تمرین لینوکس

شرح پروژه

سلام 

تکلیف: حل مسئله SLAM با یادگیری تقویتی

 هدف:

 در این تکلیف، دانش‌آموزان الگوریتم‌های یادگیری تقویتی را برای حل مسئله مکان‌یابی و نقشه‌برداری همزمان (SLAM) یک ربات متحرک با استفاده از ROS اعمال خواهند کرد.  دانش آموزان یک راه حل SLAM را با استفاده از انواع تکنیک های یادگیری تقویتی برای ترسیم محیط ربات و تعیین موقعیت خود توسعه می دهند.

 الزامات:

 یک کامپیوتر با ROS (سیستم عامل ربات) نصب شده است.

 Gazebo یا محیط شبیه سازی مشابه.

 مهارت های برنامه نویسی پایتون برای یادگیری تقویتی.

 مراحل:

 نصب و راه اندازی ROS Environment:

 ROS را روی کامپیوتر خود نصب کنید.  مفاهیم اساسی و اصول عملیاتی در ROS را بررسی کنید.

 آماده سازی محیط شبیه سازی:

 یک مدل ربات متحرک در Gazebo یا یک محیط شبیه سازی مشابه ایجاد کنید.  مدل ربات باید شامل حسگرها (به عنوان مثال، لیدار) و موتورها باشد.

 در اینجا مدل ربات باید با مدل رباتی که دکتر باریش ارائه کرده مطابقت داشته باشد!

 آشنایی با الگوریتم های SLAM:

 در مورد الگوریتم های SLAM تحقیق کنید و یک الگوریتم مناسب را انتخاب کنید و آن را اعمال کنید.

 کاربرد الگوریتم های یادگیری تقویتی:

 از الگوریتم های یادگیری تقویتی برای ترسیم محیط ربات و تعیین مکان آن استفاده کنید.  برای مثال می توان از الگوریتم هایی مانند Deep Q-Networks (DQN) یا PPO (Proximal Policy Optimization) استفاده کرد.

 بیایید الگوریتمی که در این مرحله دادم را امتحان کنیم، اگر جواب نداد، می توانیم الگوریتم های دیگر را امتحان کنیم.

 آموزش و آزمایش:

 ربات باید در یک محیط شبیه سازی آموزش ببیند و سپس وظیفه SLAM را در زمان واقعی انجام دهد.

 تجزیه و تحلیل نتایج:

 نتایج به دست آمده را ارزیابی کنید.  قابلیت های نقشه برداری و مکان یابی ربات را تجزیه و تحلیل کنید.  در مورد عملکرد الگوریتم ها، معیارهای موفقیت و پیشرفت های بالقوه بحث کنید.

 گزارش نویسی:

 تمام یافته های خود را با استفاده از تصاویر و نمودارها گزارش دهید.

مهارت ها و تخصص های مورد نیاز

درباره کارفرما

الهام فضلی نژاد

عضویت سه سال پیش

2078 پروژه ثبت شده ،

20 پروژه در حال انجام ،

0 پروژه آماده دریافت پیشنهاد ،

نرخ پذیرش پیشنهاد 47%