1/19 Hogyan tájékozódnak a robotok? Koczka Levente Eötvös Collegium.

Slides:



Advertisements
Hasonló előadás
Stacionárius és instacionárius áramlás
Advertisements

Statisztika II. I. Dr. Szalka Éva, Ph.D..
Robotrendszer alkalmazása a mindennapokban DOMEO: Időseket segítő otthoni robot DOMEO konzorcium.
Szabó József CadMap Kft.
Navigáció mobiltelefonnal
Pac-Man játék tanulása Megerősítéses Tanulással Mesterséges Intelligencia algoritmusok tesztelése játékokon Gyenes Viktor Eötvös Loránd Tudományegyetem.
VÉDELMI CÉLÚ AUTONÓM MOBIL ROBOTIKAI ALKALMAZÁSOK DOKKOLÁSI MEGOLDÁSAI
Szenzorfúziós feltérképezés saját építésű mobil robottal
Robotika Helymeghatározás.
Small Liga Mozgás vezérlő rendszere
A boldogság mint mellékhatás
Számítógépek, és Gps-ek az autókban
Geodézia I. Geodéziai számítások Pontkapcsolások Gyenes Róbert.
Matematika II. 4. előadás Geodézia szakmérnöki szak 2010/2011. tanév Műszaki térinformatika ágazat tavaszi félév.
GNSS elmélete és felhasználása Fázismérések lineáris kombinációi. A ciklustöbbértelműség feloldása.
Globális helymeghatározás Zárthelyi dolgozat Relatív helymeghatározás fázisméréssel.
2012. április 26. Dülk Ivor - (I. évf. PhD hallgató)
NC - CNC.
Intelligens ébresztő óra Számítógépes látás projekt 2011.
A projekttervezés első lépései
Bevezetés a robotok döntéshozatalának folyamatába és módszereibe Készítette : Fodor Bence II. Éves Programtervező Informatikus Nyíregyházi Főiskola V2.
Fontosabb jelölések tisztázása G 1 : a nedves anyag (szárítandó anyag) tömege [kg/h] G 2 : a szárított anyag (szárítóból kilépő) tömege [kg/h] G v : az.
Szoftvertechnológia Rendszertervezés.
Mesterséges Intelligencia Alapjai II. beadandó Orosz György – Vörös Gyula – Zsiák Gergő Pál.
Algoritmusok II. Gyakorlat 3. Feladat Pup Márton.
Adatnyerés a)Térkép b)Helyi megfigyelések c)Digitális adatbázis d)Analóg táblázatok, jelentések e)Távérzékelés.
Hálózati réteg.
Hiba-előjel alapú spektrális megfigyelő Orosz György Konzulensek: Sujbert László, Péceli Gábor Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika.
Intelligens Felderítő Robotok
Készítette: Gergó Márton Konzulens: Engedy István 2009/2010 tavasz.
Intelligens felderítő robotok Készítette: Györke Péter Intelligens rendszerek MSC szakirány Konzulens: Kovács Dániel László Méréstechnika és Információs.
Önálló labor munka Csillag Kristóf 2005/2006. őszi félév Téma: „Argument Mapping (és hasonló) technológiákon alapuló döntéstámogató rendszerek vizsgálata”
Önálló labor munka Csillag Kristóf 2004/2005. tavaszi félév Téma: „Argument Mapping (és hasonló) technológiákon alapuló döntéstámogató rendszerek vizsgálata”
valós-idejű helymeghatározás WLAN-nal
Mozgás/hangérzékelés mobitelefonokon MobSensor Ekler Péter Budapesti Műszaki és Gazdaságtudományi Egyetem Automatizálási és Alkalmazott Informatikai Tanszék.
GPS az építőmérnöki gyakorlatban Transzformáció. Térbeli hasonlósági transzformáció.
Adatbányászati módszerek a térinformatikában
Mit kell megtanulni? Euler kéz, DH lépés mint mátrixok szorzata Minden, ami a mérési útmutató kérdéseihez szükséges (pdf 59. oldal) ARPS (azok az utasítások,
A... TANTÁRGY OKTATÁSA KÍSÉRLETI/PROJEKT FORMÁBAN Projekt/kísérlet konkrét címe Név | Tanár neve | Iskola.
BMF-NIK-IAR Macska Nagy Krisztina Kancsár Dániel Sipos Péter.
Valós idejű adaptív útvonalkeresés
Autonóm jellegű robot rover fedélzeti rendszere Góczán Bence Dávid Konzulens: dr Kiss Bálint Eszközök : Simonyi Károly Szakkollégium - LEGO Kör.
KINECT© szenzor intelligens terekben
Térinformatika adatok tudásbázisán alapuló kereső- motor IKTA / 2000.
Pázmány Péter Katolikus Egyetem Információs Technológiai Kar Önálló laboratórium I. Mesterséges tapintás érzékelő Konzulens: Kis Attila Dr. Szolgay Péter.
Integrált irányítási környezet kialakítása. I. Szervezetfejlesztés Az Egyetem szervezeti felépítését részben meghatározza a jogszabály és a Szervezeti.
Kémiai reakciók iránya
ESP Szilágyi András, WSX87Z.
Struktúra predikció Struktúra lehet Felügyelt tanulási probléma
Hegesztő robotok.
Mechatronikus szemmel nézve Bozsik Márton - NIUAJF
Umron, az asztaliteniszező robot KOVÁCS BERTALAN FJF6UG.
ASIMO Fejlesztésének története Felépítése, specifikációi
 Az Active Body Control (ABC) egy intelligens felfüggesztés, melyet a Mercedes-benz fejlesztett ki, és már 1999-ben alkalmazták bizonyos típusokban.
Huffman kód.
Molnár Máté WOBHME Intelligens Termékek Elemei 2014/15/I. iRobot – Roomba bemutatása.
Szoftvertechnológia Rendszermodellezés. Az architektúra modell – a rendszert alkotó alrendszerek absztrakt reprezentációja Tartalmazhatja – az alrendszerek.
Kinetikus Monte Carlo  Bevezetés  Véletlen bolyongás  Residence time algoritmus.
NXT és EV3 összehasonlítása
Kontinuum modellek 1.  Bevezetés a kontinuum modellekbe  Numerikus számolás alapjai.
Justin a DLR büszkesége
Környezetvédelmi analitika
A szakdolgozat rövid bemutatása
Stacionárius és instacionárius áramlás
Műholdas helymeghatározás 6. előadás
Stacionárius és instacionárius áramlás
Hőmérséklet Időjárás.
Mesterséges intelligencia
I-QRS ÉletjelfigyelőTelemetriás Rendszer
ECRIS-TCN dr. Borza Gabriella Nemzetközi és Belső Koordinációs Osztály
Előadás másolata:

1/19 Hogyan tájékozódnak a robotok? Koczka Levente Eötvös Collegium

2 Autonóm robot  emberi beavatkozás nélküli feladatmegoldás  környezet feltérképezése különböző érzékelőkkel (szenzorok)  jelek küldése a külvilág számára (aktuátorok)  a központi egység az érzékelt jelektől függően vezérli az aktuátorokat

3 Szenzorok és aktuátorok  szenzorok:  környezeti:  távolságérzékelők  kamerák  érintőérzékelők  egyéb szenzorok: a robot állapotáról adnak információt (belső hőmérséklet, töltöttségi állapot stb.)  aktuátorok: motorok

4 Szimultán helymeghatározás és térképezés problémája  a robot mozgása közben térképet épít, miközben folyamatosan meghatározza a saját pozícióját is ezen a térképen  egyszerre zajlik a térkép létrehozása és a különböző tárgyak pozícióinak meghatározása

5 Nehézségek  a robot a beépített szenzorával relatív megfigyeléseket tesz a többi tereptárgyról  a mozgási utasítások és a szenzorok méréseit kísérő zaj miatt a megfigyelések minősége nem lesz tökéletes  zaj okai: szabálytalan kerekek, szenzor hibái, talaj hibái, kerekek megcsúszása

6 Probléma  a robot a kiindulási állapotban

7 Probléma  elmozdul a robot, ekkor az odometrikus adatok alapján kiszámolja, hogy mi a pozíciója

8 Probléma  újra megfigyeli a környezetét a szenzoraival

9 Probléma  azonban ezen adatokból kiszámolt pozíciója más lesz, mint az előbbi

10 Probléma  valójában viszont egyik kiszámolt pozíció sem felel meg a valóságnak

11 A megoldás

12 Tájékozódási pontok  olyan pontok, melyeket a robot újra és újra érzékelni tud, és meg tudja különböztetni a környezettől  fontos jellemzői:  ne mozogjon  könnyen meg lehessen különböztetni a környezetétől  különböző pozíciókból is lehessen érzékelni

13 A megoldás

14 Adatösszerendelés  különböző időpillanatokban észlelt tájékozódási pontokról eldönteni, hogy azonosak-e vagy nem  egy egyszerű adatösszerendelési technika:  adatbázisban tároljuk az eddig már észlelt tájékozódási pontokat  új észlelésekor a hozzá legközelebbi tájékozódási ponthoz rendeljük hozzá

15 A megoldás

16 Kiterjesztett Kálmán-szűrő (EKF)  az odometrikus adatok és a tájékozódási pontok pozíciói alapján kiszámítja a robot becsült helyzetét  rekurzív algoritmus  az aktuális becsült állapot kiszámításához csak az előző becsült állapotot és az aktuális megfigyelési adatokat használja fel

17 A megoldás

18 Kiterjesztett Kálmán-szűrő  Iterációs lépések:  az állapot frissítése az odometrikus adatok alapján  az állapot frissítése a tájékozódási pontok újbóli megfigyelése segítségével  új tájékozódási pont hozzáadása az állapothoz

19/19 Köszönöm a figyelmet