مدل سازی کمی تاثیر داده های سنسوری بر دقت تشخیص اشیا توسط ربات های خدمت رسان مبتنی بر هوش مصنوعی

با گسترش کاربرد ربات های خدمت رسان مبتنی بر هوش مصنوعی، دقت تشخیص اشیا به عنوان یکی از عوامل کلیدی عملکرد این سامانه ها اهمیت ویژه ای یافته است. از آنجا که الگوریتم های تشخیص اشیا به داده های سنسوری وابسته اند، کیفیت این داده ها نقش تعیین کننده ای در کارایی سیستم دارد. هدف این پژوهش، مدل سازی کمی تاثیر ویژگی های داده های سنسوری بر دقت تشخیص اشیا در ربات های خدمت رسان است. پژوهش حاضر با رویکردی کمی انجام شده و داده ها از سنسورهای بینایی و عمق در محیطی کنترل شده جمع آوری شده اند. برای تشخیص اشیا از شبکه های عصبی کانولوشنی عمیق استفاده شده و اثر نویز و کاهش وضوح داده ها بر عملکرد مدل بررسی شده است. نتایج نشان می دهد کاهش کیفیت داده های سنسوری موجب افت معنادار دقت تشخیص اشیا می شود، در حالی که استفاده از داده های چندسنسوری می تواند دقت و پایداری مدل را به طور قابل توجهی بهبود دهد. این یافته ها بر اهمیت توجه هم زمان به کیفیت داده های سنسوری و طراحی الگوریتم های تشخیص اشیا تاکید دارد.

کلیدواژه ها:

مدل سازی کمی ، داده های سنسوری ، تشخیص اشیا ، ربات های خدمت رسان ، هوش مصنوعی