Control and system identification of legged locomotion with recurrent neural networks

Son yıllarda, yapay zeka ve kontrol teorisindeki gelişmeler sayesinde robotik sistemler endüstride, askeriyede ve çeşitli amaçlarla günlük kullanımda büyük bir popülerlik kazanmıştır. Farklılıkları ve fırsatlarıyla robotiğin heyecan verici bir alt dalı olan bacaklı robotlar, robotik sistemlerin kullanımını çeşitlendirme ve yeni alanlara yayma potansiyeline sahiptir. Özellikle bacaklı hareket, belirlenen görevi yerine getirmek için çevik hareketliliğin ve geniş bir hareket yelpazesinin gerekli olduğu mekanik sistemler için arzu edilen bir yetenektir. Öte yandan, tekerlekli robotlardan farklı olarak bacaklı robot platformları, bacakların uçuş ve temas aşamalarından oluşan hibrit dinamik bir yapıya sahiptir. Robot modelindeki hibrit dinamik yapı ve doğrusal olmayan dinamikler, onlar için kontrol uygulamayı ve sistem tanımlamayı yapmayı zorlaştırdığından, literatürde bu problemlerin çözümü için çeşitli yöntemler önerilmiştir. Bu tez, robotik platformların doğada hayvan benzerlerinin yaptığı gibi verimli hareket edecek şekilde tasarlanabilmesi için bacaklı harekete kontrol ve sistem tanımlaması uygulamak için yeni sinir ağı tabanlı teknikler geliştirmeye odaklanmaktadır. Bu tezin ilk bölümünde, iki ayaklı hareket için sinir ağı tabanlı denetleyici geliştirme ve değerlendirme çalışmalarımızı sunuyoruz. Ayrıntılı olarak, tekrarlayan katmanlarda uzun kısa süreli bellek (LSTM) tipi sinir modellerinin kullanıldığı sinirsel kontrolcüler, geri besleme ve ileri besleme yollarında kullanılmaktadır. Denetimli öğrenme veri kümeleri, bu sinir ağlarını eğitmek için bir merkezi örüntü üreteci tarafından kontrol edilen iki ayaklı bir robot platformu kullanılarak üretilmektedir. Daha sonra yapay sinir ağlarının robot platformunu kontrol ederek stabil yürüyüş yapabilme kabiliyeti simülasyon ortamında çeşitli zemin koşulları altında değerlendirilmektedir. Ardından sinir ağlarının ve merkezi örüntü üreteçlerinin kararlı yürüme üretme kapasitesi birbirleriyle karşılaştırılmaktadır. Önerilen sinir ağlarının, eğitimde kullanılan veri kümelerini oluşturmak için kullanılan merkezi örüntü üretecinden daha başarılı yürüyüş kontrolcüleri olduğu gösterilmiştir. İkinci bölümde, iki ayaklı hareket için sistem tanımlamasında sinir ağlarının uçtan uca kullanımına yönelik çalışmalarımızı sunuyoruz. Bu amaçla, bir merkezi örüntü üreteci tarafından kontrol edilen iki ayaklı bir robot modeli kullanılarak denetimli öğrenme veri setleri üretilir. Bundan sonra, sinir ağları, iki ayaklı robot modelinin girdi-çıktı ilişkilerini yaklaşık olarak tahmin etmek için seri-paralel ve paralel sistem tanımlama şemaları altında eğitilmiştir. Ayrıntılı olarak, farklı sinir modelleri ve sinir ağı mimarileri uçtan uca eğitilip, test edilmektedir. Sinir modelleri arasında, LeakyReLU ve LSTM, sistem tanımlaması için sırasıyla en uygun ileri beslemeli ve tekrarlayan nöron türleri olarak bulunmuştur. Ayrıca, tekrarlayan ve ileri beslemeli katmanlardan oluşan sinir ağı mimarisinin, iki ayaklı robot modelinin sistem tanımlaması için öğrenilebilir parametre sayısı açısından verimli olduğu bulunmuştur. Son bölümde, sinir ağları kullanılarak yapılan kontrol ve sistem tanımlama çalışmalarında elde edilen sonuçlar tartışılmaktadır. Elde edilen sonuçlar ışığında, tekrarlayan katmanlara sahip sinir ağları, uçtan uca kontrol ve sistem tanımlaması uygulayabilmektedir. Son olarak, elde edilen sonuçlarla gelecekteki olası araştırma yönleri tartışılarak tez tamamlanmaktır.