Robot gait control. For this, it wa

Robot gait control. For this, it was described the properties of the neural network used and the methodology for the generation of the examples database used in the neural learning. The neural networks results are more robust than the results obtained by the controller based in the locus based functions, and the ANN has the advantage that it does not require the inverse kinematics calculation. The perspective of this work includes using motion capture devices to generate the learning database_les, and to use more complex robots, like bipeds. We want to use more sensor information (gyroscope, accelerometers, sonars) to improve the quality of the obtained gaits. The perspectives also include adapting gait control in order to make possible control robots moving over irregular surfaces and to climb or to descend stairs.

ผลลัพธ์ (ไทย) 1:

การควบคุมหุ่นยนต์เดิน สำหรับนี้ มันถูกอธิบายคุณสมบัติของเครือข่ายประสาทที่ใช้และวิธีการสำหรับการสร้างฐานข้อมูลตัวอย่างที่ใช้ในการเรียนรู้ประสาท ผลเครือข่ายประสาทจะแข็งแกร่งมากขึ้นกว่าผลได้รับ โดยตัวควบคุมที่ใช้ในฟังก์ชันโลกัสโพลตาม และแอนจะมีข้อดีที่ว่า ไม่ต้องคำนวณ kinematics ผกผัน มุมมองของงานนี้รวมถึงการใช้อุปกรณ์จับภาพเคลื่อนไหว เพื่อสร้าง database_les เรียนรู้ และ การใช้หุ่นยนต์ที่ซับซ้อนมากขึ้น เช่น bipeds เราต้องการใช้ข้อมูลเซนเซอร์เพิ่มเติม (ไจโรสโคป หัว sonars) เพื่อปรับปรุงคุณภาพของ gaits ได้รับ มุมมองรวมดัดแปลงควบคุมเดิน เพื่อให้สามารถควบคุมหุ่นยนต์ย้ายผ่านพื้นผิวที่ไม่สม่ำเสมอ และไต่ หรือลงบันได

ผลลัพธ์ (ไทย) 2:

หุ่นยนต์ควบคุมการเดิน สำหรับเรื่องนี้มันก็อธิบายคุณสมบัติของเครือข่ายประสาทที่ใช้และวิธีการในการสร้างฐานข้อมูลตัวอย่างที่ใช้ในการเรียนรู้ของระบบประสาท ผลเครือข่ายประสาทมีความแข็งแกร่งมากขึ้นกว่าผลที่ได้จากการควบคุมอยู่ในฟังก์ชั่นตามสถานที่และ ANN มีประโยชน์ที่มันไม่จำเป็นต้องผกผันคำนวณจลนศาสตร์ มุมมองของงานนี้รวมถึงการใช้อุปกรณ์จับการเคลื่อนไหวเพื่อสร้าง database_les การเรียนรู้และใช้งานหุ่นยนต์ที่มีความซับซ้อนมากขึ้นเช่น bipeds เราต้องการที่จะใช้ข้อมูลเซ็นเซอร์มากขึ้น (หมุน, accelerometers, sonars) เพื่อปรับปรุงคุณภาพของเกทส์ที่ได้รับ มุมมอง ได้แก่ การปรับตัวควบคุมการเดินเพื่อที่จะทำให้การควบคุมหุ่นยนต์ที่เป็นไปได้ย้ายไปพื้นผิวที่ผิดปกติและปีนขึ้นไปหรือลงบันได

ผลลัพธ์ (ไทย) 3:

ควบคุมการเดินของหุ่นยนต์ สำหรับเรื่องนี้ มันก็อธิบายคุณสมบัติของโครงข่ายประสาทเทียมที่ใช้และวิธีการสำหรับการสร้าง ตัวอย่างฐานข้อมูลที่ใช้ในการเรียนรู้ ประสาท ข่ายงานผลลัพธ์จะมีเสถียรภาพมากขึ้นกว่าผลที่ได้โดยควบคุมอยู่ในสถานที่ตามหน้าที่ และ แอน มีข้อดีที่ไม่ต้องคำนวณกลศาสตร์การเคลื่อนไหวผกผันมุมมองของงานนี้รวมถึงการใช้อุปกรณ์จับการเคลื่อนไหวเพื่อสร้างการเรียนรู้ database_les และใช้หุ่นยนต์ที่ซับซ้อนมากขึ้นเช่น bipeds . เราต้องการใช้เพิ่มเติมข้อมูล ( เซ็นเซอร์ gyroscope , accelerometers , sonars ) เพื่อปรับปรุงคุณภาพของที่ได้สามารถ .มุมมองยังรวมถึงการปรับควบคุมการเดินเพื่อให้หุ่นยนต์เคลื่อนที่ควบคุมเป็นไปได้มากกว่าพื้นผิวผิดปกติและปีนขึ้นไปหรือลงมาบันได