prikaz prve stranice dokumenta Primjena umjetne inteligencije za optimizaciju putanje mobilnog robota
  Download
PDF 9.74 MB
master's thesis
Primjena umjetne inteligencije za optimizaciju putanje mobilnog robota
Rijeka: University of Rijeka, Faculty of Engineering, 2024. urn:nbn:hr:190:673608
Bosiljevac, Grgur
University of Rijeka
Faculty of Engineering

Institutional repository: Repository of the University of Rijeka, Faculty of Engineering

Cite this document

Bosiljevac, G. (2024). Primjena umjetne inteligencije za optimizaciju putanje mobilnog robota (Master's thesis). Rijeka: University of Rijeka, Faculty of Engineering. Retrieved from https://urn.nsk.hr/urn:nbn:hr:190:673608

Bosiljevac, Grgur. "Primjena umjetne inteligencije za optimizaciju putanje mobilnog robota." Master's thesis, University of Rijeka, Faculty of Engineering, 2024. https://urn.nsk.hr/urn:nbn:hr:190:673608

Bosiljevac, Grgur. "Primjena umjetne inteligencije za optimizaciju putanje mobilnog robota." Master's thesis, University of Rijeka, Faculty of Engineering, 2024. https://urn.nsk.hr/urn:nbn:hr:190:673608

Bosiljevac, G. (2024). 'Primjena umjetne inteligencije za optimizaciju putanje mobilnog robota', Master's thesis, University of Rijeka, Faculty of Engineering, accessed 30 November 2024, https://urn.nsk.hr/urn:nbn:hr:190:673608

Bosiljevac G. Primjena umjetne inteligencije za optimizaciju putanje mobilnog robota [Master's thesis]. Rijeka: University of Rijeka, Faculty of Engineering; 2024 [cited 2024 November 30] Available at: https://urn.nsk.hr/urn:nbn:hr:190:673608

G. Bosiljevac, "Primjena umjetne inteligencije za optimizaciju putanje mobilnog robota", Master's thesis, University of Rijeka, Faculty of Engineering, Rijeka, 2024. Available at: https://urn.nsk.hr/urn:nbn:hr:190:673608

Metadata
TitlePrimjena umjetne inteligencije za optimizaciju putanje mobilnog robota
Title (english)Mobile robot path optimization using artificial intelligence
AuthorGrgur Bosiljevac
MentorZlatan Car (mentor)
Committee memberIvan Volarić (predsjednik povjerenstva)
Committee memberDario Matika (član povjerenstva)
GranterUniversity of Rijeka
Faculty of Engineering
Rijeka
Defense date and country2024-05-20, Croatia
Scientific / art field,
discipline and subdiscipline		TECHNICAL SCIENCES
Electrical Engineering
Automation and Robotics
Abstract
U diplomskom radu je opisan postupak optimizacije putanje mobilnog robota primjenom umjetne inteligencije. Objašnjeni su osnovni pojmovi robotike poput zglobova, krajnjeg djelovatelja i senzora pomoću kojeg robot obavlja zadatke. Razrađena je konstrukcija i načini manipulacije mobilnim robotom u radnom okruženju unutar programskog paketa CoppeliaSim. Zatim su opisane neke metode umjetne inteligencije kojima je moguće optimizirati put mobilnog robota kroz labirint, od kojih je odabrano Q-učenje. U programskom jeziku Python razrađeni su modeli generiranja labirinta pomoću Depth-first Search metode, kao i model za treniranje Q-agenta. Pomoću korisničkog sučelja dobiveni su rezultati optimizacije puta mobilnog robota u grafičkom obliku. Koristeći te rezultate, rekreirana je scena u CoppeliaSim okruženju izradom modela labirinta i puštanjem mobilnog robota kroz taj labirint. Mobilni robot je stigao do cilja optimalnim putem dobivenim modelom Q-učenja, i koristeći logiku koja je objašnjena u radu. Rezultat je uspoređen sa jednim primitivnim algoritmom te je očita da je duljina puta sa primjenom umjetne inteligencije izrazito kraća, odnosno optimalna.
Abstract (english)
The thesis describes the process of optimizing the trajectory of a mobile robot using artificial intelligence. The basic concepts of robotics are explained, such as joints, end-effectors and sensors with which the robot performs tasks. The construction and ways of manipulating the mobile robot in the environment within the CoppeliaSim software package have been elaborated. Then, some artificial intelligence methods are described that can optimize the path of a mobile robot through a maze, from which Q-learning is chosen. Maze generation models using the Depth-first Search method, as well as a Q-agent training model, were developed in the Python programming language. Using the graphical user interface, the results of the optimization of the mobile robot's path were obtained in graphic form. Using these results, a scene was recreated in the CoppeliaSim environment by creating a maze model and running a mobile robot through that maze. The mobile robot reached the goal through the optimal path retrieved from the Q-learning model, and using the logic explained in the paper. The result was compared with a primitive algorithm, and it is obvious that the length of the path with the application of artificial intelligence is significantly shorter, that is, optimal.
Keywords
Keywords (english)
Languagecroatian
URN:NBNurn:nbn:hr:190:673608
Study programmeTitle: Graduate University Study of Electrical Engineering
Study programme type: university
Study level: graduate
Academic / professional title: magistar/magistra inženjer/inženjerka elektrotehnike (magistar/magistra inženjer/inženjerka elektrotehnike)
Type of resourceText
File originBorn digital
Access conditionsOpen access
Terms of useLicence Attribution 4.0 International (CC BY 4.0) icon
Created on2024-05-16 10:45:58