Podržano duboko učenje za hvatanje objekata robotskom rukom

završni rad

• Naslov (engleski): Deep reinforcement learning for object grasping with a robotic arm
• Autor: Luka Žmak
• Mentor: Ivan Marković (mentor)
• Član povjerenstva: Ivan Marković (član povjerenstva)
• Član povjerenstva: Vlaho-Josip Štironja (član povjerenstva)
• Član povjerenstva: Jelena Gregorić (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2024-07-05, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

Ovaj rad istražuje primjenu podržanog učenja u hvatanju objekata robotskom rukom koristeći neuronske mreže unutar akter-kritičar modela. Model se oslanja na Q-učenje, gdje i akter i kritičar posjeduju svoje ciljne mreže za stabilnije učenje. Akter odabire akcije temeljem politike koja se optimizira kroz proces učenja, dok kritičar procjenjuje vrijednost tih akcija koristeći Bellmanove jednadžbe za izračunavanje vrijednosti stanja. Akcije su pomak pozicije i orijentacije robotske ruke, a stanje je trenutna konfiguracija pozicije, orijentacije i udaljenosti između prstiju robotskog hvatača. Cilj je maksimizirati zbroj svih nagrada kroz vrijeme, prilagođavajući politiku aktera kako bi se postigle optimalne akcije.

Sažetak (engleski)

This paper explores the application of reinforcement learning in object grasping with a robotic arm using neural networks within the actor-critic model. The model relies on Q-learning, where both the actor and the critic possess their target networks for more stable learning. The actor selects actions based on a policy that is optimized through the learning process, while the critic evaluates the value of those actions using Bellman equations to calculate the state values. The actions involve adjusting the position and orientation of the robotic arm, and the state is defined by the current configuration of the position, orientation, and distance between the fingers of the robotic gripper. The goal is to maximize the sum of all rewards over time, adjusting the actor's policy to achieve optimal actions.

• Ključne riječi: podržano duboko učenje; Q-učenje; Bellmanove jednadžbe; akter-kritičar; neuronske mreže
• Ključne riječi (engleski): deep reinforcement learning; Q-learning; Bellman equation; actor-critic; neural networks
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:148592
• Studijski program: Naziv: Računarstvo; Vrsta studija: sveučilišni; Stupanj studija: preddiplomski; Akademski / stručni naziv: sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva (univ.bacc.ing.comp.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Otvoreni pristup
• Datum i vrijeme pohrane: 2024-10-12 22:34:57