یادگیری نقشه های شناختی فازی وبردارهای یادگیری هدف با استفاده از یک الگوریتم PSO برای تنظیم حرکت روبات ها

ثبات و استحکامی جنبشی نقش مهمی را در ربات های دوتایی ایفا می کند، به خصوص اگر به یک محیط پویا متصل شده باشد، جایی که بسیاری از تغییرات حرکت لازم است انجام شود. در اینجا، این مشکل در لگد زدن توپ در فوتبال روباتیک نشان داده شده است. کنترل جنبش منجر به ساختن مسیرهای حرکتی می شود که بایستی رفتار پایدار را حفظ کند. بعضی از روش های کنترل در ایجاد مسیرهای صاف به جای تجزیه و تحلیل های پیچیده ثبات گرا هستند. برای چنین اهداف به اصطلاح منحنی Bézier استفاده می شود. در این مقاله ما از نقشه های شناختی فازی (FCM) برای تعیین پارامترهای منحنی های Bézier و همچنین الگوریتم بهینه سازی ذرات (PSO) برای یادگیری FCM استفاده می کنیم. مزایای اصلی PSO عبارت است از سرعت و ضرورت یک مجموعه آموزشی نسبتا کوچک. دراین مقاله بردارهای یادگیری هدف توسط ربات ها و ویژگی های وابسته به جنس در مقررات تشخیص گفتاری توسط آزمایش های انجام شده مستند شده است.

کلیدواژه ها:

روباتیک ، ثبات گرا ، بردارهای یادگیری ، تشخیص گفتار ، حرکت.