prikaz prve stranice dokumenta Upravljanje formacijom više-robotskog sustava korištenjem potpornog strojnog učenja
Rad nije dostupan
diplomski rad
Upravljanje formacijom više-robotskog sustava korištenjem potpornog strojnog učenja
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2021. urn:nbn:hr:168:969717
Obradović, Juraj
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Obradović, J. (2021). Upravljanje formacijom više-robotskog sustava korištenjem potpornog strojnog učenja (Diplomski rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:969717

Obradović, Juraj. "Upravljanje formacijom više-robotskog sustava korištenjem potpornog strojnog učenja." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2021. https://urn.nsk.hr/urn:nbn:hr:168:969717

Obradović, Juraj. "Upravljanje formacijom više-robotskog sustava korištenjem potpornog strojnog učenja." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2021. https://urn.nsk.hr/urn:nbn:hr:168:969717

Obradović, J. (2021). 'Upravljanje formacijom više-robotskog sustava korištenjem potpornog strojnog učenja', Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 24.11.2024., https://urn.nsk.hr/urn:nbn:hr:168:969717

Obradović J. Upravljanje formacijom više-robotskog sustava korištenjem potpornog strojnog učenja [Diplomski rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2021 [pristupljeno 24.11.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:969717

J. Obradović, "Upravljanje formacijom više-robotskog sustava korištenjem potpornog strojnog učenja", Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2021. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:969717

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:969717
Podaci o radu
NaslovUpravljanje formacijom više-robotskog sustava korištenjem potpornog strojnog učenja
Naslov (engleski)Formation control of a multi-robot system using reinforcement machine learning
AutorJuraj Obradović
MentorStjepan Bogdan (mentor)
Član povjerenstvaStjepan Bogdan (predsjednik povjerenstva)
Član povjerenstvaMatko Orsag (član povjerenstva)
Član povjerenstvaGoran Vasiljević (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2021-06-29, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Elektrotehnika
Sažetak
U ovom radu, održavanje formacije multirobotskog sustava realizirano je korištenjem pristupa vođa-pratitelj i algoritma potpornog učenja Duple duboke Q-mreže. Navedeni su radovi na ovu temu te su prikazane prednosti i mane pristupa korištenih u tim radovima. Na temelju tih radova odabran je pristup ovom radu. Osnovni koncepti potrpornog učenja su objašnjeni kao i potreba za korištenjem umjetnih neuronskih mreža u riješavanju problema potpornog učenja. Također, algoritam DDQN je objašnjen. Svi alati potrebni za izvršavanje simulacija kao i eksperimenata na pravim robotima su prikazani i opisani. U radu su testirani razni parametri DDQN algoritma te je prikazan njihov utjecaj na rezultate učenja. Prikazana je potreba za odvajanjem problema dolaska na cilj i zadržavanja na cilju. Na kraju, izvršeni su eksperimenti u pravom svijetu te su rezultati uspoređeni sa rezultatima iz simulacije.
Sažetak (engleski)
In this paper, the reinforcement learning algorithm Double deep Q-networks algorithm was implemented to solve the formation control problem using the leader-follower approach. Related work is discussed to find the best possible approach for this paper. Some basic reinforcement learning concepts are introduced, and the need for artificial neural networks in solving reinforcement learning problems is explained. Also, Double deep Q-networks algorithm is introduced. Tools used for simulations and experiments are presented. Multiple different parameters of the reinforcement learning parameters were tested to result in the best possible RL model. Graphs that explain the impact of these parameter changes are presented. The need for two different models to separate formation-reaching and formation-keeping is explained. Finally, a real-life experiment was conducted, and results are compared with simulation.
Ključne riječi
Ključne riječi (engleski)
Jezikengleski
URN:NBNurn:nbn:hr:168:969717
Studijski programNaziv: Elektrotehnika i informacijska tehnologija
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: magistar/magistra inženjer/inženjerka elektrotehnike i informacijske tehnologije (mag. ing. el. techn. inf.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaZatvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Javna napomena
Datum i vrijeme pohrane2023-01-13 15:44:13