Page 30 - E-Tez Bülteni Eylül 2025, SAYI 3
P. 30

YÜKSEK LİSANS TEZİ
                       Makina Mühendisliği Anabilim Dalı



               Kablo ile Sürülen Eksik Sınırlandırılmış Ortamsal Bir Paralel
                  Robotun Pekiştirmeli Öğrenme ile Yörünge Planlaması
                                  Kadir İbrahim ERTÜRK
                          Tez Danışmanı: Dr. Öğr. Üyesi Caner SANCAK
                                        Tez Özeti

        Bu tezde, kablo ile sürülen eksik sınırlandırılmış ortamsal bir paralel robotun uç işlemcisinin ve kablolarının çalışma ortamındaki
        engele çarpmadan hareket etmesini sağlamak amacıyla, bir pekiştirmeli öğrenme yöntemi olan Derin Q Ağı kullanılarak yörünge
        planlaması  yapılmış  ve  deneysel  olarak  uygulanmıştır.  Bu  amaçla  yapılan  çalışmalarda,  benzetim  ortamında  oluşturulan  robot
        modeli üzerinde pekiştirmeli öğrenme
        eğitimleri  gerçekleştirilmiş,  eğitimler  sonucu  elde  edilen  pekiştirmeli  öğrenme  ajanı  ile  uç  işlemci  ve  kabloların  engele  temas
        etmeden  hedefe  ulaşması  sağlanmıştır.  Benzetim  ortamında  eğitilen  yapay  sinir  ağları,  geliştirilen  deneysel  KSPR  sistemde
        kullanılmış ve böylece gerçek ortam performansları test edilmiştir. Gerçek ortamdaki objelerin konum ve boyut bilgileri, bir RGB-D
        kameradan  alınan  derinlik  ve  renk  verilerinin  işlenmesiyle  elde  edilmiş;  bu  veriler  pekiştirmeli  öğrenme  ajanına  gözlem  olarak
        verilmiştir.  Yapılan  bu  testlerde  ajan,  engelsiz  ortamda  %98,  engelli  ortamda  ise  %80  başarımla  çarpışma  olmadan  hedefe
        ulaşmıştır. Ek olarak engelli ortam için eğitilen ajan, örnek bir tut-yerleştir senaryosu üzerine uygulanarak test edilmiş; böylece
        sistemin uygulamalarda kullanılabilirliği ve gerçek görev koşullarına uyarlanabilirliği ortaya konmuştur.

             Anahtar kelimeler: Kablo İle Sürülen Paralel Robot (KSPR), Pekiştirmeli Öğrenme (PÖ), Yol Planlama, Tut-Yerleştir
                                     Uygulaması, Otonom Robot
   25   26   27   28   29   30   31   32   33   34   35