آموزش رباتیک مبتدی

به راحتی برای آموزش خود معرفی می شود. 5. پیاده سازی نمونه برنامه ربات برای تأیید کاربرد عملی سیستم ، ما یک روباتیک را درک کردیم سیستم با استفاده از یک آموزش رباتیک مبتدی روبات فیزیکی و انجام وظیفه آنرا تأیید کرد. 5.1 سخت افزاروظیفه اصلی این سیستم دستیابی و گرفتن جعبه ای بود که روی میز قرار گرفته بود. شکل 8a

تنظیم تجربی را نشان می دهد. اندازه کادر به عنوان شی هدف برای گرفتن انتخاب شده است بعاد 95 × 45 × 18 میلی متر بود. ما این سیستم را با استفاده از5] ، که دارای شش مورد است ، پیاده سازی کردیم درجات آزادی () ، یک دسته دو انگشتی و یک دوربین [36]. برای کنترل بازو و دوربین ربات ، ما به ترتیب از 7] و [38] استفاده کردیم ،

که هر دو منبع باز هستند. آموزش رباتیک مبتدی دوربین وب به سه پایه بالای صفحه متصل شده است بازو ، و شکل 8b تصویری را که توسط دوربین گرفته شده است نشان می دهد. سخت افزار در آن نگهداری می شد سنسورهای 2021 ، 21 ، 3804 12 از 21 موقعیت مشابه در مراحل DC و TE این به منظور جلوگیری از دقت مدل بود

به دلیل تغییر زاویه دید دوربین ، کاهش می یابد.  شکل 8. الف) تنظیم محیط آزمایشی. (ب) تصویر Rگرفته شده توسط دوربین.  5.2 آزمایش یادگیری مراحل را روی سیستم پیاده سازی شده اجرا کردیم. آموزش رباتیک مبتدی در مرحله DC ، ما در عرض 2 ساعت تقریبا 500 تصویر جمع آوری کردیم. همه تصاویر با موقعیت یادداشت شدند

نگرش ها ، همانطور که در بخش 4.2 توضیح داده شده است. در مرحله ، ما مدل نمونه را آموزش دادیم توسط اجرا شده است. مدل شامل چهار لایه کانولوشن و سه لایه بود لایه های کاملاً متصل لایه آخر دارای یک فعال سازی خطی بود و لایه های دیگر ایرانیان سایبر دارای فعال سازی واحد خطی اصلاح شده () ورودی مدل تصویر دوربین بود

تغییر اندازه به 64 × 64 پیکسل ، آموزش رباتیک مبتدی و خروجی یک موقعیت موضعی (x ، y ، θ) در مختصات بود سیستم ربات تابع ضرر میانگین مربعات خطا بین خروجی بود و سیگنال های هدف ما از 33٪ مجموعه داده تصویر به عنوان داده های اعتبار سنجی استفاده کردیم. این این مدل با استفاده از بهینه ساز [39] در بیش از 3000 دوره آموزش داده شد. اندازه دسته بود

10. روند آموزش کمتر از 3 ساعت به طول انجامید. نتایج منحنی یادگیری در نشان داده شده است شکل 9. بر اساس مقادیر ضرر و دقت ، ما آموزش را همگرا ارزیابی کردیم.  ما از پارامترهای وزن آموزش رباتیک مبتدی در زمان دوره 3000 برای مرحله بعدی TE استفاده کردیم. در مرحله TE ، با استفاده از پارامترهای بدست آمده از مرحله ML ، ساختیم تشخیص تصویر و تأیید کرد که آیا کار گرفتن برای شیء مورد نظر می تواند انجام شود

انجام شود. بازوی ربات می تواند بدون در نظر گرفتن موقعیت بازو ، چنگ زدن را انجام دهد شیء قرار داده شده (شکل 10). میزان موفقیت کار انجام شده ، 85٪ بود  دقت در داده های اعتبار سنجی توجه داشته باشید که دقت برنامه های رباتیک  تا حد زیادی آموزش رباتیک مبتدی به تعداد مجموعه داده ها و محیط اجرای برنامه بستگی دارد.

از آنجا که کار درک ما ساده است ، می توان مدل را با یک مدل کوچک آموزش داد مقدار داده این کار برای مبتدیان کافی است تا جریان توسعه را تجربه کنند. از جانب در بالا ، تأیید شد که برنامه توسعه یافته ما به طور عادی کار می کند.

در این کار انتخاب ، لایه میانی ویژگی های هندسی اشیا را می آموزد ، مانند لبه ، شکل ، تفاوت بین پس زمینه و شی و سایه زدن. برای ایجاد یک مدل با عملکرد خوب ، کاربر یاد می گیرد که چگونه داده های آموزشی را جمع آوری کند بر روی ویژگی های تصویر از طریق پیاده سازی تأکید کنید. به عنوان یک مثال ، آموزش رباتیک مبتدی شناخته شده است

که هر چه تنوع موقعیت ها و حالت های شیء در تصاویر آموزشی بیشتر باشد ، بیشتر است قابلیت تعمیم مدل برای سایر جزئیاترررررتکنیک ها ، لطفا مراجعه کنید به نظرسنجی در [40] یا آموزش ابزارهای پشتیبانی [17،20]. آنها واقعی و هستند تکنیک های مفید برای توسعه یک برنامه رباتیک واقعی.