ترجمه فارسی مقاله ناوبری ربات با جلوگیری از برخورد مبتنی بر موجودیت با استفاده از یادگیری تقویتی عمیق

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Robot Navigation with Entity-Based Collision Avoidance using Deep Reinforcement Learning
عنوان مقاله به فارسی ناوبری ربات با جلوگیری از برخورد مبتنی بر موجودیت با استفاده از یادگیری تقویتی عمیق
نویسندگان Yury Kolomeytsev, Dmitry Golembiovsky
فرمت مقاله انگلیسی PDF
تعداد صفحات 14
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Robotics,Artificial Intelligence,Machine Learning,روباتیک , هوش مصنوعی , یادگیری ماشین ,
توضیحات Submitted 26 August, 2024; originally announced August 2024. , Comments: 14 pages, 5 figures
توضیحات به فارسی ارسال شده در 26 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد ، نظرات: 14 صفحه ، 5 شکل
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Efficient navigation in dynamic environments is crucial for autonomous robots interacting with various environmental entities, including both moving agents and static obstacles. In this study, we present a novel methodology that enhances the robot's interaction with different types of agents and obstacles based on specific safety requirements. This approach uses information about the entity types, improving collision avoidance and ensuring safer navigation. We introduce a new reward function that penalizes the robot for collisions with different entities such as adults, bicyclists, children, and static obstacles, and additionally encourages the robot's proximity to the goal. It also penalizes the robot for being close to entities, and the safe distance also depends on the entity type. Additionally, we propose an optimized algorithm for training and testing, which significantly accelerates train, validation, and test steps and enables training in complex environments. Comprehensive experiments conducted using simulation demonstrate that our approach consistently outperforms conventional navigation and collision avoidance methods, including state-of-the-art techniques. To sum up, this work contributes to enhancing the safety and efficiency of navigation systems for autonomous robots in dynamic, crowded environments.

چکیده به فارسی (ترجمه ماشینی)

ناوبری کارآمد در محیط های پویا برای روبات های خودمختار در تعامل با موجودات مختلف محیطی ، از جمله عوامل متحرک و موانع استاتیک بسیار مهم است.در این مطالعه ، ما یک روش جدید ارائه می دهیم که تعامل ربات با انواع مختلف عوامل و موانع را بر اساس الزامات ایمنی خاص تقویت می کند.این رویکرد از اطلاعاتی در مورد انواع موجودیت ، بهبود جلوگیری از برخورد و اطمینان از ناوبری ایمن تر استفاده می کند.ما یک عملکرد پاداش جدید را معرفی می کنیم که ربات را برای برخورد با اشخاص مختلف مانند بزرگسالان ، دوچرخه سواران ، کودکان و موانع استاتیک مجازات می کند و علاوه بر این نزدیکی ربات را با هدف تشویق می کند.همچنین این روبات را به دلیل نزدیک بودن به اشخاص مجازات می کند و فاصله ایمن نیز به نوع موجودیت بستگی دارد.علاوه بر این ، ما یک الگوریتم بهینه شده برای آموزش و آزمایش پیشنهاد می کنیم ، که به طور قابل توجهی قطار ، اعتبار سنجی و مراحل آزمایش را تسریع می کند و آموزش در محیط های پیچیده را امکان پذیر می کند.آزمایش های جامع انجام شده با استفاده از شبیه سازی نشان می دهد که رویکرد ما به طور مداوم از روشهای ناوبری معمولی و جلوگیری از برخورد ، از جمله تکنیک های پیشرفته ، بهتر عمل می کند.به طور خلاصه ، این کار به تقویت ایمنی و کارآیی سیستم های ناوبری برای روبات های خودمختار در محیط های پویا و شلوغ کمک می کند.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.