but.committee	prof. RNDr. Ing. Tomáš Březina, CSc. (předseda) doc. Ing. Pavel Bělohoubek, CSc. (člen) prof. Dr. Ing. Alexandr Štefek, Dr. (člen) prof. Ing. Luděk Žalud, Ph.D. (člen) doc. Ing. Vladimír Konečný, CSc. (člen) prof. Ing. Pavel Ošmera, CSc. (člen) prof. RNDr. Ing. Miloš Šeda, Ph.D. (člen) doc. RNDr. PaedDr. Eva Volná, Ph.D. (člen)	cs
but.defence	Disertant fundovaně vymezil přínosy své práce, a to jak v oblasti teoretické, tak i praktické.	cs
but.jazyk	čeština (Czech)
but.program	Aplikované vědy v inženýrství	cs
but.result	práce byla úspěšně obhájena	cs
dc.contributor.advisor	Dvořák, Jiří	cs
dc.contributor.author	Krček, Petr	cs
dc.contributor.referee	Bělohoubek, Pavel	cs
dc.contributor.referee	Štefek, Alexandr	cs
dc.contributor.referee	Žalud, Luděk	cs
dc.date.created	2010	cs
dc.description.abstract	Jak již plyne z názvu, tato disertační práce se zabývá plánováním cesty autonomního lokomočního robotu na základě strojového učení. Úkolem plánování cesty robotu je nalezení cesty z počáteční do cílové pozice bez kolize s překážkami tak, aby ohodnocení cesty bylo minimální. Autonomní robot je takový stroj, který je schopen vykonávat úkoly zcela samostatně i v prostředích s dynamickými změnami. Plánování cesty v dynamickém částečně známém prostředí je však obtížným problémem. Schopnost autonomního robotu přizpůsobovat svoje chování změnám prostředí může být zajištěna pomocí metod strojového učení. V souvislosti s plánováním cesty se z metod strojového učení uplatňují především případové usuzování, neuronové sítě, posilované učení, rojová inteligence a genetické algoritmy. Prvá část disertační práce seznamuje čtenáře se současným stavem výzkumu v oblasti plánování cesty. Přehled metod je věnován základním všesměrovým robotům i robotům, na které jsou kladena diferenciální omezení. V práci je navržena řada metod pro plánování cesty všesměrových robotů i robotů s diferenciálním omezením. Tyto navržené metody jsou založeny především na případovém usuzování a genetických algoritmech. Všechny navržené metody byly implementovány v simulačních aplikacích. Výsledky experimentů prováděných v těchto aplikacích jsou součástí této práce. U každého experimentu je proveden rozbor výsledků. Z experimentů plyne, že navržené metody jsou schopné konkurovat běžně používaným metodám, neboť ve většině případů dosahují lepších výsledků.	cs
dc.description.abstract	As already clear from the title, this dissertation deals with autonomous locomotive robot path planning, based on machine learning. Robot path planning task is to find a path from initial to target position without collision with obstacles so that the cost of the path is minimized. Autonomous robot is such a machine which is able to perform tasks completely independently even in environments with dynamic changes. Path planning in dynamic partially known environment is a difficult problem. Autonomous robot ability to adapt its behavior to changes in the environment can be ensured by using machine learning methods. In the field of path planning the mostly used methods of machine learning are case based reasoning, neural networks, reinforcement learning, swarm intelligence and genetic algorithms. The first part of this thesis introduces the current state of research in the field of path planning. Overview of methods is focused on basic omnidirectional robots and robots with differential constraints. In the thesis, several methods of path planning for omnidirectional robot and robot with differential constraints are proposed. These methods are mainly based on case-based reasoning and genetic algorithms. All proposed methods were implemented in simulation applications. Results of experiments carried out in these applications are part of this work. For each experiment, the results are analyzed. The experiments show that the proposed methods are able to compete with commonly used methods, because they perform better in most cases.	en
dc.description.mark	P	cs
dc.identifier.citation	KRČEK, P. Plánování cesty autonomního lokomočního robotu na základě strojového učení [online]. Brno: Vysoké učení technické v Brně. Fakulta strojního inženýrství. 2010.	cs
dc.identifier.other	36048	cs
dc.identifier.uri	http://hdl.handle.net/11012/15343
dc.language.iso	cs	cs
dc.publisher	Vysoké učení technické v Brně. Fakulta strojního inženýrství	cs
dc.rights	Standardní licenční smlouva - přístup k plnému textu bez omezení	cs
dc.subject	Plánování cesty	cs
dc.subject	neholonomní robot	cs
dc.subject	případové usuzování	cs
dc.subject	genetické algoritmy.	cs
dc.subject	Path planning	en
dc.subject	nonholonomic robot	en
dc.subject	case-based reasoning	en
dc.subject	genetic algorithms.	en
dc.title	Plánování cesty autonomního lokomočního robotu na základě strojového učení	cs
dc.title.alternative	Autonomous Locomotive Robot Path Planning on the Basis of Machine Learning	en
dc.type	Text	cs
dc.type.driver	doctoralThesis	en
dc.type.evskp	dizertační práce	cs
dcterms.dateAccepted	2010-12-10	cs
dcterms.modified	2010-12-15-15:20:23	cs
eprints.affiliatedInstitution.faculty	Fakulta strojního inženýrství	cs
sync.item.dbid	36048	en
sync.item.dbtype	ZP	en
sync.item.insts	2025.03.27 13:33:59	en
sync.item.modts	2025.01.15 16:29:21	en
thesis.discipline	Inženýrská mechanika	cs
thesis.grantor	Vysoké učení technické v Brně. Fakulta strojního inženýrství. Ústav automatizace a informatiky	cs
thesis.level	Doktorský	cs
thesis.name	Ph.D.	cs

Plánování cesty autonomního lokomočního robotu na základě strojového učení

Files

Original bundle

Collections