ROBOTİK UYG. YAPAY ZEKA VE MAKİNE ÖĞRENİMİ

AMAÇ

"Robotik Uyg. Yapay Zeka ve Makine Öğrenimi " dersinde, robotik sistemlerin tasarımı, geliştirilmesi ve uygulamalarıyla ilgili geniş bir kapsama sahiptir. Ders, robotik sistemlerin temel bileşenlerine dair tarihsel bir bakışla başlar. Kinematik, dinamik, kontrol sistemleri ve sensörler gibi teorik temelleri ele alır. Öğrencilere yapay zeka ve makine öğrenmesini robotik sistemlere entegre etme yeteneği kazandırarak akıllı sistemlere yönelik önemli bir perspektif sunar. Ders, sensörler ve algılama konusundaki önemini vurgular, bilgisayar görüsü ve sensör birleştirme gibi konuları içerir. Ayrıca, etik düşünce ve işbirlikçi tasarım prensiplerine odaklanan insan-robot etkileşimini inceleyen bir bölüm içerir. İlgili uygulama alanlarını kapsayan ders, imalattan sağlığa kadar çeşitli endüstrilerde robotik uygulamalara gerçek dünya örnekleri sunar. Dersin disiplinler arası yapısı, robotiği diğer alanlarla nasıl bütünleştireceklerini anlamalarını ve projeler aracılığıyla el becerilerini geliştirmelerini sağlar, böylece öğrenciler robotik ve akıllı sistemlerin dinamik alanına hazır hale gelirler.

İÇERİK

Bu ders; Robotik ve Akıllı Sistemler Tanımı Robotik ve Akıllı Sistemlerin Kısa Tarihi Güncel Eğilimler ve Uygulama Genel Bakışı Robot Bileşenleri ve Türleri ,Robotic uç işlevcilerinin yönelimini açıklamak ve kontrol etmek için döndürme operatörlerini anlamak.,Bir robotik sistemin pozisyonunu ve yönelimini birleşik matematiksel bir çerçevede temsil etmek için homojen dönüşümleri uygulamak.,Bir robotun eklem değişkenleri verildiğinde robot uç etkileyicisinin pozisyonunu belirlemek için İleri Kinematik'i uygulamak.,İstenen bir uç etkileyici pozisyon ve yönelimine ulaşmak için gerekli eklem değişkenlerini hesaplamak amacıyla Ters Kinematik problemlerini çözmek.,Hız kinematiği kavramı ve bu kavramı kullanarak bir robotik sistemdeki eklem hızları ile uç etkileyici hızları arasındaki ilişkiyi analiz etmektir,Robotik sistemlerin hareket denklemlerini Newton-Euler yöntemi kullanarak türetme. Bir robotik sistemdeki bireysel rijit cisimler için kütle, ağırlık merkezi ve atalet momenti dahil olmak üzere atalet özelliklerini hesaplamak. Tekrarlanır Newton-Euler algoritmasını kullanarak bir robotik manipülatörde hızları ve ivmeleri hesaplamak., Eklem kuvvetlerini ve torkları analiz etmek ve bunları dış kuvvetler, eklem ivmeleri ve atalet özellikleri terimleriyle ifade etmek. Newton-Euler yöntemini kullanarak robotik manipülatörlerin dinamik simülasyonlarını gerçekleştirmek., Lagrange denklemlerinin mekanik sistemlerin dinamiklerini açıklamadaki avantajlarının türetilmesi.,Euler-Lagrange denklemleri kullanılarak kısıtlamaların bulunduğu durumlarda dinamik problemleri çözmek, örneğin kapalı çevrim kinematik yapıları. Dinamiklerin, Newton-Euler yöntemi ve Euler-Lagrange yöntemlerinin anlayışının kritik olduğu gerçek dünya uygulamalarını tanımlamak.,Robotik için Yapay Zeka uygulamalarına Giriş, Örnekleme Teoremi, Temsil Teorisi ve Temsil sistemlerinin temel prensipleri, Tıbbi Sinyal İşleme, Sinyal Özellik Çıkarma yöntemleri, Bilgisayar Görüşüne Giriş, Görüntü Filtreleme ve temel filtre tasarımı, Görüntü işleme için özel filtreler, Yapay öğrenme tipleri, Lineer/Doğrusal Olmayan sınıflandırıcılar, Küçük veri analizi için doğrulama yöntemleri; konularını içermektedir.

1. 1

   Recognize the fundamental principles, main components, and their roles in robotic systems, as well as the history of robotics, significant milestones, and breakthroughs.

   Öğretim yöntemi: Tartışma Yöntemi, Beyin Fırtınası Tekniği, Proje Temelli Öğrenme Modeli, Probleme Dayalı Öğrenme Modeli, Deneyimle Öğrenme Modeli · Değerlendirme: Klasik Yazılı Sınav, Ödev, Proje Görevi

2. 2

   Applies rotation operators and homogeneous transformations to represent the position and orientation (pose) of a robotic end-effector in a unified mathematical framework.

   Öğretim yöntemi: Tartışma Yöntemi, Beyin Fırtınası Tekniği, Proje Temelli Öğrenme Modeli, Probleme Dayalı Öğrenme Modeli, Deneyimle Öğrenme Modeli · Değerlendirme: Klasik Yazılı Sınav, Ödev, Proje Görevi

3. 3

   Applies forward kinematics to determine the position of a robotic end-effector when joint variables are given, performs inverse kinematic analysis to calculate the necessary joint variables to reach a desired end-effector position and orientation, and applies velocity kinematics to examine the concept of velocity kinematics and analyze the relationship between joint velocities and end-effector velocities in a robotic system.

   Öğretim yöntemi: Tartışma Yöntemi, Beyin Fırtınası Tekniği, Proje Temelli Öğrenme Modeli, Probleme Dayalı Öğrenme Modeli, Deneyimle Öğrenme Modeli · Değerlendirme: Klasik Yazılı Sınav, Ödev, Proje Görevi

4. 4

   Solves the equalities for the inertia properties, including mass, center of gravity, and inertia tensor for rigid bodies in a robotic system, and iterative the Newton-Euler algorithm to calculate joint forces /torques for analyzing velocities and accelerations in a robotic manipulator.

   Öğretim yöntemi: Beyin Fırtınası Tekniği, Proje Temelli Öğrenme Modeli, Probleme Dayalı Öğrenme Modeli, Deneyimle Öğrenme Modeli · Değerlendirme: Klasik Yazılı Sınav, Ödev, Proje Görevi

5. 5

   Apply the Euler-Lagrange method to derive equations of motion for robotic systems.

   Öğretim yöntemi: Tartışma Yöntemi, Beyin Fırtınası Tekniği, Proje Temelli Öğrenme Modeli, Probleme Dayalı Öğrenme Modeli, Deneyimle Öğrenme Modeli · Değerlendirme: Klasik Yazılı Sınav, Ödev, Proje Görevi

6. 6

   Determine the accurate learning type, method, and data acquisition specifications for generating a smart system.

   Öğretim yöntemi: Tartışma Yöntemi, Beyin Fırtınası Tekniği, Proje Temelli Öğrenme Modeli, Probleme Dayalı Öğrenme Modeli, Deneyimle Öğrenme Modeli · Değerlendirme: Klasik Yazılı Sınav, Sözlü Sınav, Proje Görevi

7. 7

   Interpret the results of the determined data type and the accurate pre-processing and post-processing techniques.

   Öğretim yöntemi: Tartışma Yöntemi, Beyin Fırtınası Tekniği, Proje Temelli Öğrenme Modeli, Probleme Dayalı Öğrenme Modeli, Deneyimle Öğrenme Modeli · Değerlendirme: Klasik Yazılı Sınav, Ödev, Proje Görevi

8. 8

   Apply an accurate validation method

   Öğretim yöntemi: Tartışma Yöntemi, Beyin Fırtınası Tekniği, Proje Temelli Öğrenme Modeli, Probleme Dayalı Öğrenme Modeli, Deneyimle Öğrenme Modeli · Değerlendirme: Klasik Yazılı Sınav, Ödev, Proje Görevi

9. 9

   Determines the results, the correct pattern analysis method, and the requirements based on the task of data analysis

   Öğretim yöntemi: Tartışma Yöntemi, Beyin Fırtınası Tekniği, Proje Temelli Öğrenme Modeli, Probleme Dayalı Öğrenme Modeli, Deneyimle Öğrenme Modeli · Değerlendirme: Klasik Yazılı Sınav, Ödev, Proje Görevi

HAFTALIK PLAN

1. HAFTA 1

   Robotik ve Akıllı Sistemler Tanımı Robotik ve Akıllı Sistemlerin Kısa Tarihi Güncel Eğilimler ve Uygulama Genel Bakışı Robot Bileşenleri ve Türleri

   Ön hazırlık: Ders sunumları

2. HAFTA 2

   Robotic uç işlevcilerinin yönelimini açıklamak ve kontrol etmek için döndürme operatörlerini anlamak.

   Ön hazırlık: Ders sunuları

3. HAFTA 3

   Bir robotik sistemin pozisyonunu ve yönelimini birleşik matematiksel bir çerçevede temsil etmek için homojen dönüşümleri uygulamak.

   Ön hazırlık: Ders sunuları

4. HAFTA 4

   Bir robotun eklem değişkenleri verildiğinde robot uç etkileyicisinin pozisyonunu belirlemek için İleri Kinematik'i uygulamak.

   Ön hazırlık: Ders sunumları

5. HAFTA 5

   İstenen bir uç etkileyici pozisyon ve yönelimine ulaşmak için gerekli eklem değişkenlerini hesaplamak amacıyla Ters Kinematik problemlerini çözmek.

   Ön hazırlık: Ders sunumları

6. HAFTA 6

   Hız kinematiği kavramı ve bu kavramı kullanarak bir robotik sistemdeki eklem hızları ile uç etkileyici hızları arasındaki ilişkiyi analiz etmektir

   Ön hazırlık: Ders sunuları

7. HAFTA 7

   Robotik sistemlerin hareket denklemlerini Newton-Euler yöntemi kullanarak türetme. Bir robotik sistemdeki bireysel rijit cisimler için kütle, ağırlık merkezi ve atalet momenti dahil olmak üzere atalet özelliklerini hesaplamak. Tekrarlanır Newton-Euler algoritmasını kullanarak bir robotik manipülatörde hızları ve ivmeleri hesaplamak.

   Ön hazırlık: Ders sunuları

8. HAFTA 8

   Eklem kuvvetlerini ve torkları analiz etmek ve bunları dış kuvvetler, eklem ivmeleri ve atalet özellikleri terimleriyle ifade etmek. Newton-Euler yöntemini kullanarak robotik manipülatörlerin dinamik simülasyonlarını gerçekleştirmek.

   Ön hazırlık: Ders sunumları

9. HAFTA 9

   Lagrange denklemlerinin mekanik sistemlerin dinamiklerini açıklamadaki avantajlarının türetilmesi.

   Ön hazırlık: Ders sunumları

10. HAFTA 10

    Euler-Lagrange denklemleri kullanılarak kısıtlamaların bulunduğu durumlarda dinamik problemleri çözmek, örneğin kapalı çevrim kinematik yapıları. Dinamiklerin, Newton-Euler yöntemi ve Euler-Lagrange yöntemlerinin anlayışının kritik olduğu gerçek dünya uygulamalarını tanımlamak.

    Ön hazırlık: Ders sunumları

11. HAFTA 11

    Robotik için Yapay Zeka uygulamalarına Giriş

    Ön hazırlık: Ders sunumları

12. HAFTA 12

    Örnekleme Teoremi, Temsil Teorisi ve Temsil sistemlerinin temel prensipleri, Tıbbi Sinyal İşleme, Sinyal Özellik Çıkarma yöntemleri

    Ön hazırlık: Ders sunumları

13. HAFTA 13

    Bilgisayar Görüşüne Giriş, Görüntü Filtreleme ve temel filtre tasarımı, Görüntü işleme için özel filtreler

    Ön hazırlık: Ders sunumları

14. HAFTA 14

    Yapay öğrenme tipleri, Lineer/Doğrusal Olmayan sınıflandırıcılar, Küçük veri analizi için doğrulama yöntemleri

    Ön hazırlık: Ders sunumları

DEĞERLENDİRME

• Ara Sınavın Başarıya Oranı50%
• Genel Sınavın Başarıya Oranı50%

İŞ YÜKÜ

KAYNAKLAR

• Robot Dynamics and Control, Spong, Vidyasagar, John Wiley and Sons, 1989. Corke, P. I., Jachimczyk, W., & Pillat, R. (2011). Robotics, vision and control: fundamental algorithms in MATLAB (Vol. 73, p. 2). Berlin: Springer. Duda, R. O., & Hart, P. E. (2006). Pattern classification. John Wiley & Sons. Bishop, C. M., & Nasrabadi, N. M. (2006). Pattern recognition and machine learning (Vol. 4, No. 4, p. 738). New York: Springer.
• • MATLAB Control System Toolbox, SIMULINK (Code Examples) • Arduino (Built-in Examples) https://www.arduino.cc/en/Tutorial/BuiltInExamples

ÖĞRETİM ELEMANLARI

• Assist.Prof. Elif HOCAOĞLUKOORDİNATÖR
• Assist.Prof. Elif HOCAOĞLU