How to build a robot Sander van Dijk Kunstmatige Intelligentie Rijksuniversiteit Groningen 2005.

25
How to build a robot Sander van Dijk Kunstmatige Intelligentie Rijksuniversiteit Groningen 2005

Transcript of How to build a robot Sander van Dijk Kunstmatige Intelligentie Rijksuniversiteit Groningen 2005.

How to build a robot

Sander van DijkKunstmatige Intelligentie

Rijksuniversiteit Groningen2005

Overzicht

RoboChallenge Wijze inzichten Onderdelen Intelligentie Problemen Resultaten

RoboChallenge

Georganiseerd door Startel Tweede editie 23 inschrijvingen

RoboChallenge

RoboChallenge

3 Missies• 10 Groene Reuzen (kwalificatie)

• 5 verschillende sterren

• 7 van iedere soort, meerdere robots

RoboChallenge

Actief systeem• Precissie mogelijk

• Stoerheidsfactor

Passief systeem• Precissie niet nodig

• Sneller

• Simpeler

Wijze inzichten

Ervaring van vorig jaar• Alles wat kapot kan gaan, gaat kapot

• Totale prestatie is niet de som, maar het product van de prestatie van de onderdelen

Dus:• Houd het simpel

• Zorg dat de basis goed is, ga dan pas naar de volgende laag

Onderdelen

Lichaam Sensoren Brein Actuatoren

Onderdelen

Lichaam• ‘Embodied Intelligence’: Gedrag = Lichaam +

Intelligentie

• Modulair

• Simpel

Onderdelen

Sensoren• Sharp IR afstandssensoren

• Logitech QuickCam 4000 Pro webcam

Onderdelen

Brein• Laptop

• 1.5GHz Celeron M

• 256 Mb RAM

• Mandrake Linux 10.1

• Atmel AVR Atmega8535• 16MHz (16 MIPS Throughout)

• 8kB Flash, 512 Bytes EEPROM, 512 Bytes SRAM

• 8 Ch., 10-bit ADC

• 4 x PWM

• RS232 Serial Interface

Onderdelen

Actuatoren• MFA/Como Drills RE 540/1 Motor + 919D501

Gearbox• Ratio: 50:1

• 4,5 - 15,0 V

• 0,62 - 2,85 A

• Torque @ 12V: 0,76 - 4,9 N.m

• 78mm 78A Skate-wielen

Intelligentie

Behaviour based• Braitenberg

• Subsumption

Intelligentie

Intelligentie

Intelligentie

3 niveau’s van intelligentie• Reflex

Input Output

• Lage IntelligentieInput Classificatie Output

• Hoge IntelligentieInput Classificatie Model Redenatie Output

Intelligentie

Reflexen en laatste stap intelligentie op µC

Rest op computer• Centrale server (‘Spine’)

• Programma per gedrag(sonderdeel)

Seriele verbinding

Intelligentie

Intelligentie

Eye• Webcam interface

• Filters

• Regioning

Intelligentie

Image filters• Traditioneel: serieel

Image Filter1 Filter2 ...

• Eye: ‘parallel’Image||||||||||Filter1||||||||||Filter2||||||||||

...

Intelligentie

Kleurclassificatie• Bayes:

• 3D Histogram

• Classificaties van te voren berekenen

• Leer ook wat hij niet moet zien

)(

)()|()|(

EP

CPCEPECP

Intelligentie

Regioning• Run Length Encoding

• Tree Based Union-Find met padcompressie

• J. Bruce, T. Balch, M. Veloso (2000): Fast and Cheap Color Image Segmentation for Interactive Robots.

• http://www.ai.rug.nl/~sgdijk/gir/

Problemen

Wederom: alles wat kapot kan gaan gaat kapot• Computers met kuren

• Los wiel

• Instortende V-vorm

• Inferentie motoren• Onbetrouwbare sensoren

• Resettende/crashende µC

Resultaten

Herbruikbaar systeem (hardware + software)

Real time vision (30 fps) en gedrag Kwart finale behaald Veel kennis

Vragen