دانشگاه تربیت مدرس مهندسی مکانیک مدرس 2476-6909 16 2 2016 04 20 Design of a Trainable Controller Inspired from Neural System to Generate Complex Behaviors in Humanoid Robots کنترل کننده آموزش پذیر برگرفته از ساختار سیستم عصبی جهت تولید رفتار های پیچیده در ربات انسان نما 59 68 9112 FA ریحانه پرنده دانشگاه اصفهان حامد شهبازی دانشگاه اصفهان-گروه مهندسی مکانیک کمال جمشیدی دانشگاه اصفهان بهنام خدابنده جهرمی دانشگاه اصفهان Journal Article In this paper we introduced a new method for motion control in humanoid robots. The problem of movement learning specially dance and repetitive actions of human beings to humanoid robots is a major challenge in the field of robotics. Imitation learning, which is a subset of supervised learning, is a main form to teach complex tasks to the humanoid robot, and the accordingly is based on that an artificial system can imitate a lot of information through learning from human trainer. The main technique is using Central Pattern Generators structures which is able to produce required motion trajectories based on imitation learning. Systematic design of this these neural networks is main problem which is solved in this paper. The proposed model is a basic paradigm for imitation learning in the humanoid robots which do not required direct design of controller and programming. The proposed model has many benefits including smooth walking patterns and modulation during imitation. Simulation results of this learning system in the robot simulator (WEBOTS) that has been linked with MATLAB software and its implementation on a NAO robot demonstrate that the robot has learned desired motion with high accuracy. This model can be extended and used in the Nao soccer player both for the standard platform and the 3D soccer simulation leagues of Robocup SPL competitions to train different types of motions. در این مقاله مسئله‌ی کنترل حرکت ربات‌های انسان‌نما مورد بررسی قرار می‌گیرد. مسئله‌ی یادگیری حرکات مشابه انسان به‌خصوص حرکات موزون و تکرارشونده به ربات‌های انسان‌نما چالشی بزرگ در زمینه علم رباتیک محسوب می‌شود. یادگیری تقلیدی که زیرمجموعه‌ای از یادگیری بانظارت است، یک فرم اصلی جهت یاددادن کارهای پیچیده به ربات به شمار می‌آید و بر این اساس استوار است که یک سیستم مصنوعی می‌تواند حجم بالایی از اطلاعات را از طریق یادگیری تقلیدی از فرد آموزش‌دهنده یاد بگیرد. روش اصلی به کار گرفته‌شده در این تحقیق جهت یادگیری حرکات موزون و تکرارشونده به ربات انسان‌نمای نائو، یادگیری تقلیدی است. تکنیک اصلی به‌کاررفته در این پژوهش استفاده از ساختارهای عصبی موسوم به مولد مرکزی الگو می‌باشد که قادر است الگوی موردنیاز برای حرکت در یک ربات را بر اساس یک نوع آموزش نمایشی به دست آورد. نحوه‌ی طراحی سیستماتیک این ساختار عصبی مصنوعی که در علم کنترل کاربرد‌های فراوانی دارد، اصلی‌ترین چالش پیش روست که در این مقاله به ارائه‌ی روشی برای آن پرداخته‌شده است. روش سیستماتیک طراحی و آموزش مولد‌های مرکزی الگو که از بازخوردهای حسی جهت تطابق خود با شرایط جدید استفاده می‌کند، در یک مدل دولایه‌ای موردبحث و بررسی قرار داده‌شده است. مدل ارائه‌شده یک بستر مناسب جهت ارائه‌ی آموزش‌های نمایشی و مبتنی بر نمایش برای ربات‌های انسان‌نما محسوب می‌شود که نیاز به کنترل صریح و برنامه‌نویسی مستقیم را برطرف می‌سازد و امکان آموزش غیرمستقیم رفتارهای پیچیده روی انواع ربات‌ها را مهیا می‌سازد. https://mme.modares.ac.ir/article_9112_3187b1703c3b9b19bb63c027d8efc2f1.pdf