استخراج ويژگي‌ از داده‌هاي عمق با استفاده از روش يادگيري عميق براي كنترلِ باناظر ربات چرخ‌دار

اين مقاله چارچوبي از يادگيري عميقِ با ناظر را جهت ناوبري ربات چرخ دار در زمين هاي هموار با محوريت وظايف پيگيري ديوار و اجتناب از موانع ارائه مي نمايد. در اينجا، فرض بر اين است كه ربات تنها به يك سيستم بينايي (دوربين كينكت) مجهز است. چالش اصلي در هنگام استفاده از تصاوير عمق، ابعاد بالاي تصاوير و استخراج ويژگي هاي مناسب از آنها با هدف كاهش ابعاد ورودي كنترلگر مي باشد. براي اين منظور در اين مقاله از يادگيري عميق بهره برداري شده و ويژگي هاي مناسبي بدست مي آيند كه بازنمايي تصاوير عمق هستند. چهار معماري با استفاده از اين ويژگي ها و سابقه هاي فرمان كنترلي براي كنترلگر ارائه مي شود. اين معماري ها در محيط شبيه ساز ويبات با يكديگر مقايسه مي شوند. آزمايش هاي انجام شده نشان مي دهد معماري بهره برنده از چهار دسته ورودي شامل: ويژگي هاي بازنمايي شده از داده هاي عمق، ويژگي هاي لحظه ي قبل، موقعيت خط سير در تصوير رنگي، و سابقه ي فرمان هاي پيشينِ كنترلگر مي تواند به خوبي كنترل ربات را در محيط هاي هموار و با مانع به انجام برساند.