Pobieranie prezentacji. Proszę czekać

Pobieranie prezentacji. Proszę czekać

Dynamiczne planowanie drogi z użyciem impulsowych sieci neuronowych Łukasz Gorgol Instytut Informatyki Uniwersytetu Wrocławskiego 2005 Na podstawie: Dynamic.

Podobne prezentacje


Prezentacja na temat: "Dynamiczne planowanie drogi z użyciem impulsowych sieci neuronowych Łukasz Gorgol Instytut Informatyki Uniwersytetu Wrocławskiego 2005 Na podstawie: Dynamic."— Zapis prezentacji:

1 Dynamiczne planowanie drogi z użyciem impulsowych sieci neuronowych Łukasz Gorgol Instytut Informatyki Uniwersytetu Wrocławskiego 2005 Na podstawie: Dynamic Path Planning with Spiking Neural Networks, Ulrich Roth, Marc Walker, Arne Hilmann, Heinrich Klar.

2 Program wykładu 1.Wprowadzenie 2.Radarowy algorytm wyznaczający drogę 3.Implementacja neuronowa 4.Podsumowanie Dynamiczne planowanie drogi z użyciem impulsowych sieci neuronowych2/36

3 Wprowadzenie Zastosowanie sieci impulsowych – rozdzielanie obiektów od tła, klasyfikacja obiektów Problem planowania drogi – najszybsze przemieszczenie robota do celu omijając przeszkody Środowisko pracy – znane/nieznane, statyczne/dynamiczne Dynamiczne planowanie drogi z użyciem impulsowych sieci neuronowych3/36

4 Radarowy algorytm wyznaczający drogę Definicja problemu Poruszamy się w n -wymiarowej przestrzeni, poszatkowanej sześcianami Trzeba znaleźć najkrótszą drogę z pola na którym znajduje się robot do pola docelowego, omijając przeszkody Dynamiczne planowanie drogi z użyciem impulsowych sieci neuronowych4/36

5 Radarowy algorytm wyznaczający drogę Algorytm wyznaczania drogi - idea Punkt docelowy wysyła we wszystkich kierunkach falę Fala nie przenika przez przeszkody Z której strony fala dosięgnie robota, w tę należy wykonać ruch Dynamiczne planowanie drogi z użyciem impulsowych sieci neuronowych5/36

6 Radarowy algorytm wyznaczający drogę Algorytm wyznaczania drogi - statycznie Przykład Dynamiczne planowanie drogi z użyciem impulsowych sieci neuronowych6/36

7 Radarowy algorytm wyznaczający drogę Algorytm wyznaczania drogi - statycznie Reguła rozchodzenia Pole jest aktywne w chwili t, jeśli nie ma na nim przeszkody, któreś sąsiednie pole było aktywne w chwili t-1 i pole nie było aktywne przed czasem t Dynamiczne planowanie drogi z użyciem impulsowych sieci neuronowych7/36

8 Radarowy algorytm wyznaczający drogę Algorytm wyznaczania drogi - statycznie Przykład 2 Dynamiczne planowanie drogi z użyciem impulsowych sieci neuronowych8/36

9 Radarowy algorytm wyznaczający drogę Algorytm wyznaczania drogi - statycznie Reguła drogi Punkt dodawany jest do drogi, jeśli jest aktywny, nie jest punktem startowym, a jego bezpośredni sąsiad nazywa się current_starting_point Dynamiczne planowanie drogi z użyciem impulsowych sieci neuronowych9/36

10 Radarowy algorytm wyznaczający drogę Algorytm wyznaczania drogi - statycznie Co po zastosowaniu reguły drogi? Dodany punkt nazywamy current_starting_point. Jeśli wcześniej inny punkt tak się nazywał, to już się tak nie nazywa Dynamiczne planowanie drogi z użyciem impulsowych sieci neuronowych10/36

11 Radarowy algorytm wyznaczający drogę Algorytm wyznaczania drogi - statycznie Akcja odcięcia Żeby odciąć punkt, musi on należeć do drogi. Odcięcie polega na wyrzuceniu z drogi punktu i wszystkich następnych w kierunku celu Dynamiczne planowanie drogi z użyciem impulsowych sieci neuronowych11/36

12 Radarowy algorytm wyznaczający drogę Algorytm wyznaczania drogi - dynamicznie Rozważamy trzy przypadki: Ruch punktu startowego Ruch punktu docelowego Ruch przeszkody Dynamiczne planowanie drogi z użyciem impulsowych sieci neuronowych12/36

13 Radarowy algorytm wyznaczający drogę Algorytm wyznaczania drogi - dynamicznie Ruch punktu startowego Jeśli punkt startowy porusza się wyznaczoną drogą, to jest OK, usuwamy z drogi pola już przebyte W przeciwnym przypadku akcja odcięcia w punkcie startowym Dynamiczne planowanie drogi z użyciem impulsowych sieci neuronowych13/36

14 Radarowy algorytm wyznaczający drogę Algorytm wyznaczania drogi - dynamicznie Ruch punktu docelowego, radzimy sobie z nim na dwa sposoby: Ograniczenie długości drogi Szum odcinający Dynamiczne planowanie drogi z użyciem impulsowych sieci neuronowych14/36

15 Radarowy algorytm wyznaczający drogę Algorytm wyznaczania drogi - dynamicznie Ograniczenie długości drogi – niech robot zna jedynie k kolejnych punktów drogi. Implementujemy dodając do reguły drogi ograniczenie na maksymalną długość drogi Dynamiczne planowanie drogi z użyciem impulsowych sieci neuronowych15/36

16 Radarowy algorytm wyznaczający drogę Algorytm wyznaczania drogi - dynamicznie Szum odcinający – heurystyka w myśl której losowo odcinamy gdzieś drogę Wybór punktu do odcięcia z małym prawdopodobieństwem, 0.5% Dynamiczne planowanie drogi z użyciem impulsowych sieci neuronowych16/36

17 Radarowy algorytm wyznaczający drogę Algorytm wyznaczania drogi - dynamicznie Ruch przeszkody Przeszkoda przesunęła się na drogę – odcinamy wszystkie nieprzejezdne punkty z drogi Długość drogi pod-optymalna – ograniczenie długości drogi, szum odcinający Dynamiczne planowanie drogi z użyciem impulsowych sieci neuronowych17/36

18 Implementacja neuronowa Dlaczego sieć neuronowa? Przestrzeń jest dyskretna Algorytm fajnie się zrównolegla Obliczenia i komunikacja mają charakter lokalny Dynamiczne planowanie drogi z użyciem impulsowych sieci neuronowych18/36

19 Implementacja neuronowa Neurony impulsowe typu zintegruj-i-wystrzel, komunikacja za pośrednictwem impulsów Dynamiczne planowanie drogi z użyciem impulsowych sieci neuronowych19/36

20 Implementacja neuronowa Neurony impulsowe Impulsy {0,1} są ważone Funkcja h(t) zmienna w czasie, wywołuje zmienny w czasie potencjał Dzięki funkcji h neuron ma pamięć krótkotrwałą Dynamiczne planowanie drogi z użyciem impulsowych sieci neuronowych20/36

21 Implementacja neuronowa Neurony impulsowe Funkcja g – łącząca: dodaje, odejmuje lub mnoży, wyznacza potencjał membrany Funkcja f – odpala neuron jeśli ten ma odpowiedni potencjał Dynamiczne planowanie drogi z użyciem impulsowych sieci neuronowych21/36

22 Implementacja neuronowa Neurony impulsowe Jak ustalić właściwe wagi? Reguła Hebba – wzmacnianie aktywnych połączeń między neuronami Dynamiczne planowanie drogi z użyciem impulsowych sieci neuronowych22/36

23 Implementacja neuronowa algorytmu radarowego Korzystamy z dwóch warstw neuronów Warstwa rozsyłająca, implementująca regułę rozsyłania Warstwa drogi, implementująca regułę drogi Dynamiczne planowanie drogi z użyciem impulsowych sieci neuronowych23/36

24 Implementacja neuronowa algorytmu radarowego Każdemu polu w przestrzeni odpowiada dokładnie jeden neuron w każdej warstwie Neurony są połączone ze swoimi poziomymi i pionowymi sąsiadami Połączenia charakteryzuje opóźnienie rzędu jednego kroku Dynamiczne planowanie drogi z użyciem impulsowych sieci neuronowych24/36

25 Implementacja neuronowa algorytmu radarowego Każdy neuron jest połączony z samym sobą połączeniem hamującym – zapobiega to rozprzestrzenianiu się fali Każdy neuron ma hamujące wejścia: przeszkody ( O ), celu ( T ) Dynamiczne planowanie drogi z użyciem impulsowych sieci neuronowych25/36

26 Implementacja neuronowa algorytmu radarowego Każdy neuron ma wzmacniające wyjście ( P ) do neuronu w warstwie drogi Dynamiczne planowanie drogi z użyciem impulsowych sieci neuronowych26/36

27 Implementacja neuronowa algorytmu radarowego Neurony w warstwie drogi łączą się z 8. sąsiadami za pomocą 3. połączeń Dynamiczne planowanie drogi z użyciem impulsowych sieci neuronowych27/36

28 Implementacja neuronowa algorytmu radarowego Warstwa drogi, a) przed, b) po nauce połączenia z punktu startowego S do pierwszego punktu drogi P Dynamiczne planowanie drogi z użyciem impulsowych sieci neuronowych28/36

29 Implementacja neuronowa algorytmu radarowego Nauka połączenia, S – neuron startowy, P – sąsiad neuronu S, Q – sąsiad P : Podajemy stały sygnał na start_in S S poprzez s_inhibit podaje impulsy do neuronu P Dynamiczne planowanie drogi z użyciem impulsowych sieci neuronowych29/36

30 Implementacja neuronowa algorytmu radarowego Gdy fala dochodzi do neuronu P, P dostaje impuls na spreading_in P zmienia swój stan przechodząc z nauki-źródła do nauki-celu Po zmianie stanu neuronu P neuron S tworzy do niego połączenia uczące source_activ oraz target_inhib Dynamiczne planowanie drogi z użyciem impulsowych sieci neuronowych30/36

31 Implementacja neuronowa algorytmu radarowego S ciągle wysyła impulsy poprzez source_activ Neuron P wysyła do S sygnał poprzez source_activ, przez co S zmienia stan Teraz neuron P staje się źródłem i regularnie wytwarza impulsy Dynamiczne planowanie drogi z użyciem impulsowych sieci neuronowych31/36

32 Implementacja neuronowa algorytmu radarowego Przy kolejnym dojściu czoła fali do neuronu Q sąsiedniego do neuronu P budowana jest droga z P do Q Wejście target_in wstrzymuje budowanie drogi u celu Dynamiczne planowanie drogi z użyciem impulsowych sieci neuronowych32/36

33 Implementacja neuronowa algorytmu radarowego 2 kroki symulacji z ruchomymi celem i przeszkodą Dynamiczne planowanie drogi z użyciem impulsowych sieci neuronowych33/36

34 Podsumowanie Radar path planner – działa w nieznanym, częściowo znanym i zmiennym środowisku Idea działania – wykrywanie fali Dynamiczne planowanie drogi z użyciem impulsowych sieci neuronowych34/36

35 Podsumowanie Cecha charakterystyczna algorytmu: dynamiczne budowanie drogi po ruchu punktu startowego, celu lub przeszkody Ze względu na dynamiczne zachowanie efektywna implementacja z użyciem neuronów impulsowych Dynamiczne planowanie drogi z użyciem impulsowych sieci neuronowych35/36

36 Dziękuję za uwagę


Pobierz ppt "Dynamiczne planowanie drogi z użyciem impulsowych sieci neuronowych Łukasz Gorgol Instytut Informatyki Uniwersytetu Wrocławskiego 2005 Na podstawie: Dynamic."

Podobne prezentacje


Reklamy Google