یادگیری بی پایان: توانمندسازی ربات های متحرک خودگردان با الگوریتم های تدریجی
- سال انتشار: 1404
- محل انتشار: کنفرانس بین المللی هوش مصنوعی و فناوری های مرتبط
- کد COI اختصاصی: ICIRT01_045
- زبان مقاله: فارسی
- تعداد مشاهده: 26
نویسندگان
گروه مهندسی کامپیوتر واحد علوم و تحقیقات دانشگاه آزاد اسلامی، تهران، ایران
گروه مهندسی برق و الکترونیک واحد شهر قدس دانشگاه آزاد اسلامی شهر قدس، ایران
چکیده
یادگیری تدریجی یا یادگیری بی پایان یکی از رویکردهای جدید در هوش مصنوعی است که با هدف افزایش توانایی سازگاری و حفظ دانش پیشین در ربات های متحرک خودگردان معرفی شده است. این رویکرد به ربات ها امکان می دهد بدون نیاز به بازآموزی کامل عملکرد خود را به صورت مداوم بهبود دهند و در محیط های پویا و ناشناخته تصمیمات دقیق تر و ایمن تری بگیرند. در این مقاله مروری پیشرفته های اخیر در سه حوزه اصلی بررسی شده است: (۱) مکان یابی و نقشه برداری همزمان که در آن نقشه های افزایشی از بازسازی بلادرنگ محیط پشتیبانی می کنند؛ (۲) الگوریتم های یادگیری عمیق تطبیقی که با بهره گیری از شبکه های عصبی و یادگیری تقویتی واکنش سریع و سازگار با تغییرات محیطی را تقویت می کنند؛ و (۳) هماهنگی چندرباتی که با اجتناب هوشمند از موانع پویا امکان ناوبری کارآمد گروهی را فراهم می کند. بررسی منابع نشان می دهد که با وجود پیشرفت های چشمگیر چالش هایی همچون فراموشی فاجعه بار، محدودیت های محاسباتی و دشواری ها در انتقال دانش از شبیه سازی به محیط واقعی همچنان وجود دارد. برای مقابله با این چالش ها راهکارهایی مانند توسعه الگوریتم های کم مصرف، بهینه سازی حافظه و یادگیری بدون داده های برچسب دار پیشنهاد شده است. این مقاله علاوه بر جمع بندی تحقیقات، پیشین با دسته بندی نظام مند شکاف های پژوهشی و ارائه پیشنهادهای عملیاتی نقشه راهی برای تحقیقات آینده ارائه می دهد. یافته ها نشان می دهند که یادگیری تدریجی می تواند بستر لازم برای ارتقای ایمنی، مقیاس پذیری و قابلیت اطمینان در سامانه های رباتیک خودمختار را فراهم آورد.کلیدواژه ها
یادگیری بی پایان, ربات های متحرک خودگردان, مکان یابی و نقشه برداری همزمان, ناوبری تطبیقی, هماهنگی چندرباتیمقالات مرتبط جدید
- کاربرد شبکه های عصبی گراف در شبکه های هوشمند برق: یک مرور جامع بر تشخیص و پیش بینی خطا
- Enhanced Residual Attention CNN with Squeeze-and-Excitation Blocks for Brain Tumor MRI Classification
- ارزیابی روشهای تعبیهی گره برای تشخیص جوامع ساختاری در شبکه های فاقد ویژگی
- بهبود رمزگشای استاندارد JPEG AI در نرخ بیت پایین با استفاده از فیلتر عصبی E-Net
- طبقه بندی بهینه اهداف سونار از طریق همجوشی تصمیم گیری پیشرفته مبتنی بر اتوماتای یادگیر فازی
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.