Robotic skill learning from very few demonstrations

Bu tezde, c ̧ok az go ̈sterimden o ̈du ̈l o ̈gˇrenip, bu o ̈du ̈lleri politika aramasında, be- ceriyi geli ̧stirmek i ̧cin kullanan bir robotik beceri o ̈gˇrenme sistemi tanıtılmaktadır. Go ̈sterimlerden c ̧ıkartılan hareket ve algı verisi, beceriyi ger ̧cekle ̧stirmek i ̧cin kul- lanılan polic ̧e ve hareketi go ̈zlemek ic ̧in kullanilan hedef modeli parametrelerinin o ̈ˇgrenimi i ̧cin kullanılmı ̧stır. Beceriler, Dinamik Hareket Pirimitivleri (DHP) ile parametrize edilirken, Saklı Markov Modeli (SMM) hedef modeli olarak kullanılmı ̧stır. O ̈duller ise SMM'in yapısı ve go ̈zlem kabiliyerleri vasıtası ile ogrenilmistir. Bir son- raki adım olarak SMM, sonlu ufka sahip Markov O ̈du ̈l Su ̈reci'ne (MO ̈S) ̧cevrilmi ̧stir. Monte Carlo yo ̈ntemi ile SMM'in saklı durumlarının ̈odul deˇgerleri hesaplanmı ̧stır ve bu deˇgerler SMM'i Kısmen Go ̈zlenebilir MO ̈S'e (KGMO ̈S) ̧cevirmek i ̧cin kul- lanılmı ̧stır. KGMO ̈S sayesinde robot, polic ̧e aramasında kullanılmak u ̈zere do ̈nu ̈tler elde etmi ̧stir. O ̈du ̈l o ̈ˇgreniminin yanı sıra, bu tezde, kara kutu en iyilemesi tabanlı bir poli ̧ce araması metoduna adaptif ke ̧sif stratejisi uygulanmı ̧stır. Ortaya ̧cıkan poli ̧ce araması yapısının performansı, robotik simu ̈lasyon ortamında be ̧s farkli poli ̧ce araması metodu kullanılarak iki tane beceri ile o ̈l ̧cu ̈lmu ̈ ̧stu ̈r. Bu beceriler robotun bir kutu a ̧ctıgˇı A ̧cma ve bir kutu kapadıgˇı Kapama becerileridir. Sonu ̧clar g ̈ostermektedir ki, KGMO ̈S'den ̧cıkartılan o ̈du ̈ller, hedef modelinden elde edilen aralıklı go ̈zlem sinyal- lerine go ̈re daha iyi performans sergilemektedir. Buna ek olarak, bu tezde tanıtılan poli ̧ce araması metodu digˇer poli ̧ce araması metodlarına go ̈re daha hızlı ve daha az varyans ile yakınsamaktadır. Son olarak, simu ̈lasyonda g ̈ozlemlenen sonu ̧clar, gerek robotta u ̈ ̧c tane beceri ile test edilmi ̧stir. Bu beceriler Ac ̧ma, Kapama ve robotun tahta bir ̧cekmeceyi c ̧ekerek a ̧ctıgˇı C ̧ekme becerisidir. Robot, bu ̈tu ̈n becerileri tam ba ̧sarısızlıktan tamamen ba ̧sarılı olacak ̧sekilde o ̈gˇrenmi ̧stir.