Depending on the amount of data to process, file generation may take longer.

If it takes too long to generate, you can limit the data by, for example, reducing the range of years.

Dissertation

Download BibTeX

Title

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

Authors

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

Promoter

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

Supporting promoter

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

Reviewers

Title variant

PL Łączenie interakcji i percepcji dla określenia właściwości fizycznych otoczenia robota

Language

english

Keywords
EN
  • machine learning
  • haptic perception
  • multimodal fusion
PL
  • uczenie maszynowe
  • percepcja haptyczna
  • fuzja multimodalna
Abstract

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.

Number of pages

127

Scientific discipline (Law 2.0)

automation, electronics, electrical engineering and space technologies

Signature of printed version

DrOIN 2281

On-line catalog

to202300457

Full text of dissertation

Download file

Access level to full text

public

First review

Bogdan Kwolek

Place

Kraków, Polska

Date

27.06.2023

Language

polish

Review text

Download file

Access level to review text

public

Second review

Tomasz Trzciński

Place

Warszawa, Polska

Date

13.06.2023

Language

polish

Review text

Download file

Access level to review text

public

Dissertation status

dissertation

Place of defense

Poznań, Polska

Date of defense

10.10.2023

Unit granting title

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

Obtained title

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

This website uses cookies to remember the authenticated session of the user. For more information, read about Cookies and Privacy Policy.