پرسپترون – اجزای ربات هوشمند:
پرسپترون (perceptron) کوتهنوشت نورون ادراکی یک الگوریتم یادگیری ماشین است که در دسته یادگیری با نظارت قرار میگیرد. الگوریتم پرسپترون یک الگوریتم دستهبندی دودویی (نوعی از دستهبندی که میتواند با توجه به بردار ورودی تصمیم بگیرد که این ورودی متعلق به یک کلاس هست یا خیر) است. این الگوریتم یک دستهبند خطی است، بهاین معنا که پیشبینیهایش را باتوجه به ترکیب خطی وزن دار ورودی الگوریتم انجام میدهد. همچنین این الگوریتم به دلیل اینکه ورودیهایش را به صورت تک تک در زمان بررسی میکند، یک الگوریتم برخط میباشد. الگوریتم پرسپترون در سال ۱۹۵۷ در لابراتوار کرنل آرونوتیکال به وسیلهٔ فرانک روزنبلت ابداع شد. در واقع این الگوریتم جزء اولین شبکههای عصبی مصنوعی است که به کار گرفته شده است.
اجزای روبات هوشمند:
- Perception: حس کردن، ساخت مدلی از دنیای اطراف
- Cognition: رفتارها، انتخاب عمل، طرح ریزی، یادگیری ـ همکاری بین چند روبات، کار تیمی ـ پاسخ به محیط، یادگیری چند عاملی
- Action: حرکت، ناوبری، پرهیز از موانع
دریافت دانش از محیط:
- یکی از مهمترین وظایف هر سیستم خودکار دریافت دانش از محیطش میباشد.
- اینکار از طریق بکار گیری سنسورهای مختلف و استخراج اطلاعات مفید از داده های اندازه گیری شده میباشد.
- رنج وسیعی از سنسورها در روباتهای خودکار مورد استفاده قرار میگیرد. در این فصل سنسورهائی مورد توجه قرار خواهند گرفت که برای دریافت اطلاعات از محیط بکار میروند.
برخی سنسور های متداول:
- Tactile sensors
- contact switch, bumpers …
- Infrared sensors
- Reflective, proximity, distance sensors …
- Ultrasonic Distance Sensor
- Inertial Sensors (measure the second derivatives of position)
- Accelerometer, Gyroscopes
- Orientation Sensors
- Compass, Inclinometer
- Laser range sensors
- Vision, GPS, …
Sensor Fusion:
در روبات های سیار معمولا از تعداد زیادی سنسور استفاده میشود زیرا یک سنسور ممکن است کافی نباشد:
- سنسورها در عمل دارای نویز زیادی هستند
- دقت آنها محدود است
- خراب میشوند (قابل اعتماد نیستند)
- قسمت محدودی از محیط را تحت پوشش قرار میدهند
- قادر به توصیف دقیق محیط نیستند
- سنسور مورد علاقه ممکن است گران باشد لذا ممکن است با ترکیب چند سنسور ارزان به هدف مورد نظر رسید