Delik delme görevleri için derin öğrenme kullanarak altgörevlerin sınıflandırılması ve buna uygun uyarlamalı bir admitans kontrolcü geliştirilmesi

Bu tezde, katı bir ortamla temas içeren fiziksel bir insan-robot etkileşim görevinin altgörevlerinin gerçek zamanlı sınıflandırılması için yapay sinir ağı modeline dayanan denetimli bir öğrenme yöntemi geliştirilmiştir. Bunun için, fiziksel insan-robot etk- ileşimi içeren bir görev üç altgöreve bölünmektedir: Bekleme, Serbest Hareket ve Temas. Bu altgörevlerin sınıflandırılmasına dayanarak, robot ve insanın fiziksel etk- ileşimini sağlayan bir admitans kontrolcüsünün parametreleri, robot Serbest Hareket altgörevinde insana karşı daha uyumlu (daha az dirençli), Temas altgörevindeyse daha kararlı (stabil) olacak şekilde uyarlanmaktadır. Bekleme altgörevi işlemin başlangıcını tespit etmek için kullanılmaktadır. 12 katılımcıyla yapılan delik delme deneylerinden elde edilen sonuçlar, yapay sinir ağı modelinin farklı admitans kon- trolcüleri kulanıldığında 98% doğrulukla altgörevleri tespit etmeyi başarabildiğini göstermektedir. Son olarak, önerilen altgörev sınıflandırıcısını kullanan uyarlamalı admitans kontrolcüsünün sabit bir admitans kontrolcüsüne göre, Serbest Hareket altgörevinde 20% daha az insan eforuna (yani daha fazla şeffaflığa), Temas alt- görevindeyse 25% daha küçük salınımlara (yani daha fazla kararlılığa) sebep olduğunu görmekteyiz.