İki Bacaklı Robotlar Için Yapay Sinir Ağı Temelli Kontrolcü Tasarımı Ve Gerçeklemesi

7 0

Proje Grubu: EEEAG Sayfa Sayısı: 92 Proje No: 120E104 Proje Bitiş Tarihi: 15.07.2023 Metin Dili: Türkçe DOI: 120E104 İndeks Tarihi: 26-01-2024

İki Bacaklı Robotlar Için Yapay Sinir Ağı Temelli Kontrolcü Tasarımı Ve Gerçeklemesi

Öz:
Bacaklı robot platformları tekerlekli robotlardan farklı olarak hareket sırasında bacakların uçuş ve temas fazları arasında geçiş yapıldığından hibrit dinamik bir yapıya sahiptir. Doğrusal olmayan fiziksel yapıları nedeniyle bacaklı robotların davranışlarının modellenmesinde ve yürüyüş kontrolünde önemli zorluklar yaşanmaktadır. Bu zorluklar kontrolcü tasarımlarını da etkilemekte ve bazen bacağın her bir fazı için farklı kontrolcülerin geliştirilmesi gerekmektedir. Buna karşın bacaklı canlılarda bulunan sinir sistemi farklı hareket fazları arasında sorunsuz geçiş ve kontrol sağlamaktadır. Bu projede sınırlı parametre sayısına sahip klasik kontrolcü yapıları yerine yapay sinir ağı temelli doğrusal olmayan kontrolcü yapılarının iki bacaklı robotların dinamik kararlı yürüyüş probleminde kullanılabilirliği incelenmiştir. Bu amaçla önce araştırma birimimizde var olan alt yapıyla uyumlu iki bacaklı robot üretilmiştir, daha sonra da tekrarlı ve önbeslemeli sinir ağlarından oluşan kontrolcü mimarileri geliştirilip bu kontrolcülerin benzetim ve fiziksel ortamda testleri gerçekleştirilmiştir. Gerçek hayat şartlarına daha fazla uyumlu olabilmek amacıyla kontrolcü sinir ağları, sinir ağı temelli model referans adaptif kontrol yaklaşımı ile robot platformunda zaman içerisinde oluşan parametre değişimlerine ve benzetim ortamında yapılan modelleme eksikliklerine karşı yeniden eğitilmiştir.Deneyler hem benzetim ortamında hem de gerçek robot üzerinde yapılmıştır. Böylece deneysel çalışmanın, kuramsal çalışmada edindiğimiz bilgiyi işler hale getirmek ve yaptığımız varsayımları gerekirse değiştirmek ve yeni problem formülasyonlarının gelişimini sağlayıcı bir rolü olmuştur. Bu bakımdan, kuramsal ve deneysel çalışmalar birbirini etkilemiş ve tamamlamıştır. Bu proje ile iki bacaklı bir robotun tekrarlayan sinir ağları kullanılarak yürüyüşü kontrol edilirken dış dünyanın doğrudan gözlenmesi yoluyla kontrolcünün güncellenmesi yöntemi bilgimiz dahilinde özgün olarak ilk defa gerçekleştirilmiştir. Bu projede bacaklı robotların yürüyüş kontrolünün kolaylaştırılması ile hareket alanlarının genişletilmesi, imalat, hizmet ve savunma gibi pek çok sektörde kullanımının kolaylaştırılması hedeflenmiştir.
Anahtar Kelime: Yapay Sinir Ağı Makine Öğrenmesi Derin Öğrenme Adaptif Kontrol Bacaklı Robot Robot Lokomosyon

Artificial neural network based controller design and implementation for two-legged robots

Öz:
Unlike wheeled robots, legged robot platforms have a hybrid dynamic structure since the legs switch between flight and contact phases during movement. Their nonlinear physical structure causes significant difficulties in modeling the behavior and walking control of legged robots. These challenges also affect controller designs, and sometimes necessitate the development of different controllers for each leg phase. However, nervous system in legged organisms provides smooth transition and control for different motion phases. In this project, instead of classical controller structures with limited number of parameters, use of artificial neural network-based nonlinear controller structures in dynamically stable walking problem of two-legged robots is examined. For this purpose, firstly two-legged robot compatible with existing infrastructure in our laboratory is produced, and then controller architectures consisting of recurrent neural networks are developed and tested in simulation and physical environment. To be more adaptable to real life conditions, controller neural networks are retrained with neural network based model reference adaptive control approach, against the changes of robot platform over time and modeling deficiencies due to simulation environment. Experiments are done, both in simulation environment and real robots. Thus, experimental work had the role of making the information we acquired by theoretical work functional, and changing our assumptions if necessary, and ensuring the development of new problem formulations. In this respect, theoretical and experimental studies influenced and complemented each other. To the best of our knowledge, with this project the method of updating the controller by direct observation of external world while controlling the gait of a two-legged robot using recurrent neural networks is realized for the first time. In this project, easing the walking control of legged robots by expanding the range of motion and facilitating their use in many sectors is aimed, such as manufacturing, service and defense.
Anahtar Kelime: Yapay Sinir Ağı Makine Öğrenmesi Derin Öğrenme Adaptif Kontrol Bacaklı Robot Robot Lokomosyon

Erişim Türü: Bibliyografik
0
0
0
  • Ahmadi M., ve Buehler M. 2006. “Controlled passive dynamic running experiments with the ARL-monopod II”, IEEE Transactions on Robotics, 22 (5), 974-986.
  • ATI Industial Automation Inc. “Digital F/T System Installation and Operation Manual” https://www.ati-ia.com/app_content/documents/9620-05-Digital%20FT.pdf, Son erişim tarihi: 10 Ocak 2022.
  • Auddy, S. 2017. Hierarchical control for bipedal locomotion using central pattern generators and neural networks, Master Tezi, Hamburg Üniversitesi.
  • Auddy, S., Magg, S., ve Wermter, S. 2019, “Hierarchical Control for Bipedal Locomotion using Central Pattern Generators and Neural Networks,” 2019 Joint IEEE 9th International Conference on Development and Learning and Epigenetic Robotics (ICDL-EpiRob). IEEE, DOI: 10.1109/devlrn.2019.8850683.
  • Cristiano, J., Puig, D., & Garcia, M. A. 2014. “Locomotion control of a biped robot through a feedback CPG network,” ROBOT2013: First Iberian Robotics Conference. Springer, 527–540. Çatalbaş, B. 2015. “Recurrent neural network learning with an application to the control of legged locomotion,” Yüksek lisans tezi, Bilkent Üniversitesi.
  • Çatalbaş, B. 2022. “Control and system identification of legged locomotion with recurrent neural networks,” Doktora tezi, Bilkent Üniversitesi.
  • Çatalbaş, B., Çatalbaş, B., ve Morgül, Ö. 2017. “Human activity recognition with different artificial neural network based classifiers,” 2017 25th Signal Processing and Communications Applications Conference (SIU), 1–4.
  • Çatalbaş, B., Çatalbaş, B., ve Morgül, Ö. 2020. “Two-legged robot system identification with artificial neural networks,” 2020 28th Signal Processing and Communications Applications Conference (SIU). IEEE, 1–4.
  • Çatalbaş, B., ve Morgül, Ö. 2019. “Tekrarlayan sinir ağları ile iki ayaklı robot hareket kontrolü,” 2019 21. Otomatik Kontrol Ulusal Toplantısı TOK 2019, 270–277.
  • Çatalbaş, B., ve Morgül, Ö. 2022. “Two-legged robot motion control with recurrent neural networks,” Journal of Intelligent & Robotic Systems, vol. 104, no. 4, 59.
  • Feng, S., Xinjilefu, X., Atkeson, C. G., ve Kim, J. 2015. “Optimization based controller design and implementation for the atlas robot in the darpa robotics challenge finals,” 2015 IEEE-RAS 15th International Conference on Humanoid Robots (Humanoids). IEEE, 1028–1035.
  • F/T Sensor: Gamma, https://www.ati-ia.com/products/ft/ft_models.aspx?id=gamma, Son erişim tarihi: 10 Ocak 2022.
  • Geyer H., Seyfarth A., ve Blickhan R. 2005. “Spring-mass running: Simple approximate solution and application to gait stability”, Journal of Theoretical Biology, 232 (3), 315-328.
  • Guizzo, E. 2019. “By leaps and bounds: An exclusive look at how boston dynamics is redefining robot agility,” IEEE Spectrum, vol. 56, no. 12, 34–39.
  • GWInstek, “PSB-2000 Series Programmable Switching D.C. Power Supply”. https://www.gwinstek.com/en-GB/products/detail/PSB-2000. Son erişim: 31 Temmuz 2022.
  • Hénaff, P., Scesa, V., Ouezdou, F. B., ve Bruneau, O. 2011. “Real Time Implementation of CTRNN and BPTT Algorithm to Learn on-line Biped Robot Balance: Experiments on the Standing Posture”, Control Engineering Practice, 19 (1), 89-99.
  • Holmes, P., Full, R. J., Koditschek, D., ve Guckenheimer, J. 2006. “The dynamics of legged locomotion: Models, analyses, and challenges,” SIAM review, vol. 48, no. 2, 207–304.
  • Ijspeert, A. J. 2008. “Central pattern generators for locomotion control in animals and robots: A review”, Neural Networks, 21 (4), 642-653.
  • Jiang, P., Ergu, D., Liu, F., Cai, Y., ve Ma, B. 2022. “A review of yolo algorithm developments,” Procedia Computer Science, vol. 199, 1066–1073.
  • Kamimura, A., Kurokawa, H., Yoshida, E., Murata, S., Tomita, K., ve Kokaji, S. 2005, “Automatic locomotion design and experiments for a modular robotic system,” IEEE/ASME Transactions on mechatronics, 10(3), 314–325.
  • Katz, B., Di Carlo, J., ve Kim, S. 2019. “Mini cheetah: A platform for pushing the limits of dynamic quadruped control,” 2019 international conference on robotics and automation (ICRA). IEEE, 6295–6301.
  • Kerzel, M., Strahl, E., Magg, S., Navarro-Guerrero, N., Heinrich, S., ve Wermter, S. 2017.
  • NICO—Neuro-inspired companion: A developmental humanoid robot platform for multimodal interaction. 2017 26th IEEE International Symposium on Robot and Human Interactive Communication (RO-MAN). IEEE. 113-120.
  • Krizhevsky A., Sutskever I., ve Hinton G. E. 2012. “Imagenet classification with deep convolutional neural networks”, Advances in neural information processing systems, 1097- 1105.
  • Lewis, F. L., Jagannathan, S., ve Yesildirak, A. 1998. Neural network control of robot manipulators and non-linear systems, CRC Press.
  • Mathis, A., Mamidanna, P., Cury, K. M., Abe, T., Murthy, V. N., Mathis, M.W., ve Bethge, M. 2018. “Deeplabcut: markerless pose estimation of user-defined body parts with deep learning,” Nature neuroscience, vol. 21, no. 9, 1281–1289.
  • Matsuoka, K. 1987. “Mechanisms of frequency and pattern control in the neural rhythm generators”. Biological cybernetics, 56 (5-6), 345-353.
  • Mercotac. “Model 230 Two Conductors, 30 Amps”. http://www.mercotac.com/html/230.html, Son erişim: 31 Temmuz 2022.
  • Mesnil, G., He, X., Deng, L., ve Bengio, Y. 2013. “Investigation of Recurrent-Neural-Network Architectures and Learning Methods for Spoken Language Understanding”, Interspeech, 3771-3775.
  • Nishiwaki, K., Kagami, S., Kuniyoshi, Y., Inaba, M., ve Inoue H. 2002. “Online generation of humanoid walking motion based on a fast generation method of motion pattern that follows desired zmp,” IEEE/RSJ International Conference on Intelligent Robots and Systems, 2002, 2684 – 2689.
  • Redmon, J., ve Farhadi, A. 2016. “YOLO9000: better, faster, stronger”, arXiv preprint, 1612. Robotis Inc. “XH540-W150-T/R”. https://emanual.robotis.com/docs/en/dxl/protocol2/, Son erişim: 31 Temmuz 2022.
  • Rohmer, E., Singh, S. P. N., ve Freese, M. 2013. ‘‘CoppeliaSim (formerly V-REP): a Versatile and Scalable Robot Simulation Framework’’, Erişilebilir: https://www.coppeliarobotics.com/coppeliaSim_v-rep_iros2013.pdf
  • Saranlı, U., Buehler, M., ve Koditschek, D. E. 2001. “Rhex: A simple and highly mobile hexapod robot,” The International Journal of Robotics Research, vol. 20, no. 7, 616–631.
  • Shih, C. L. 1999. “Ascending and descending stairs for a biped robot,” IEEE Transactions on Systems, Man and Cybernetics-Part A: Systems and Humans, vol. 29, no. 3, 255 – 268.
  • Shigemi, S., Goswami, A., ve Vadakkepat, P. 2018. “Asimo and humanoid robot research at honda,” Humanoid robotics: A reference, 55–90.
  • Sutskever, I., Martens, J., ve Hinton, G., E. 2011. “Generating text with recurrent neural networks”, Proceedings of the 28th International Conference on Machine Learning (ICML-11), 1017-1024.
  • Taga G. 1995 (a). “A model of the neuro-musculo-skeletal system for human locomotion I. Emergence of basic gait.” Biol Cybern 73: 97–111.
  • Taga G. 1995 (b). “A model of the neuro-musculo-skeletal system for human locomotion. II. Real-time adaptability under various constraints. Biol Cybern 73: 113–121.
  • Taga, G., Yamaguchi, Y., ve Shimizu, H. 1991. Self-organized control of bipedal locomotion by neural oscillators in unpredictable environment. Biological cybernetics, 65(3), 147-159.
  • Tappeiner H., Skaff S., Szabo T., ve Hollis R. 2009. “Remote haptic feedback from a dynamic running machine”, Proceedings of the IEEE International Conference on Robotics and Automation, 2368-2373.
  • Toshev, A., ve Szegedy, C. 2014. “Deeppose: Human pose estimation via deep neural networks,” Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR).
  • Urolagin, S., Sharma, N., ve Datta, T. K. 2021. “A combined architecture of multivariate lstm with mahalanobis and zscore transformations for oil price forecasting,” Energy, vol. 231, 120963.
  • Uyanık İ., Saranlı U., ve Morgül Ö. 2011. “Adaptive control of a spring-mass hopper”, Proceedings of the IEEE International Conference on Robotics and Automation, 2138-2143.
  • Wooden D., Malchano M., Blankespoor K., Howardy A., Rizzi A. A., ve Raibert M. 2010. “Autonomous navigation for BigDog”, Proceedings of the IEEE International Conference on Robotics and Automation, 4736-4741.
APA Morgül Ö, BAĞRIYANIK İ, ÇATALBAŞ B, AFANDIYEV O (2023). İki Bacaklı Robotlar Için Yapay Sinir Ağı Temelli Kontrolcü Tasarımı Ve Gerçeklemesi. , 0 - 92. 120E104
Chicago Morgül Ömer,BAĞRIYANIK İBRAHİM,ÇATALBAŞ BAHADIR,AFANDIYEV OSMAN İki Bacaklı Robotlar Için Yapay Sinir Ağı Temelli Kontrolcü Tasarımı Ve Gerçeklemesi. (2023): 0 - 92. 120E104
MLA Morgül Ömer,BAĞRIYANIK İBRAHİM,ÇATALBAŞ BAHADIR,AFANDIYEV OSMAN İki Bacaklı Robotlar Için Yapay Sinir Ağı Temelli Kontrolcü Tasarımı Ve Gerçeklemesi. , 2023, ss.0 - 92. 120E104
AMA Morgül Ö,BAĞRIYANIK İ,ÇATALBAŞ B,AFANDIYEV O İki Bacaklı Robotlar Için Yapay Sinir Ağı Temelli Kontrolcü Tasarımı Ve Gerçeklemesi. . 2023; 0 - 92. 120E104
Vancouver Morgül Ö,BAĞRIYANIK İ,ÇATALBAŞ B,AFANDIYEV O İki Bacaklı Robotlar Için Yapay Sinir Ağı Temelli Kontrolcü Tasarımı Ve Gerçeklemesi. . 2023; 0 - 92. 120E104
IEEE Morgül Ö,BAĞRIYANIK İ,ÇATALBAŞ B,AFANDIYEV O "İki Bacaklı Robotlar Için Yapay Sinir Ağı Temelli Kontrolcü Tasarımı Ve Gerçeklemesi." , ss.0 - 92, 2023. 120E104
ISNAD Morgül, Ömer vd. "İki Bacaklı Robotlar Için Yapay Sinir Ağı Temelli Kontrolcü Tasarımı Ve Gerçeklemesi". (2023), 0-92. https://doi.org/120E104
APA Morgül Ö, BAĞRIYANIK İ, ÇATALBAŞ B, AFANDIYEV O (2023). İki Bacaklı Robotlar Için Yapay Sinir Ağı Temelli Kontrolcü Tasarımı Ve Gerçeklemesi. , 0 - 92. 120E104
Chicago Morgül Ömer,BAĞRIYANIK İBRAHİM,ÇATALBAŞ BAHADIR,AFANDIYEV OSMAN İki Bacaklı Robotlar Için Yapay Sinir Ağı Temelli Kontrolcü Tasarımı Ve Gerçeklemesi. (2023): 0 - 92. 120E104
MLA Morgül Ömer,BAĞRIYANIK İBRAHİM,ÇATALBAŞ BAHADIR,AFANDIYEV OSMAN İki Bacaklı Robotlar Için Yapay Sinir Ağı Temelli Kontrolcü Tasarımı Ve Gerçeklemesi. , 2023, ss.0 - 92. 120E104
AMA Morgül Ö,BAĞRIYANIK İ,ÇATALBAŞ B,AFANDIYEV O İki Bacaklı Robotlar Için Yapay Sinir Ağı Temelli Kontrolcü Tasarımı Ve Gerçeklemesi. . 2023; 0 - 92. 120E104
Vancouver Morgül Ö,BAĞRIYANIK İ,ÇATALBAŞ B,AFANDIYEV O İki Bacaklı Robotlar Için Yapay Sinir Ağı Temelli Kontrolcü Tasarımı Ve Gerçeklemesi. . 2023; 0 - 92. 120E104
IEEE Morgül Ö,BAĞRIYANIK İ,ÇATALBAŞ B,AFANDIYEV O "İki Bacaklı Robotlar Için Yapay Sinir Ağı Temelli Kontrolcü Tasarımı Ve Gerçeklemesi." , ss.0 - 92, 2023. 120E104
ISNAD Morgül, Ömer vd. "İki Bacaklı Robotlar Için Yapay Sinir Ağı Temelli Kontrolcü Tasarımı Ve Gerçeklemesi". (2023), 0-92. https://doi.org/120E104