Методи і програмні засоби для автоматизації управління роботизованою кінцівкою
| dc.contributor.advisor | Дорошенко, Анатолій Юхимович | |
| dc.contributor.author | Вітюк, Альона Євгеніївна | |
| dc.date.accessioned | 2024-06-11T11:26:45Z | |
| dc.date.available | 2024-06-11T11:26:45Z | |
| dc.date.issued | 2024 | |
| dc.description.abstract | 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. | |
| dc.description.abstractother | Vitiuk A. Methods and software tools for automating control of a robotic arm. Qualifying scientific work on the rights of the manuscript. Ph.D. thesis in the field of knowledge 12 Information technologies in a specialty 121 Software engineering. – National Technical University of Ukraine «Igor Sikorsky Kyiv Polytechnic Institute», Kyiv, 2023. The dissertation is devoted to the research of software tools for controlling a robotic limb and methods of automating the process of their development using neuroevolution algorithms. Classical software models for controlling robotic limbs are based on accurate task specifications and accurate models of the target objects with which the robot interacts. Such approaches work well in laboratory settings, but have limited applicability in real-world settings. New robotic applications require controllers that can work with imperfect sensors and actuators in changing environments. As tasks and work environments for robots become more complex, there is a growing need for learning and retrieval methods that can plan to achieve a goal without relying on a pre-existing structure of human-designed subtasks. Thus, the specified tasks determine the actual scientific and technical task of improving the theoretical (methods) and practical (software) foundations of the automated development of adaptive control models of a robotic system with a gripping device, which is solved in this dissertation work. The purpose of the dissertation is to increase the effectiveness of the development of a neural network model in the means of software control of a robotic arm by using methods of automating the creation of neuroevolutionary control models for a robotic agent that receives information about the state of the environment from a camera. The results are presented in four sections of the thesis. The first section is devoted to the review and analysis of the problems of automated control of a robotic arm of a robot. The peculiarities of the interaction between the agent and the environment are considered. Methods of training an intelligent robotic agent to perform the tasks of manipulation of target objects with a robotic arm are proposed. Software tools for training neurocontrollers of robotic systems are considered. The second section is devoted to an overview of computer vision techniques for processing visual information that can be used by a robotic agent as input to the state of the environment. The dependence of the accuracy of the input data from the visual sensor and the positioning quality of the robotic system is considered. Methods and software tools are proposed for evaluating the impact of camera parameter errors on the quality of the reconstructed environment model. The third section is devoted to neuroevolutionary methods for controlling a robotic system with a manipulator. The NEAT algorithm for automating the development of neurocontrollers for controlling a robotic limb is considered. A learning environment for the automated development of a robotic arm positioning model has been developed. The methods of adapting the neuroevolutionary approach to the use of a robotic arm in target tasks are presented. The fourth section deals with the development of a software tool for adaptive training of robot controllers based on neural networks using neuroevolution methods for tasks where the input data is presented in the form of camera images. The implementation of a software solution for training a robotic hand in a given configuration of performing tasks in training environments is presented. A number of new scientific results were obtained in the dissertation work, namely: For the first time, a method of searching for novelty in neuroevolution is proposed to automate the creation of a model of software control of a robotic limb, which allows to accelerate the process of developing a control system for new tasks of a robotic limb, in particular for adapting the configuration of the limb or the environment, which is confirmed by means of training in test environments and evaluation of the obtained model. The presented method differs from the existing ones in that it does not require developer resources to manually adjust the control parameters of the robotic limb in order to obtain the most effective strategy for solving each individual control problem. For the first time, a learning method based on a hypercube is proposed for software control in the tasks of a robotic agent that receives information about the state of the environment from a camera. The use of a hypercube-based method for programmatic control of an agent based on camera images improves model training efficiency by exploiting the mapping of the phenotype geometry of an artificial neural network substrate to its hypercube-based connection template, contributing to the development of more versatile and powerful neural network architectures. For the first time, a method for improving the quality of input data from a camera used for automated control of a robotic limb has been developed, which provides the opportunity to train robotic agents on test environments in conditions close to real ones, because camera errors are taken into account. This method allows you to adjust the camera configuration in the training system to adapt the model to the real configuration of the robotic system, which ensures a reduction in camera parameter errors during calibration and a significant increase in the success rate of stable limb grasping. The practical significance of the obtained results lies in the experimentally confirmed effectiveness of the presented methods on the well-known OpenAI Gym test environments for checking the quality of neuroevolutionary algorithms both for two-dimensional models of environments and for three-dimensional ones, where the robotic agent receives information about the state of the environment from the camera, which approximates the operation of the system in real world conditions. Received a patent for camera calibration tools to improve the quality of input data from a camera used for automated control of a robotic limb. The method of searching for novelty during automated learning of a system model for a two-dimensional environment and a method based on a hypercube for a three-dimensional environment when performing manipulation tasks with a robotic limb are implemented. It was established that the use of the presented methods in the neuroevolutionary process to solve the positioning problem allows to increase the efficiency of the network learning process and obtain the optimal topology of the control network. The main results of the dissertation work were published in 9 scientific works, in particular, in 5 scientific articles, of which 4 articles were published in specialized publications included in the list of scientific specialized publications of Ukraine with the assignment of category "B", and 1 article in other publications. In addition, 3 articles in the materials of scientific and technical conferences. Also published 1 patent. | |
| dc.format.extent | 185 с. | |
| dc.identifier.citation | 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. | |
| dc.identifier.uri | https://ela.kpi.ua/handle/123456789/67092 | |
| dc.language.iso | uk | |
| dc.publisher | КПІ ім. Ігоря Сікорського | |
| dc.publisher.place | Київ | |
| dc.subject | автоматизація розробки моделі | |
| dc.subject | нейромережеві моделі управління | |
| dc.subject | роботизована кінцівка | |
| dc.subject | калібрування камери | |
| dc.subject | нейроеволюція | |
| dc.subject | NEAT | |
| dc.subject | комп'ютерний зір | |
| dc.subject | алгоритм навчання | |
| dc.subject | automation of model development | |
| dc.subject | neural network control models | |
| dc.subject | robotic arm | |
| dc.subject | camera calibration | |
| dc.subject | neuroevolution | |
| dc.subject | computer vision | |
| dc.subject | learning algorithm | |
| dc.subject.udc | 004.89 | |
| dc.title | Методи і програмні засоби для автоматизації управління роботизованою кінцівкою | |
| dc.type | Thesis Doctoral |