İNSANSI ROBOTUN ENGELLERDEN KAÇINARAK YÜRÜMESİ İÇİN DERİN PEKİŞTİRMELİ ÖĞRENME ALGORİTMALARININ GELİŞTİRİLMESİ

Abstract

İnsansı robotların gerçekleştirecekleri operasyonlar çevresel faktörlerin etkisi ile kritik derecede zor bir görev olarak kabul edilir. Bu tez, insansı robotların operasyonel kabiliyetlerini artırmaya yönelik olarak, çeşitli engellerin ve duvarların bulunduğu ortamlarda hedefe ulaşmayı sağlamak için olası bir kontrol yaklaşımını açıklamaktadır. İnsansı robot, gördüğü çevre elemanlarından alınan bilgiler, mevcut konum ve yöne göre derin pekiştirmeli öğrenme yöntemleri kullanılarak eğitilmiştir. Eğitimin gerçekleştiği ortamlarda, robota, bir veya birden fazla hedef verilmiştir. Tasarlanan kontrol yaklaşımları, Robot İşletim Sistemi (ROS) ve Webots benzetim ortamlarında test edilmiştir.

The operations to be performed by humanoid robots are considered to be a critically difficult task due to the impact of environmental factors. This thesis describes a possible control approach to increase the operational capabilities of humanoid robots to ensure target achievement in environments with various obstacles and walls. The humanoid robot has been trained using deep reinforcement learning methods based on the information received from the environmental elements it sees, the current location and direction. In the environments where the training takes place, one or more targets are given to the robot. The designed control approaches have been tested in Robot Operating System (ROS) and Webots simulation environments.