دانلود پایان نامه

صفر است.
با توجه به مقدار β(n) مقادیر بردار احتمال اعمال را به روزرسانی میکنیم به این صورت که در هر مرحله احتمال عمل انتخابی توسط اتوماتا را به کمک 3-15 به روز میکنیم:

pi (n+1) = pi (n) + a(1-β(n))(1-pi (n)) 3-15

که pi احتمال عمل i اتوماتای یادگیر مربوطه میباشد. سایر اعمال مربوط به این اتوماتای انتخابی را نیز به کمک 3-16 به روز میکنیم:

pj(n+1) = pj(n) – a(1-β(n))pj(n) و j ≠ i 3-16

در فرمول بالا pj احتمال سایر اعمال اتوماتا میباشد.

د) انتخاب عمل توسط هر اتوماتا
در مرحله قبل بردار احتمال هر اتوماتا به روز شد. به این ترتیب که اعمالی که باعث رسیدن پا به مکان مناسب شدند دارای احتمال بیشتری هستند. این روند با انتخاب عمل توسط هر اتوماتا تا زمان رسیدن پا به فاصلهای مطمئن نسبت به مقصد یا تا تعداد مشخصی تکرار از الگوریتم، ادامه مییابد.
با پایان یافتن الگوریتم در نهایت بردار عمل اتوماتاها که به صورت آفلاین آموزش داده شده میتوانند در محیط به صورت آنلاین مورد استفاده قرار گیرند. از آنجایی که الگوی بدست آمده برای یک گام روبات در یک پا، در پای دیگر نیز قابل استفاده است، این بردار احتمال بدست آمده برای رسیدن روبات تا نقاط گوناگون قابل استفاده است.

فصل چهارم:
آزمایشها و نتایج

4-1- مقدمه

در این پایاننامه برای راه رفتن روبات انساننمای نائو، از اتوماتاهای یادگیر متغیر بر روی مفاصل و به منظور بدست آوردن مقادیر مفاصل در راه رفتن، استفاده کردیم. از روش پیشنهادی میتوان در راه رفتن در جهات گوناگون استفاده کرد. در این بخش قصد داریم به آزمایش نتایج حاصل از روشهای پیشنهادی بپردازیم. به این منظور روش پیشنهادی راه رفتن را برای راه رفتن روبات نائو از بغل و راه رفتن مستقیم پیادهسازی کردیم. به این ترتیب که با سوار کردن اتوماتای یادگیر با ساختار متغیر برروی هر یک از مفاصل مهم در فرآیند راه رفتن، و با اعمال الگوریتم به صورت آفلاین، بردار احتمال برای هر مفصل را بهدست آوردیم. سپس روبات مجهز شده به این مکانیزم را در محیط شبیهسازی فوتبال سهبعدی مورد آزمایش قرار دادیم. برای آزمایش الگوریتم را به منظور راه رفتن از بغل و راه رفتن مستقیم مورد استفاده قرار دادیم که نتایج حاصل در ادامه بررسی میشوند. راه رفتن از بغل یکی از اعمال مهم در بین توانایی های سطح پایین روبات انسان نماست که تاکنون کمتر مورد توجه واقع شده است. این در حالیست که فواید و مزایای استفاده از راه رفتن از بغل، آن را در ردیف مهمترین اعمال سطح پایین روبات انساننما قرار میدهد که در ادامه بررسی خواهد شد.

این مطلب رو هم توصیه می کنم بخونین:   دو قطبی، تغییر رفتار

راه رفتن مستقیم

راه رفتن مستقیم مهمترین توانایی یک روبات انساننما میباشد که حوزه توجهات بسیاری قرار گرفته و الگوریتمهای متنوعی برای آن توسعه یافتهاند. در این تحقیق ما با استفاده از اتوماتای یادگیر با ساختار متغیر مقادیر مناسب برای راه رفتن روبات را بدست آوردیم. به این صورت که الگوریتم را در محیط شبیه ساز فوتبال سهبعدی بر روی روبات معرفی شده در 3-2 اعمال کردیم. نتایج بدست آمده نشان دهنده مزایای این روش نسبت به روشهای قبلی میباشد.
یکی از مطرحترین معیارها برای تعیین کیفیت راه رفتن یک روبات، سرعت حداکثری و میانگین روبات است. در واقع مسافت طی شده در بازه زمانی خاص نماینده این معیار خواهد بود. از معیارهای مهم دیگر میتوان به تعداد دفعات زمین خوردن روبات در حین راه رفتن اشاره کرد. نکته لازم به ذکر این است که تقریبا تمامی مفاصل انسان در زمان راه رفتن درگیر میشوند که حاصل این امر انعطاف پذیری بالا در زمان راه رفتن است، حال آنکه تقریبا تمامی متدهای راه رفتن، از بسیاری ازین مفاصل چشمپوشی میکنند که این امر عدم انعطاف پذیری و در نتیجه سرعت و تعادل کمتر را در پی دارد و تعداد زمین خوردنها را افزایش میدهد. علت این امر افزایش پیچیدگی مدل با افزایش تعداد مفاصل و همچنین عدم توانایی در رسیدن به بهینه سراسری با توجه به افزایش بار محاسباتی است. در ارزیابی روش پیشنهادی، به بررسی این موضوع میپردازیم که افزایش تعداد مفاصل به چه میزان در روند رسیدن به پاسخ بهینه تاثیر گذار است و غیر از مفاصل اصلی دخیل در راه رفتن، چه تعداد مفاصل دیگر میتوان استفاده کرد.
در این بخش ابتدا سه تیم برتر مسابقات جهانی روبوکاپ در زمینه فوتبال سه بعدی را معرفی میکنیم. این سه تیم که از ایالات متحده و چین هستند در رنکینگ مسابقات جهانی رتبه اول تا سوم را دارند. جدول 1-4 نشان دهنده مشخصات این سه تیم، و جایگاه آنهاست. با اجرای باینری این تیمها در سرور شبیهساز سهبعدی سرعت آنها را در راه رفتن به جلو و همچنین راه رفتن از بغل به دست آوردیم که در این قسمت قصد مقایسه آنها با روش پیشنهادی در این پایاننامه را داریم.

جدول 3-1: تیمهای برتر مسابقات جهانی لیگ شبیهسازی فوتبال سهبعدی

Country

Affiliation

TeamName

Rank

University of Texas at Austin

UT Austin Villa 3D

1


دیدگاهتان را بنویسید