الفهرس 
Abstract
Introduction to RoboticsOnly 14 pages are availabe for public view
 |  | from | 104 |  |  |
| | | from | 104 | | |
Abstract
في المستقبل القريب سوف يعيش روبوتات الخدمة معنا في كل مكان. في المنازل والمحطات والمطارات،
المصانع والشركات. وينبغي أن تكون هذه الروبوتات قادرة على التعلم والتكيف لنا ولهم
وينبغي أن تكون البيئة وoperatable من قبل كل من المهندسين وrobotocists واحد ليس فقط.
هذا هو السبب في نقل المهارات مشكلة كبيرة في مجال الروبوتات تكتسب المزيد من الأهمية كل
يوم.
الأطفال هم أذكى المتعلمين من أي وقت مضى. في غضون سنوات قليلة الأطفال العاديين يمكن أن يتعلم
المهارات التي لا يمكن للروبوت يتمكن من تحقيق حتى الآن. هذا النجاح الكبير في التعلم لديه الكثير
أسباب ولكن واحدة من أهم الأسباب لهذه القدرة على التعلم رائعة بكل بساطة
أنهم يعرفون كيفية تقليد الآخرين دون أي تعليمات واضحة لكيفية، ماذا ومتى
تقليد. هذا هو السبب في هذه الأطروحة، ونحن نحاول منح الروبوتات مع القدرة على التعلم من
مظاهرات غير مخطط لها. التحديات الرئيسية هنا هي معرفة ما هي الإجراءات لل
والذي يمكن تعلمه متظاهر وأن إجراءات المتظاهر لا مجزأة.
وبعبارة أخرى، يحتاج المتعلم إلى اكتشاف حدود السلوكيات مثيرة للاهتمام من دون
أي مساعدة من المتظاهرين.
الهدف من هذا البحث هو موضح في هذه الأطروحة هو تصميم وتقييم الإطار
للالتعلم الذاتي من الأوليات الإدراك الحسي والحركة من تيارات مستمرة من
البيانات باستخدام التعلم من تقنيات مظاهرة واستخراج البيانات. وكان الإطار
نفذت باستخدام الروبوت نظام التشغيل ”ريوس”.
في هذه الأطروحة، يقترح خوارزمية جديدة لتوسيع زخارف تعلم استخدام
بالضبط عزر اكتشاف خوارزمية على أساس الاختبار الإحصائي الذي يوفر الأساس ل
تقسيم العمل في نظامنا. وقد تم اختبار الخوارزمية المقترحة على البيانات الحقيقية
وحققت أداء تجزئة مقبول في السكتات الدماغية من البيانات المكتوبة التعلم في
باللغتين العربية والإنجليزية لغات.
أيضا نحن تكييفها لتباين النظرية الافتراضية الاستدلال (VB) طريقة لتعلم التمويه
نموذج خليط (GMM) من البيانات إلى نهج / GMR GMM للتعلم من المظاهرة. وقد تم تقييم هذه الطريقة ومقارنة لاختيار نموذج الكلاسيكية
نهج وطريقة تجسيدا أساس المقترح مؤخرا. هو مبين في توفير
التوازن المناسب بين سرعة التنفيذ ودقة النموذج.
وعلاوة على ذلك إطار متكامل استنادا الى اثنين من خوارزميات المقترحة باستخدام ROS
IVIS المتقدمة وتوفيرها كحزمة مفتوحة المصدر. مزايا النظام المقترح هي في نمطية، والتدرجية، وسهولة التكيف مع خوارزميات مختلفة و
البيئات، والروبوت الاستقلالية.
يتم تقييم الإطار بشكل مكثف في ثلاث خطوات. في الخطوة الأولى، كل المتقدمة
تم تقييم خوارزمية أو النظام الفرعي باستخدام بيانات العالم الحقيقي. في الخطوة الثانية، نقدم
دراسة تطبيق الإطار الكامل لتعليم الروبوتات كيفية الكتابة باللغتين الإنجليزية و
اللغات العربية من قبل مجرد بيانات الاستشعار من الناس كتابة التقارير القصيرة. لا يمكن فقط
الكلمات الروبوت الكتابة تدريب الموجودة في بيانات التدريب ولكن الكلمات رواية تقوم على
السكتات الدماغية الأساسية المستفادة من المظاهرات. تم تطبيق نظام لتعليم كل حقيقية
أظهر NAO الروبوت وجهاز محاكاة الروبوت المتوازية، وتقييم فعالية
من الإطار المقترح في هذه المهمة. في الخطوة النهائية لدينا اختبار إطار عملنا على ارتفاع
البيانات الأبعاد التي تمثل سلسلة من الهيكل العظمي الحركات جزء من الجسم الإنسان و
الإدارة الناجحة لتعلم حركات إنسان فقط من خلال مشاهدتهم.