D. (člen) doc. RNDr. PaedDr. Eva Volná, Ph.D. (člen)
Date of defence
2010-12-10
Process of defence
Disertant fundovaně vymezil přínosy své práce, a to jak v oblasti teoretické, tak i praktické.
Result of the defence
práce byla úspěšně obhájena
Persistent identifier
http://hdl.handle.net/11012/15343
Source
KRČEK, P. Plánování cesty autonomního lokomočního robotu na základě strojového učení [online]. Brno: Vysoké učení technické v Brně. Fakulta strojního inženýrství. 2010.
Collections
  • 2010 [55]
Citace PRO

Portal of libraries | Central library on Facebook
DSpace software copyright © 2002-2015  DuraSpace
Contact Us | Send Feedback | Theme by @mire NV
 

 

Browse

All of repositoryCommunities & CollectionsBy Issue DateAuthorsTitlesSubjectsThis CollectionBy Issue DateAuthorsTitlesSubjects

My Account

LoginRegister

Statistics

View Usage Statistics

Portal of libraries | Central library on Facebook
DSpace software copyright © 2002-2015  DuraSpace
Contact Us | Send Feedback | Theme by @mire NV