Exploration based on neural networks with applications in manipulator control

Jockusch J (2000)
Bielefeld (Germany): Bielefeld University.

Bielefelder E-Dissertation | Englisch
 
Download
OA
Autor*in
Jockusch, Ján
Gutachter*in / Betreuer*in
Abstract / Bemerkung
Ausgehend von der Vision von natürlicher und intuitiver Mensch-Maschine-Kommunikation und -Kooperation stellt die Arbeit eine neuartige Regelungsarchitektur für eine besondere Roboterhand vor, die eine Mischung mehrerer Sensor-Feedbacks für die Kraftregelung verwendet. Ein Zustandsautomat simuliert einfache Reflexe und Verhaltensmuster und ermöglicht die nahtlose Integration komplizierterer Vorgänge, wie Pfadplanung und Hindernisvermeidung. Für die innere Darstellung des Zustandsraums wird ein neuer Typ Vektorquantisierungsnetzwerk eingeführt, das ITM (Instantaneous Topological Map), der die effiziente Adaptation sogar mit stark seriell korrellierten Daten erlaubt, wie sie von Regelungssystemen produziert werden; dort entstehen Reizmuster in der Gestalt von Trajektorien. Die neuen Ansätze verschmelzen zu einem robusten, schnell lernenden Roboterregelsystem, das aktiv die eigenen Bewegungsfreiheitsgrade und die eigene Dynamik exploriert. Zusätzlich wird in der Arbeit das ITM im Detail analysiert, um seine Eignung für andere Aufgaben darzustellen, insbesondere die robuste und schnelle Analyse der Dimensionalität und Struktur von großen Datensätzen.

Motivated by the notion of natural human-machine communication and cooperation, the thesis introduces a novel controller architecture for a special robotic hand using force control based on mixed feedback from several sensors. A finite state machine approach to reflex and behaviour simulation allows the seamless integration of higher level operations like path planning and obstacle avoidance. A a means of state space representation, a new type of vector quantization network, the Instantaneous Topological Map, or ITM, is introduced, which allows efficient adaptation even with serially correlated data as produced by control systems where stimuli follow trajectories in state space. These new approaches blend to produce a robust, fast learning robotics control system which performs active exploration to learn about its action space and dynamics. Additionally, the ITM is analyzed in detail to exhibit its suitability for other tasks, especially robust and fast dimensionality and structure analysis of large data sets.
Stichworte
Vektorquantisierung; Neuronales Netz; Robotik; Regelung; Exploration; Neuronale Netze; Kraftsensor; Roboterarm; Roboterhand; Taktiler Sensor
Jahr
2000
Page URI
https://pub.uni-bielefeld.de/record/2303508

Zitieren

Jockusch J. Exploration based on neural networks with applications in manipulator control. Bielefeld (Germany): Bielefeld University; 2000.
Jockusch, J. (2000). Exploration based on neural networks with applications in manipulator control. Bielefeld (Germany): Bielefeld University.
Jockusch, Ján. 2000. Exploration based on neural networks with applications in manipulator control. Bielefeld (Germany): Bielefeld University.
Jockusch, J. (2000). Exploration based on neural networks with applications in manipulator control. Bielefeld (Germany): Bielefeld University.
Jockusch, J., 2000. Exploration based on neural networks with applications in manipulator control, Bielefeld (Germany): Bielefeld University.
J. Jockusch, Exploration based on neural networks with applications in manipulator control, Bielefeld (Germany): Bielefeld University, 2000.
Jockusch, J.: Exploration based on neural networks with applications in manipulator control. Bielefeld University, Bielefeld (Germany) (2000).
Jockusch, Ján. Exploration based on neural networks with applications in manipulator control. Bielefeld (Germany): Bielefeld University, 2000.
Alle Dateien verfügbar unter der/den folgenden Lizenz(en):
Copyright Statement:
Dieses Objekt ist durch das Urheberrecht und/oder verwandte Schutzrechte geschützt. [...]
Volltext(e)
Access Level
OA Open Access
Zuletzt Hochgeladen
2019-09-06T08:57:43Z
MD5 Prüfsumme
5cf69583b39f2956c3d505bd61871e53


Export

Markieren/ Markierung löschen
Markierte Publikationen

Open Data PUB

Suchen in

Google Scholar