Strojno učenje i robotika

završni rad

• Naslov (engleski): Machine Learning and Robotics
• Autor: Ivan Bilić
• Mentor: Vladimir Čeperić (mentor)
• Član povjerenstva: Vladimir Čeperić (predsjednik povjerenstva)
• Član povjerenstva: Ivan Filković (član povjerenstva)
• Član povjerenstva: Alma Traživuk (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2019-07-12, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Elektrotehnika

Sažetak

Robotski operativni sustav je skup programskih okvira koji omogućuju razvoj programske podrške za robotske sustave. Sastoji se od skupa nezavisnih komponenata razvijenih od strane inženjera i istraživača. Implementiran je kao distribuirani sustav s mehanizmom objave/pretplate, u kojem je svaki program čvor, što se prikazuje ROS grafom. Nadalje, moguće ga je integrirati s naprednim tehnologijama s područja strojnog učenja što otvara vrata novim istraživanjima i spoznajama. Potporno učenje je grana strojnog učenja koja se formalizira koristeći model Markovljevog procesa odlučivanja. Fundamentalne karakteristike potpornog učenja su interaktivno učenje kroz pokušaj i pogrešku (učenje kroz iskustvo) te cilj u obliku maksimizacije kumulativne sume nagrada uz odabrani faktor propadanja. Velik izazov u potpornom učenju je i problem ravnoteže između istraživanja i eksploatacije.

Sažetak (engleski)

Robotic operating system is a collection of software frameworks for robot software development. ROS is composed from a set of independent components that are developed and maintained by various engineers and researchers. It is implemented as a distributed system along with the publish/subscribe mechanism, where every program is a node, which is visualized by the ROS graph. Furthermore, integration of ROS with advanced machine learning technologies is also possible, which brings new opportunities for research and cognition. Reinforcement learning is a machine learning sub-area that is formalized using the Markov decision process model. Fundamental reinforcement learning characteristics include interactive learning by trial and error (learning by experience) and a goal in the shape of maximizing the discounted cumulative sum of rewards. Also, one of the great challenges of reinforcement learning is the balance between exploration and exploitation.

• Ključne riječi: Robotski operativni sustav; distribuirani sustavi; potporno učenje; umjetna inteligencija; učenje s pokušajem i pogreškom
• Ključne riječi (engleski): Robotic operating system; distributed systems; reinforcement learning; artificial intelligence; trial-and-error learning
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:777710
• Studijski program: Naziv: Elektrotehnika i informacijska tehnologija; Vrsta studija: sveučilišni; Stupanj studija: preddiplomski; Akademski / stručni naziv: sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka elektrotehnike i informacijske tehnologije (univ. bacc. ing. el. techn. inf.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2020-01-07 16:47:22