Η παρουσίαση φορτώνεται. Παρακαλείστε να περιμένετε

Η παρουσίαση φορτώνεται. Παρακαλείστε να περιμένετε

Προηγμένη Τεχνητή Νοημοσύνη

Παρόμοιες παρουσιάσεις


Παρουσίαση με θέμα: "Προηγμένη Τεχνητή Νοημοσύνη"— Μεταγράφημα παρουσίασης:

1 Προηγμένη Τεχνητή Νοημοσύνη
Mirror Perspective-Taking with a Humanoid Robot Justin W. Hart and Brian Scassellati 16 Ιανουαρίου 2013 Τσιλιώνης Ευθύμιος (12Μ11)

2 Εισαγωγή Γενικότερος Σκοπός: Δημιουργία ρομπότ που να επιτυγχάνει στο Mirror Test (Gallup ,1970) Προαπαιτούμενα: Αυτογνωσία (προηγούμενη δουλειά) Χρήση του καθρέπτη για spatial reasoning

3 Γενική Αρχιτεκτονική End-effector Model: Περιγραφή κίνησης στο χώρο
Perceptual Model: Περιγραφή συστήματος όρασης Perspective-Taking Model: Χρήση της προοπτικής του καθρέπτη Structural Model: Εξωτερική 3D δομή Appearance Model: Χαρακτηριστικά εξωτερικής επιφάνειας Functional Model: Επίδραση ενεργειών σε αντικείμενα

4 Perspective-Taking Model
Ο υπολογισμός της θέσης στο χώρο του end-effector γίνεται μέσω των αντικατοπτριζόμενων καμερών (Mirror-Perspective Cameras) Διαδικασία: Καταγραφή τριών θέσεων του end-effector σε διάφορες στάσεις Ji Πρόβλεψη από End-effector model Ĵi Ανακατασκευή από Perceptual model ĵi & ĵi′ Δισδιάστατη θέση στο καθρέπτη από κάθε κάμερα Αρχικές εκτιμήσεις των Mirror-Perspective Cameras με βάση το επίπεδο του καθρέπτη Μη γραμμική βελτίωση των Mirror-Perspective Cameras

5 Perspective-Taking Model

6 Περιγραφή διαδικασίας
End-effector model Χρήση ομογενών συντεταγμένων Εφαρμογή παραμέτρων Denavit-Hartenberg για τις κινηματικές αλυσίδες(kinematic chains) Κάθε άρθρωση(joint) έχει 4 παραμέτρους Με βάση το forward-kinematic model η θέση δίνεται από: Μ : μετασχηματισμός που ασκείται στο επόμενο joint

7 Περιγραφή διαδικασίας
Perceptual model Pinhole Camera Model Intrinsic matrix : Extrinsic parameters : R-προσανατολισμός, C-θέση στο χώρο Ideal projection matrix : Camera projection matrix : Από 3D σε 2D : και άρα Με βάση τα ĵi & ĵi′ υπολογίζεται το Ĵi

8 Περιγραφή διαδικασίας
Αρχική εκτίμηση των Mirror-Perspective Cameras Ίδιο intrinsic matrix με πραγματικές Υπολογισμός του επιπέδου του καθρέπτη Μέσο διάνυσμα: Υπολογισμός Π4: Επίπεδο καθρέπτη:

9 Περιγραφή διαδικασίας
Υπολογισμός θέσης Mirror-Perspective Cameras Υπολογισμός προσανατολισμού: Τομή επιπέδου καθρέπτη και άξονα-z κάμερας Άξονας-z Mirror-Perspective Camera: Ο προσανατολισμός είναι η μετάθεση της περιστροφής του άξονα που είναι κάθετος και στους δύο άξονες-z

10 Περιγραφή διαδικασίας
Μη γραμμική βελτίωση Ελαχιστοποίηση της απόστασης μεταξύ των προβολών του end-effector και των 2D ισοδύναμων θέσεων για m δείγματα Χρήση του αλγόριθμου Levenberg-Marquardt

11 Πειράματα Χρησιμοποίηθηκαν 3 διαφορετικές θέσεις του καθρέπτη
Για κάθε θέση 150 διαφορετικές πόζες του βραχίονα δοκιμάστηκαν (50 για εκπαίδευση, 100 για εξέταση) Έλεγχος απόδοσης συστήματος: Μέση απόσταση σε 2D και 3D μεταξύ προβλέψεων και μετρήσεων της θέσης του end-effector

12 Αποτελέσματα Πλεονεκτήματα Καλή επίδοση μετά απο 10 εκπαιδεύσεις
Σχετίζεται καλά με το στόχο της επίτευξης του Mirror Test Κάνει προβλέψεις με βάση την αυτογνωσία Μειονεκτήματα Καλύτερη επίδοση όταν ο end-effector είναι στο οπτικό του πεδίο Η βελτιστοποίηση των mirror-perspective cameras γίνεται ανεξάρτητα της μιας από την άλλη

13 Αποτελέσματα

14 Ευχαριστώ! Τέλος


Κατέβασμα ppt "Προηγμένη Τεχνητή Νοημοσύνη"

Παρόμοιες παρουσιάσεις


Διαφημίσεις Google