Козак, Є. Б. та Cozac, Eugeniu (2021) МЕХАНІЗМИ РЕАЛІЗАЦІЇ ІНТЕЛЕКТУАЛЬНИХ ФУНКЦІЙ РОБОТОТЕХНІКИ З ВИКОРИСТАННЯМ МАШИННОГО НАВЧАННЯ. Вісник Національного університету водного господарства та природокористування (2(94)). с. 217-232.

Text Vt9423 (1).pdf Download(279kB)

Анотація

У статті досліджено механізми реалізації інтелектуальних функцій робототехніки з використанням машинного навчання. Підкреслено, що однією з тенденцій у розвитку робототехніки є велика автономізація та інтелектуалізація роботів. Для забезпечення автономної роботи в незнайомому і змінному середовищі протягом тривалого часу робот повинен мати можливість постійно навчатися новому, не забуваючи накопиченого досвіду. У статті досліджено та проаналізовано існуючі методи машинного навчання в робототехніці. Запропоновано огляд, та описано сучасну тенденцію розвитку роботизованих систем на базі машинного навчання також здійснено обговорення поточних обмежень алгоритмів машинного навчання в робототехніці. Наголошено, що основними цілями машинногонавчання є сприйняття положення пристроїв та управління ними до бажаних позицій, для виконання таких завдань актуальними є алгоритми навчання з підкріпленням для управління роботами. Наголошено, що незважаючи на те, що алгоритми машинного навчання намагаються подолати обмеження датчиків і виконавчих механізмів, які не можуть здійснити точні калібрування та управління, існує декілька обмежень щодо їх застосовності.

Title in English

MECHANISMS FOR IMPLEMENTING THE INTELLECTUAL FUNCTIONS OF ROBOTICS USING MACHINE LEARNING

English abstract

The article investigates the mechanisms of realization of intellectual functions of robotics with the use of machine learning. It is emphasized that one of the trends in the development of robotics is the great autonomy and intellectualization of robots. To ensure autonomous work in an unfamiliar and changing environment for a long time, the robot must be able to constantly learn something new, without forgetting the experience. Artificial neural networks can provide this capability. The article investigates and analyzes the existing methods of machine learning in robotics. The review is offered, and the modern tendency of development of robotic systems based on machine learning is described, the current limitations of algorithms of machine learning in robotics are also discussed. The use of machine learning methods in robotics is presented as a percentage, and it is emphasized that sensor-based research mainly uses controlled learning methods, such as the k-nearest neighbor method, the reference vector method, and controlled deep learning models. It is emphasized that the main objectives of machine learning are the perception of the position of devices and control them to the desired positions, to perform such tasks are relevant training algorithms with reinforcement to control the work. It is emphasized that although machine learning algorithms try to overcome the limitations of sensors and actuators that cannot perform accurate calibrations and controls, there are several limitations on their applicability. First, machine learning methods are a data-driven approach that typically requires a large amount of data to train their networks. Second, the presence of a large number of errors that negatively affect their performance. Third, the applicability and limitations of real-time robots require further research.

Перегляд елементу

Завантажень