Sažetak
Posljednjih je godina u području mobilne robotike težište na metodama kod kojih se fuzijom mjerenja s više sustava dolazi do modela okoline koji su vjerojatnosnog karaktera. U ovom radu razvijen je novi pristup rješavanju SLAM problema, koji je temeljen na kognitivnom modelu zatvorene okoline mobilnog robota. Kognitivni model okoline je manje precizan od egzaktnog matematičkog, ali je nezaobilazan u interakciji robota s čovjekom. Predloženo istraživanje bavi se razvojem modela učenja i planiranja djelovanja robota pri istraživanju nepoznatog prostora, na način sličan kako to i čovjek radi. Proces učenja temelji se na virtualnome dinamičkom modelu mobilnog robota, istovjetnom stvarnome robotu. Kretanje robota uvjetovano je razvijenim neuronskim mrežama te genetskim algoritmima. U ovom radu predložena je nova metoda stvarnog (Sim-To-Real ; STR) prijenosa znanja koja uključuje stadij vježbanja, stadij simultanog zaključivanja i stadij primjene naučenog na stvarnome robotu. Korištenjem jezika osnovnih kognitivnih elemenata opisana je okolina robota i njegov odnos prema toj okolini te je na temelju tog opisa dobivena viša razina informacija o stanju okoline u kojoj se robot nalazi, fuzijom mjernih podataka dobivenih iz različitih uređaja. Video prezentacija istraživanja i eksperimenata dostupna je na sljedećoj poveznici: https://youtu.be/KUxVIAe8hSM
Ključne riječi
kognitivno ponašanje strojno učenje neuronska mreža umjetna inteligencija mobilni robot percepcija okoline kognitivni model zatvorenog okruženja