KI-Ansätze bei der Entwicklung lernender Roboter – Implementierungsmöglichkeiten und Grenzen
- In diesem Vortrag werde ich auf die Programmierumgebungen (ROS) und Schnittstellen (keras/Tensorflow) eingehen, die es ermöglichen Roboter mit Hilfe von maschinellem Lernen zu trainieren. Dabei werde ich insbesondere die Möglichkeiten vorstellen, wie man einen Roboter in der Simulation (gazebo) trainieren kann, um die trainierten Modelle auf echte Roboter zu übertragen. Anhand von praktischen Beispielen mit mobilen Robotern und Greifarmen werden die Konzepte des Reinforcement Learnings, Active Learnings, Transfer Learnings und der Objekterkennung demonstriert. Das Testszenario besteht aus einem Holz-Labyrinth und einem Turtlebot Roboter, der mit Laser Range Scanner und einer 2D-Kamera ausgestattet ist. Dabei soll der Roboter lernen, autonom den Weg zur angegebenen Zielposition zu planen ohne dabei gegen ein Hindernis zu fahren. Es wird hierbei untersucht in wie weit die trainierten Modelle in leicht abgeänderten Szenarien funktionsfähig bleiben.
Author: | Maja Temerinac-Ott |
---|---|
URN: | https://urn:nbn:de:bsz:fn1-opus4-90102 |
DOI: | https://doi.org/10.5445/KSP/1000151141 |
ISBN: | 978-3-7315-1239-4 |
Parent Title (German): | Proceedings 32. Workshop Computational Intelligence, 1. - 2. Dezember 2022, Berlin |
Publisher: | KIT Scientific Publishing |
Place of publication: | Karlsruhe |
Document Type: | Conference Proceeding |
Language: | German |
Year of Completion: | 2022 |
Release Date: | 2023/01/12 |
First Page: | 151 |
Last Page: | 162 |
Open-Access-Status: | Open Access |
Licence (German): | ![]() |