Learning and performing skill demanding tasks with WorkPartner robot

Loading...
Thumbnail Image
Journal Title
Journal ISSN
Volume Title
Helsinki University of Technology | Diplomityö
Date
2004
Major/Subject
Automaatiotekniikka
Mcode
AS-84
Degree programme
Language
fi
Pages
65
Series
Abstract
This thesis researches the learning and performing of skill demanding tasks with an advanced service robot called WorkPartner. The skill demanding task studied in this work composes of finding a box from the surroundings, moving to the box, lifting the box and taking the box to a specific place. In this thesis a learning method was used, where a genetic algorithm is used in certain sub tasks of the robot to seek better solutions for the subtasks. With this algorithm the robot's performance of a task gets better with each attempt at performing the task. This means that the robot can learn through trial and error. The genetic algorithm improves the performance of subtasks by changing the parameters of the microtask which are parts of the subtask. In addition to this the algorithm can add and remove microtasks and change the order in which the microtasks are executed within the subtask. This increases the performance of the skill demanding task considerably. When a robot can learn to perform a task, making difficult and complicated skill demanding tasks gets easier. The designer of a task doesn't have to waste time trying to come up with the perfect solution to the task. It is enough if WorkPartner is told what components (microtasks) the task has, it is given starting values (random or specific) and its task performance is ranked with a fitness value. The robot does the rest. This research produced a computer program that is used to teach the "find and lift box" -task to WorkPartner. By further developing the program, a programming platform can be made for producing other skill demanding tasks. This one platform could control all learned tasks of WorkPartner.

Diplomityössä tutkitaan taitoa vaativien tehtävien opettamista ja suorittamista kehittyneelle palvelurobotille nimeltä. WorkPartner. Työssä käsiteltävä taitoa vaativa tehtävä on "laatikon etsintä ja nosto" -tehtävä eli siinä robotti, opittuaan tehtävän, etsii tietyn laatikon ympäristöstään, menee sen luokse, nostaa laatikon ja vie sen määrättyyn kohteeseen. Diplomityössä käytetään opettamismenetelmää, jossa robotin tietyissä osatehtävissä käytetään geneettistä algoritmia etsittäessä parempia ratkaisuja osatehtävien suoritukseen. Tämän algoritmin avulla robotin tehtävän suoritus paranee jokaisen tehtävän suoritusyrityksen jälkeen eli robotti kykenee oppimaan kokeilun ja erehdyksen avulla. Geneettinen algoritmi parantaa osatehtävien suoritusta muuttelemalla osatehtävissä olevien mikrotehtävien parametreja. Tämän lisäksi algoritmi pystyy lisäämään ja poistamaan mikrotehtäviä ja muuttamaan osatehtävissä olevien mikrotehtävien järjestystä, jonka ansiosta tehtävän suorituksen taso nousee huomattavasti. Kun robotti saadaan oppimaan tehtävän suoritus, helpottuu vaikeiden ja monimutkaisten taitoa vaativien tehtävien toteuttaminen. Tehtävän suunnittelijan ei tarvitse kuluttaa aikaa miettiäkseen, miten taitoa vaativa tehtävä pitää tarkalleen suorittaa. Riittää, että WorkPartnerille kerrotaan, mistä toiminnallisuuksista eli mikrotehtävistä taitoa vaativa tehtävä koostuu, annetaan robotille alkuarvot (satunnaiset tai mietityt) ja arvostellaan robotin suoritusyritykset fitness-arvoilla. Robotti tekee loput itse. Tutkimuksen tuloksena saatiin ohjelma, jolla WorkPartnerille voidaan opettaa "laatikon etsintä ja nosto" -tehtävä. Ohjelmaa jatkokehittämällä voidaan toteuttaa ohjelmointialusta taitoa vaativille tehtäville. Tällöin yhdellä ohjelmalla pystyttäisiin hallitsemaan WorkPartnerin oppiminen.
Description
Supervisor
Halme, Aarne
Thesis advisor
Halme, Aarne
Keywords
genetic algorithm, geneettinen algoritmi, learning, oppiminen, service robot, palvelurobotti, skill demanding task, taitoa vaativa tehtävä
Other note
Citation