Εκτίμηση πρόθεσης χειριστή με χρήση μηχανικής μάθησης
Operator intent inference using machine learning
Διπλωματική εργασία
Συγγραφέας
Τσαγκουρνής, Ευάγγελος
Ημερομηνία
2022-10Επιβλέπων
Nikolaou, GrigorisΛέξεις-κλειδιά
Ρομποτική ; Μηχανική μάθηση ; Μηχανική όραση ; Εμπιστευτικές σημάνσεις ; Τηλεκατευθυνόμενα οχήματα ; Εκτίμηση πρόθεσης χειριστήΠερίληψη
Σκοπός της παρούσας διατριβής είναι η εκτίμηση της πρόθεσης του χειριστή ενός τηλεκατευθυνόμενου ρομπότ με τη βοήθεια μηχανικής μάθησης. Πιο συγκεκριμένα, αναπτύχθηκε ένα σύστημα δυναμικού εντοπισμού σημείων ενδιαφέροντος με χρήση μηχανικής όρασης και ενός αισθητήρα βάθους που επιτρέπει την εύρεση των τοποθεσιών τους στο χώρο. Παράλληλα, αναπτύχθηκε και εκπαιδεύτηκε το μοντέλο μηχανικής μάθησης MLOII (Machine Learning Operator Intent Inference) για την εκτίμηση της πρόθεσης του χειριστή. Το MLOII έχει την δυνατότητα να συλλέγει δεδομένα και να κάνει εκτιμήσεις για την πρόθεση του χειριστή σε πραγματικό χρόνο και αξιολογήθηκε πειραματικά σε εξομοίωση ενός τόπου καταστροφής. Τα αποτελέσματα δείχνουν πως το MLOII παρουσιάζει υψηλή αυτοπεποίθηση (confidence) σε σύγκριση με άλλες αντίστοιχες μεθόδους.
Περίληψη
The purpose of this thesis is to infer the intent of the operator of a remote-controlled robot using machine learning. More specifically, a system for dynamic localization of points of interest using machine vision and a depth sensor was developed to find their locations in the environment. In addition, the machine learning model MLOII (Machine Learning Operator Intent Inference) was implemented and trained to estimate the operator's intent. MLOII has the ability to collect data and make estimates of operator intent in real time and was experimentally evaluated in a simulation of a disaster site. The results show that MLOII exhibits high confidence compared to other similar methods.