Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
Optimal Motion Control of a Mobile Manipulator by Learning
KTH, School of Engineering Sciences (SCI).
2018 (English)Independent thesis Basic level (university diploma), 10 credits / 15 HE creditsStudent thesisAlternative title
Optimal rörelsekontroll av en robotarm genom maskininlärning (Swedish)
Abstract [en]

The purpose of this degree project, is to learn how to control the motion of a simple mobile manipulator. Ultimately, our expectation is to use the mobile manipulator to make a ball drop into a basket. To achieve this objective, we will utilize a smart manipulator to generate the optimal training data. A training model will be designed using supervised learning in TensorFlow and optimization with Adam. The results will then be compared to the theoretical model. Our results indicated that the model was able to learn from this smart manipulator. The produced values were in most aspects nearly identical to the theoretical values.

Abstract [sv]

I detta kandidatexamensarbete undersöker vi tillvägagångs- sätt för att lära upp en robotarm, där målet är att armen ska klara av att slå en boll så att den landar i en korg. För att uppnå detta använder vi oss av en smart modell, som vi tar fram träningsdata över en optimal rörelse från.

Vi konstruerar en inlärningsmodell som baserar sig på övervakat lärande som implementeras i Tensor Flow. Optimeringsprocessen sker med hjälp av Adamoptimering. Efter lärandeprocessen jämförs våra experimentella resultat med de teoretiska värdena från vår smarta modell.

Resultaten tyder på att robotarmen har lärt sig att återskapa den smarta modellens rörelser. I många avseenden visar sig de experimentella värdena vara nästan identiska med motsvarande teoretiska.

Place, publisher, year, edition, pages
2018. , p. 30
Series
TRITA-SCI-GRU ; 2018-096
National Category
Engineering and Technology
Identifiers
URN: urn:nbn:se:kth:diva-231538OAI: oai:DiVA.org:kth-231538DiVA, id: diva2:1229079
Supervisors
Examiners
Available from: 2018-06-29 Created: 2018-06-29 Last updated: 2018-06-29Bibliographically approved

Open Access in DiVA

No full text in DiVA

By organisation
School of Engineering Sciences (SCI)
Engineering and Technology

Search outside of DiVA

GoogleGoogle Scholar

urn-nbn

Altmetric score

urn-nbn
Total: 18 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf