Please use this identifier to cite or link to this item:
https://hdl.handle.net/11147/12446
Title: | Learning of tasks with robot programming by demonstration | Other Titles: | İşlerin robotlara göstererek programlama ile öğretilmesi | Authors: | Argüz, Serdar Hakan | Advisors: | Altun, Kerem Ertuğrul, Şeniz |
Keywords: | Robotic programming Robotics Human-robot interaction |
Publisher: | Izmir Institute of Technology | Abstract: | Increasingly more unstructured environments of today’s industry challenge the robots to have the capability to dynamically adapt to variations in the part sizes and positions. Traditional programming methods fall short of answering such needs. Programming by demonstration is an approach that allows the robots to learn tasks from human demonstrations. Improvements in the generalization of individual tasks that compose the complex assembly operations are an indispensable need for a more extensive adoption of PbD in the industry. This thesis aims to improve the generalization of the peg-in-hole task against variations in the hole positions. It uses the change in the hole position a metric for the novelty of the task and tests the success rate at increasing distances. The relationship between the novelty of the task and its success is examined for two different learning strategies. In the first strategy, only the positional characteristics of the task are learned, whereas both positional and force characteristics are learned in the latter. It is found that the success rate of the task decreases in both cases as the distance increases. However, the hybrid position/force learning strategy outperforms the purely positional one at all distances. As a result, this strategy is experimentally shown to be a valid approach to improve the generalization of the peg-in-hole task for changing hole positions. Incorporation of this strategy with existing frameworks and orientation generalization methods is suggested as future work. Günümüz endüstrisinin hızla değişen iş alanları robotların farklı parça boyutları ve pozisyonlarına adapte olabilmesini gerekli kılıyor. Ancak geleneksel programlama yöntemleri bu ihtiyaca cevap vermeye muktedir değiller. Göstererek öğretme (Programming by Demonstration) robotlara işlerin doğrudan programlama olmadan öğretildiği alternatif bir yaklaşım olarak bu ihtiyaca cevap verebilir. Bu yaklaşımın endüstride daha yaygın kullanımı için montaj işlerinin genelleştirilmesi büyük önem taşıyor. Bu tezin amacı en yaygın montaj işlerinden biri olan çubuk-delik (peg-in-hole) isinin değişen delik pozisyonlarına göre genelleştirilmesidir. Bu hedefe ulaşmak amacıyla iki farklı öğrenme stratejisi giderek artan uzaklıktaki delik pozisyonlarında uygulanmış ve performansları karşılastırılmıştır. Ilk stratejide işin yalnızca hareket karakteristikleri, ikincisinde ise ayrıca kuvvet karakteristikleri de öğrenilmiştir. Bulgulara göre kuvvet karakteristiğinin de öğrenildiği ikinci strateji tüm uzaklık seviyelerinde üstün performans vermektedir. Ayrıca, uzaklık arttıkça bu stratejinin başarısı diğerine nazaran daha az düşmektedir. Sonuç olarak, öne sürülen stratejinin uygunluğu deneysel olarak test edilmiş ve degişen delik pozisyonlarında is başarısını arttırdığı gösterilmiştir. Gelecek çalışmalar olarak işin delik pozisyonuna ilaveten delik oryantasyonu için de genelleştirilmesi, ve bu stratejilerin literaturdeki uygulamalarla beraber kullanılması önerilmektedir. |
Description: | Thesis (Master)--Izmir Institute of Technology, Mechanical Engineering, Izmir, 2022 Includes bibliographical references (leaves. 55-59) Text in English; Abstract: Turkish and English |
URI: | https://hdl.handle.net/11147/12446 https://tez.yok.gov.tr/UlusalTezMerkezi/TezGoster?key=sELqxhTlFGAjsbjOuuiyCCZwSMcwyCWVzTRrBVqNVsI2bb7OcaVbbt3aDWul-yka |
Appears in Collections: | Master Degree / Yüksek Lisans Tezleri |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
10476821.pdf | Master Thesis | 26.54 MB | Adobe PDF | View/Open |
CORE Recommender
Page view(s)
218
checked on Nov 25, 2024
Download(s)
232
checked on Nov 25, 2024
Google ScholarTM
Check
Items in GCRIS Repository are protected by copyright, with all rights reserved, unless otherwise indicated.