Learning guided probabilistic planning

Fiziksel dünyada eylemlerini yürüten robotlar, çeşitli hata durumlarıyla karşılaşabilirler. Özellikle hataların izole edilmediği dinamik ortamlarda çalışıldığında, hata ile karşılaşmak kaçınılmazdır. Sistemi kararlı hale getirebilmek için, robotun eylem yürütme sırasında karşılaştığı hataları saptayabilmesi ve tecrübe ettiği bu hatalardan daha sonraki plan yürütmelerinde kaçınması gerekmektedir. Geçmiş eylem yürütmelerinde tecrübe edilen hatalar, gelecekte karşılaşılabilecek potansiyel hatalardan kaçınmak için geliştirilen bir adaptif planlama stratejisinde kullanılabilir. Bu amaca ulaşabilmek için, geçmiş yürütmelerdeki gözlemler üzerinde öğrenme algoritması uygulanması gerekir. Bu tez kapsamında, bahsedilen problemin çözümü olarak öğrenme ve öğrenme güdümlü planlama yöntemleri önerilmektedir. Görev yürütme başarımını artırmak için, Tümevarımlı Mantıksal Programlama temelli bir deneyimsel öğrenme metodu ve öğrenme sürecinde edinilmiş deneyimleri kullanan olasılıksal bir planlama yapısı biraraya getirilerek gelişmiş bir robot sistemi oluşturulmuştur. Önerilen sistem, otonom bir gezgin robot ile yürütülen çoklu nesne etkileşim senaryolarında analiz edilmiştir. Burada amaç, kazanılmış tecrübeleri kullanarak karşılaşılması potansiyel olan hatalardan kaçınmak ve böylelikle belirli bir zaman süresince başarı ile toplanmış ve hedefe ulaştırılmış nesne sayısını olabildiğince artırmaktır.