W zależności od ilości danych do przetworzenia generowanie pliku może się wydłużyć.

Jeśli generowanie trwa zbyt długo można ograniczyć dane np. zmniejszając zakres lat.

Rozprawa doktorska

Pobierz BibTeX

Tytuł

Combining interaction and perception to determine the physical properties of the robot environment

Autorzy

[ 1 ] Instytut Robotyki i Inteligencji Maszynowej, Wydział Automatyki, Robotyki i Elektrotechniki, Politechnika Poznańska | [ D ] doktorant

Promotor

[ 1 ] Instytut Robotyki i Inteligencji Maszynowej, Wydział Automatyki, Robotyki i Elektrotechniki, Politechnika Poznańska | [ P ] pracownik

Promotor pomocniczy

[ 1 ] Instytut Robotyki i Inteligencji Maszynowej, Wydział Automatyki, Robotyki i Elektrotechniki, Politechnika Poznańska | [ P ] pracownik

Recenzenci

Wariant tytułu

PL Łączenie interakcji i percepcji dla określenia właściwości fizycznych otoczenia robota

Język

angielski

Słowa kluczowe
EN
  • machine learning
  • haptic perception
  • multimodal fusion
PL
  • uczenie maszynowe
  • percepcja haptyczna
  • fuzja multimodalna
Streszczenie

EN Robot perception is a developing field that requires a robot to understand its environment and adapt to unpredictable situations. However, current perception systems have limited ability to recognize the tactile properties of the environment. The dissertation aims to create a low-cost and computationally efficient perception system that provides information for on-board systems such as localization, obstacle avoidance, and manipulation strategy. The methodology is based on artificial intelligence, mainly machine learning and deep learning. The dissertation presents deep learning methods in classifying surfaces touched by the robot and in regressing the physical parameters of the surfaces. Unsupervised learning is also crucial for understanding the sensory data properties. Robot perception resilience is essential for practical implementation and is enhanced by utilizing attention modules.

PL Percepcja robotyczna to rozwijająca się dziedzina wymagająca od robota zrozumienia otoczenia i jego dostosowania do nieprzewidywalnych sytuacji. Obecne systemy percepcji mają jednak ograniczoną zdolność rozpoznawania właściwości taktylnych otoczenia. Rozprawa ma na celu stworzenie taniego i mało wymagającego obliczeniowo systemu percepcji, który dostarczy informacje dla systemów działających na pokładzie robota, takie jak lokalizacja, unikanie przeszkód czy strategia manipulacji. Metodyka pracy opiera się na sztucznej inteligencji, głównie na uczeniu maszynowym i głębokim uczeniu. Rozprawa przedstawia metody głębokiego uczenia w klasyfikacji powierzchni dotykanych przez robota oraz w zadaniu regresji parametrów fizycznych powierzchni. Uczenie nienadzorowane jest również kluczowe dla zrozumienia właściwości danych sensorycznych. Odporność percepcji robota jest ważna dla rzeczywistego wdrożenia i jest zwiększana poprzez wykorzystanie modułów atencji.

Liczba stron

127

Dyscyplina naukowa (Ustawa 2.0)

automatyka, elektronika, elektrotechnika i technologie kosmiczne

Sygnatura rozprawy w wersji drukowanej

DrOIN 2281

Katalog on-line

to202300457

Pełny tekst rozprawy doktorskiej

Pobierz plik

Poziom dostępu do pełnego tekstu

publiczny

Pierwsza recenzja

Bogdan Kwolek

Miejsce

Kraków, Polska

Data

27.06.2023

Język

polski

Tekst recenzji

Pobierz plik

Poziom dostępu do recenzji

publiczny

Druga recenzja

Tomasz Trzciński

Miejsce

Warszawa, Polska

Data

13.06.2023

Język

polski

Tekst recenzji

Pobierz plik

Poziom dostępu do recenzji

publiczny

Status rozprawy

rozprawa doktorska

Miejsce obrony

Poznań, Polska

Data obrony

10.10.2023

Jednostka nadająca tytuł

Rada Dyscypliny Automatyka, Elektronika, Elektrotechnika i Technologie Kosmiczne Politechniki Poznańskiej

Uzyskany tytuł

doktor nauk technicznych w dyscyplinie: automatyka, elektronika, elektrotechnika i technologie kosmiczne

Ta strona używa plików Cookies, w celu zapamiętania uwierzytelnionej sesji użytkownika. Aby dowiedzieć się więcej przeczytaj o plikach Cookies i Polityce Prywatności.