Naslov (srp)

Визуелно управљање мобилног робота базирано на биолошки инспирисаним техникама вештачке интелигенције : докторска дисертација

Autor

Jokić, Aleksandar V., 1993-

Doprinosi

Miljković, Zoran, 1961-
Jakovljević, Živana, 1975-
Jovanović, Radiša Ž., 1969-
Petrović, Milica, 1986-
Rodić, Aleksandar, 1960-
Slavković, Nikola, 1981-

Opis (srp)

Глобално тржиште XXI века постаје све захтевније у погледу рокова испоруке, као иваријантности производа, што изискује потребу за повишеним нивоом флексибилности иефикасности технолошких система. Једна од технологија која може обезбедити потребнуфлексибилност је интеграција интелигентних мобилних робота као транспортних средставајер омогућује ефикасне и оптимално терминиране токове материјала у технолошком систему.Како би то било могуће, мобилни роботи би требало да поседују сензорске системе за опажањединамичких промена у окружењу, управљачке системе базиране на сензорским подацима, каои алгоритме вештачке интелигенције који им омогућавају когнитивност, способност учења идоношења одлука о наредним акцијама у реалном времену. Како би искоришћење технолошкогсистема било на високом нивоу, потребно је увести систем за интелигентно терминирање, какотехнолошких процеса, тако и роботизованих транспортних средстава.Имајући претходно наведено у виду, у оквиру предметне докторске дисертацијеразвијен је систем перцепције мобилног робота RAICO (енгл. Robot with Artificial Intelligencebased COgnition) који на основу стерео визуелног система и семантичке сегментацијегенерисаних слика остварује високу тачност препознавања објеката у технолошком окружењу.Развијени су ефикасни модели конволуционих неуронских мрежа (енгл. Convolutional NeuralNetworks) који се могу имплементирати у реалном времену на рачунарској платформи NvidiaJetson Nano. На генерисане семантичке мапе примењена су три оптимизациона алгоритма радипроцеса регистрације слика. Након експерименталне верификације, еволуциони алгоритам(енгл. OnePlusOne Evolutionary algorithm) интегрисан са функцијом циља заједничкихинформација показује најбоље перформансе. Након извршеног процеса регистрацијесемантичких мапа, добијене матрице трансформација примењене су у стерео визуелномуправљачком систему. Пет експерименталних евалуација изведених у 3D симулацији, као и сароботом RAICO, указују на то да се применом предложеног управљачког система остварујевисок ниво тачности положаја мобилног робота, као и значајна робустност на поремећајнефакторе попут заклоњености дела сцене, промене у осветљењу и грешке при семантичкојсегментацији. Такође, још једна важна предност предложеног система визуелног управљањаогледа се у могућности коришћења циљних слика генерисаних у симулацији, чиме се значајноповећава флексибилност примене мобилних робота са визуелним управљањем.На крају, развијена је методологија за терминирање технолошких процеса у оквиру којетранспортне задатке изводи један мобилни робот. Предложен је математички модел и развијеноје 13 функција циља. Комбинацијом различитих функција циља, генерисане сувишекритеријумске функције циља, а на основу две експерименталне верификације,метахеуристички алгоритам инспирисан интелигенцијом чопора вукова (енгл. Grey wolfoptimizer) показао се као најбољи за решавање овог вишекритеријумског комбинаторно-оптимизационог проблема.

Opis (srp)

машинско инжењерство - производно машинство / Mechanical engineering - Production engineering Datum odbrane: 16.10.2025.

Opis (eng)

The global 21st century market is becoming increasingly demanding in terms of both deliverydeadlines as well as product diversity, which necessitates a higher level of flexibility and efficiencyof manufacturing systems. One of the technologies capable of providing the required flexibility isbased on the integration of intelligent mobile robots within transport system, as they enable efficientand optimally scheduled material flows in a manufacturing system. To facilitate this, mobile robotsshould be equipped with sensor systems for detecting dynamic changes in the environment, controlsystems based on sensor data, and artificial intelligence algorithms that enable cognition, learningcapability, and reasoning about future actions in real time scenarios. Finally, to maintain a high levelof efficiency of the manufacturing system, it is necessary to introduce an intelligent system forsimultaneous scheduling of process plans and material transport systems.Bearing this in mind, a perception system for the mobile robot RAICO (Robot with ArtificialIntelligence based COgnition) has been developed, based on a stereo vision system and semanticsegmentation of the generated images, which achieves a high level of object recognition accuracy inmanufacturing environment. Efficient Convolutional Neural Network models have been developedand implemented in real time on the Nvidia Jetson Nano computing platform. Three optimizationalgorithms were applied for the purpose of semantic maps registration. Following experimentalevaluation, the OnePlusOne Evolutionary algorithm integrated with a mutual information-basedobjective function proved to have the highest performance. After the semantic map registrationprocess was completed, the resulting transformation matrices were applied in the stereo vision-basedcontrol system. Five experimental evaluations conducted in 3D simulation, as well as with the RAICOrobot, indicate that the proposed visual control system has a high level of position accuracy andsignificant robustness to disruptive factors such as occluded parts of the scene, lighting changes, anderrors in semantic segmentation. Another essential advantage of the proposed vision-based controlsystem lies in its ability to use target images generated in simulation, thereby significantly increasingthe flexibility of mobile robots with vision-based control.Finally, a methodology for process planning and scheduling was developed whereastransportation tasks are executed by a single mobile robot. A mathematical model was proposed, and13 objective functions were developed. By combining different objective functions, two experimentalverifications with multi-criteria optimization procedure were performed, and the Grey WolfOptimizer algorithm proved to be the most effective for solving these combinatorial optimizationproblems.

Jezik

srpski

Datum

2025

Licenca

Ovo delo je licencirano pod uslovima licence
Creative Commons CC BY-NC-ND 3.0 AT - Creative Commons Autorstvo - Nekomercijalno - Bez prerada 3.0 Austria License.

http://creativecommons.org/licenses/by-nc-nd/3.0/at/legalcode

Predmet

OSNO - Opšta sistematizacija naučnih oblasti, Transportni uređaji. Mašine za zemljane radove

OSNO - Opšta sistematizacija naučnih oblasti, Ekspertni sistemi. Inteligentna robotika. CAD/CAM

интелигентни технолошки системи, визуелно управљање, мобилни роботски системи, дубоко машинско учење, конволуционе неуронске мреже, семантичка сегментација, биолошки инспирисани алгоритми оптимизације, терминирање мобилних роботских система, унутрашњи транспорт материјала, вештачка интелигенција.

OSNO - Opšta sistematizacija naučnih oblasti, Transportni uređaji. Mašine za zemljane radove

OSNO - Opšta sistematizacija naučnih oblasti, Ekspertni sistemi. Inteligentna robotika. CAD/CAM

Intelligent manufacturing systems, visual servoing, mobile robots, deep machine learning, convolutional neural networks, semantic segmentation, biologically inspired optimization algorithms, mobile robot scheduling, material transport, artificial intelligence