استفاده از الگوریتمهای یادگیری درخت تصمیم گیری در تعلیم ربات یادگیرنده برای حلمسئله عبور از مانع

روشهایی وجود دارد که افراد را قادر می سازد به رباتهای شخصی خود یک کار دلخواه را تعلیم دهند، به نحوی که ربات بدون برنامه نویسی مستقیم، بتواند آن کار را به نحو مناسبی انجام دهد. در این میان، روش یادگیری با مثال، جزء روشهای موفقی است که در سالهای اخیر مورد توجه محققان قرار گرفته است. بر همین اساس، در این مقاله به ارائه مدلی جهت تعلیم رباتی یادگیرنده می پردازیم که قصد دارد به کمک مثالهای آموزشی که از مربی دریافت می کند، در یک محیط ناشناخته، از میان تعدادی مانع عبور کرده و به مقصد برسد. ربات مذکور تلاش می کند تا با بکارگیری الگوریتمهای درخت تصمیم روی مثالهای آموزشی، بهترین سیاست جهت حل مسئله خود را پیدا کند. برای بررسی عملکرد مدل پیشنهادی، در محیطی شبیه سازی شده، این ربات تست شده است. نتایج حاکی از آن است که این ربات توانسته است با استفاده از الگوریتم های C4.5 و ID3 تا حد زیادی عبور از موانع را فرا بگیرد.

کلیدواژه ها:

یادگیری ماشین ، درخت تصمیم ، ربات یادگیرنده ، مسئله عبور از مانع ، یادگیری با مثال