Методи і програмні засоби для автоматизації управління роботизованою кінцівкою
Вантажиться...
Дата
2024
Автори
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
КПІ ім. Ігоря Сікорського
Анотація
Вітюк А.Є. Методи і програмні засоби для автоматизації управління роботизованою кінцівкою. – Кваліфікаційна наукова праця на правах рукопису.
Дисертація на здобуття наукового ступеня доктора філософії за спеціальністю 121 «Інженерія програмного забезпечення». Робота виконана на кафедрі інформатики та програмної інженерії Національного технічного університету України «Київський політехнічний інститут імені Ігоря Сікорського» Міністерства освіти і науки України.
Дисертацію присвячено дослідженню програмних засобів для управління роботизованою кінцівкою та методам автоматизації процесу їх розробки з використанням алгоритмів нейроеволюції. Класичні моделі програмних засобів для управління роботизованими кінцівками базуються на точних специфікаціях завдань і точних моделях цільових об’єктів, з якими взаємодіє робот. Такі підходи гарно працюють у лабораторних умовах, проте мають обмежену придатність в умовах реального світу. Нові програмні застосунки для управління роботизованими кінцівками повинні працювати з недосконалими датчиками та виконавчими механізмами. Розробка моделей управління роботизованою кінцівкою нового покоління має бути автоматизованою, адже завдання та робочі середовища для роботів ускладнюються, зростає потреба в методах навчання та пошуку, які можуть планувати досягнення цілі, не покладаючись на вже існуючу структуру підзадач, розроблену людиною. Таким чином, вказані задачі визначають актуальну науково-технічну задачу вдосконалення теоретичних (методів) та практичних (програмних засобів) основ автоматизованої розробки адаптивних моделей управління роботизованою системою з захватним пристроєм, яка вирішується у даній дисертаційній роботі. Метою дисертаційної роботи є підвищення ефективності розроблення програмного управління роботизованою рукою, яка отримує інформацію про стан середовища з камери, шляхом використання методів автоматизації створення нейроеволюційних моделей. Результати викладено у чотирьох розділах дисертації. Перший розділ присвячено огляду та аналізу проблем автоматизованого управління роботизованою рукою робота. Розглянуто особливості взаємодії агента та середовища. Запропоновано методи навчання інтелектуального роботизованого агенту для виконання задач маніпуляції цільовими об’єктами роботизованою рукою. Розглянуто програмні засоби для навчання нейроконтролерів роботизованих систем. Другий розділ присвячено огляду методів комп’ютерного зору для обробки візуальної інформації, яка може бути використана роботизованим агентом як вхідні дані стану середовища. Розглянуто залежність точності вхідних даних з візуального сенсора та якості позиціонування роботизованої системи. Запропоновано методи та програмні засоби для оцінки впливу похибок параметрів камери на якість реконструйованої моделі середовища. Третій розділ присвячено методам нейроеволюції для управління роботизованою системою з маніпулятором. Розглянуто алгоритм NEAT для автоматизації розробки нейроконтролерів для управління роботизованою кінцівкою. Розроблено навчальне середовище для автоматизованої розробки моделі позиціонування роботизованої руки. Представлено методи адаптації нейроеволюційного підходу до використання в цільових задачах роботизованої руки. В четвертому розділі розглядається розроблення програмного засобу для адаптивного навчання контролерів роборуки на основі нейромереж з використанням методів нейроеволюціїї для задач, де вхідні дані представлені у вигляді зображень з камери. Представлена реалізація програмного рішення для навчання роботизованої руки заданої конфігурації виконання задач у тренувальних середовищах. У дисертаційній роботі отримано низку нових наукових результатів, а саме: Вперше запропоновано метод пошуку новизни в нейроеволюції для автоматизації створення моделі програмного управління роботизованою кінцівкою, що дозволяє прискорити процес розробки системи управління для нових задач роботизованої кінцівки, зокрема для адаптації конфігурації кінцівки або середовища, що підтверджується за допомогою навчання у тестових середовищах та оцінки отриманої моделі. Представлений метод відрізняється від існуючих тим, що не потребує ресурсів розробника для ручного налаштування параметрів управління роботизованою кінцівкою з метою отримання найбільш ефективної стратегії вирішення кожної окремої задачі управління. Вперше запропоновано метод навчання на основі гіперкуба для програмного управління в задачах агента-роборуки, що отримує інформацію про стан середовища з камери. Використання методу на основі гіперкуба для програмного управління агентом на основі зображень з камери покращує ефективність навчання моделі за рахунок використання відображення геометрії фенотипу субстрату штучної нейронної мережі на його шаблон зв’язків на основі гіперкубу, сприяючи розвитку більш універсальних і потужних архітектур нейронних мереж. Вперше розроблено метод підвищення якості вхідних даних з камери, які використовуються для автоматизованого управління роботизованою кінцівкою, що надає можливість навчання роботизованих агентів на тестових середовищах в умовах, що наближені до реальних, адже враховують похибки камери. Цей метод дозволяє налаштовувати конфігурацію камери у навчальній системі для адаптації моделі до реальної конфігурації роботизованої системи, що забезпечує зменшення похибок параметрів камери під час калібрування та суттєве підвищення успішності стійкого захвату кінцівкою. Практичне значення одержаних результатів полягає у експериментально підтвердженій ефективності представлених методів на відомих тестових середовищах OpenAI Gym для перевірки якості нейроеволюційних алгоритмів як для двовимірних моделей середовищ, так і для тривимірних, де інформацію про стан середовища роботизований агент отримує з камери, що наближено до роботи системи в умовах реального світу. Отримано патент на засоби калібрування камери для підвищення якості вхідних даних з камери, що використовується для автоматизованого управління роботизованою кінцівкою. Реалізовано метод пошуку новизни під час автоматизованого навчання моделі системи для двовимірного середовища та метод на основі гіперкуба для тривимірного середовища при виконанні маніпуляційних задач роботизованою кінцівкою. Встановлено, що використання представлених методів у нейроеволюційному процесі для вирішення задачі позиціонування дозволяє підвищити ефективність процесу навчання мережі та отримати оптимальну топологію управляючої мережі. Основні результати дисертаційної роботи опубліковано у 9 наукових працях, зокрема, у 5 наукових статтях, з яких 4 статті опубліковано у фахових виданнях, включених до переліку наукових фахових видань України з присвоєнням категорії «Б», та 1 статтю у інших виданнях. Крім того, 3 статті у матеріалах науково-технічних конференцій. Також опубліковано 1 патент.
Опис
Ключові слова
автоматизація розробки моделі, нейромережеві моделі управління, роботизована кінцівка, калібрування камери, нейроеволюція, NEAT, комп'ютерний зір, алгоритм навчання, automation of model development, neural network control models, robotic arm, camera calibration, neuroevolution, computer vision, learning algorithm
Бібліографічний опис
Вітюк, А. Є. Методи і програмні засоби для автоматизації управління роботизованою кінцівкою : дис. … д-ра філософії : 121 Інженерія програмного забезпечення / Вітюк Альона Євгеніївна. – Київ, 2024. – 185 с.