Feedforward Backpropagation Neural Networks

O projekte

Cieľom tohto projektu bolo naučiť robota vyhýbaniu sa prekážkam s využitím neurónovej siete s učiacim pravidlom spätného šírenia chyb(error backpropagation).

Celý projekt je robený pomocou simulátora "Khepera Simulator", kt. je alternatívou pre ľudí čo nemajú prístup k skutočným robotom. Tento simulátor je výborný na získanie základov z umelej inteligencie a strojového učenia, pretože simulácia funguje na takom istom princípe ako roboti Khepera. Simulátor poskytuje hodnoty zo senzorov a umožňuje nastavovať rýchlosť a smer pohybu, modifikovaním rýchlosti motorov,ktoré otáčajú kolesá.

Priebeh projektu

Našou prvou úlohou bolo vybrať si vhodný simulátor, my sme sa rozhodli pre simulátor Khepera , ktorý funguje v prostredí Linuxu. V ňom sme naprogramovali program, ktorý prevádzal robota bludiskom bez toho aby niekam narazil a aby bol schopný vyhýbať sa prekážkam. Program zároveň generoval tréningové dáta, ktoré nám budú slúžiť na učenie doprednej neuronovej siete (feed-forward neural network).Dáta sme získavali z hodnôt IR senzorov a aj z hodnôt motorov.

Po naimplementovaní tohto programu , sme sa pustili do implementácie neurónovej siete s učiacim pravidlom spätného šírenia chýb(error backpropagation) a následne sme začali s jej trénovaním pomocou dát, ktoré sme na začiatku získali. Po úspešnom a hlavne "dlhom" trénovaní sme overovali funkčnosť a správnosť správania sa robota.

Screenshoty

Takto vyzerá reálny Khepera robot

---

Schéma rozmiestnenia IR senzorov a 2 motorov

[1]

---

Prostredie simulátoru Khepera WSU

[2]

Odkazy

Pripájame pár odkazov k danej problematike , z ktorých sme čerpali aj my.

[3] Informácie o feed-forward neural network

[4] Informácie o error backpropagation

[5] Informácie o robote Khepera

---

Vypracoval: Kristián Paller , Lukáš Král