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).
KTH, School of Engineering Sciences (SCI).
2018 (English)Independent thesis Basic level (degree of Bachelor), 10 credits / 15 HE creditsStudent thesisAlternative title
Optimal rörelsekontroll av en robotarm genom maskininlärning (Swedish)
Abstract [en]

An important step in manufacturing humanoid robots is being able to imitate human movement. In the case of this project, optimal movement patterns retrieved from solving an optimal control problem serve as a substitute for human movement. A supervised learning algorithm learns to model the control signal of a mobile manipulator striking a projectile to hit a specific target. Data fed to the algorithm contains trajectories generated by solving an optimal control problem. The supervised learning algorithm applied to the problem was written in Python using the TensorFlow software library. By dividing the data in two sets, one for training and one for testing, progress is measured and overfitting estimated by calculating the relative percentage error between values predicted by the model and the corresponding values in the two data sets. A mean training accuracy of 90.7 percent and a mean validation accuracy of -226 percent. The source code can be found on https://github.com/JeremiGrosz/Optimal_control_supervised_learning

Abstract [sv]

Ett viktigt steg i tillverkningen av humanoida robotar är att kunna imitera mänsklig rörelse. Som ersättning för mänsklig rörelse används rörelsebanor generade genom att lösa ett optimeringspro- blem. En maskininlärninsalgoritm av typen övervakat lärande lär sig att modellera styrsignalen för en mobil robotarm vars mål är att slå en projektil för att träffa ett mål. Data genereras i MAT- LAB genom att beräkna optimala rörelsebanor från ett optimeringsproblem. Maskininlärningskoden skrevs i programmeringsspråket Python med hjälp av programbiblioteket TensorFlow. Genom att dela upp datasetet i ett valideringsset och ett träningsset, kan modellens inlärning och förmåga att beräkna den korrekta styrsignalen bevakas. Resultatet blev en noggrannhet på 90.7 procent beräknat på träningsdatan och -226 procent beräkande på valideringsdatan. Källkoden finns på https:// github.com/JeremiGrosz/Optimal_control_supervised_learning

Place, publisher, year, edition, pages
2018. , p. 179
Series
TRITA-SCI-GRU ; 2018-179
National Category
Engineering and Technology
Identifiers
URN: urn:nbn:se:kth:diva-231972OAI: oai:DiVA.org:kth-231972DiVA, id: diva2:1231299
Supervisors
Examiners
Available from: 2018-07-06 Created: 2018-07-06 Last updated: 2018-07-06Bibliographically 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: 27 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