بهبود يادگيري رفتار روبات سيار داراي خطا در سنسورهاي آن با استفاده از شبكه بيزين

بهبود يادگيري رفتار روبات سيار داراي خطا در سنسورهاي آن با استفاده از شبكه بيزين

چكيده: در اين مقاله يك ساختار جديد بر پايه شبكه بيزين براي بهبود رفتارروبات سيار داراي خطا در سنسورهاي آن ارايه ميشود. اگر يك روبات بخواهد رفتار مشخصي را در محيط دنبال كند، بايد توانايي ساخت محيط و استنباط از آن بر پايه دانش اوليه و چگونگي تاثير عكس العمل خود بر محيط در طول زمان، براي رسيدن به مقصد را داشته باشد. مدلهاي قديمي براي يادگيري اين دانش، مخصوصا در زماني كه محيط ديناميك و سنسورها با عدم قطعيت همراه هستند، اغلب كاملا پيچيده ميباشند. در اين مقاله يك ساختار جديد بر مبناي شبكه بيزين براي يادگيري دانش در رفتار روبات در هنگام خرابي سنسورهاي آن ارايه شده است. در اين مقاله به عنوان يك مساله، رفتار عبور از درب يك روبات سيار بدون برخورد با ديوارهاي اطراف آن شرح داده ميشود. در اين مساله از كمربندي از سنسورهاي آلتراسونيك به عنوان گيرنده اطلاعات از محيط استفاده شده است. نتايج شبيه‌سازي استفاده از شبكه بيزين را دريادگيري رفتار روبات داراي خطا، بسيار موثر نشان ميدهد.

In this paper a new structure based on Bayesian networks is presented to improve mobile robot behavior, in which there exist faulty robot sensors. If a robot likes to follow certain behavior in the environment to reach its goal, it must be capable of making inference and mapping based on prior knowledge and also should be capable of understanding its reactions on the environment over time. Old learning models for knowledge learning, especially on dynamic environment, are quite complex and have uncertainty in sensors. In this paper a new structure based on Bayesian network is presented for knowledge learning on robot behavior when the malfunction sensors exist. In this paper successful door crossing behavior is explained. In this issue the belt of ultrasonic sensors is used to receive environment information. Simulation results show that using the Bayesian network is very effective in robot behavior with faulty sensors.