Realizace souboru výukových úloh v oblasti umělé inteligence zaměřené na kráčivé roboty

Abstract

Tato diplomová práce se zabývá realizací souboru výukových úloh v oblasti umělé inteligence zaměřených na kráčivé roboty. Práce zahrnuje studium a implementaci prostředí pro trénování reinforcement learning agentů, výběr vhodných modelů pro simulace a jejich aplikaci v reálných robotických systémech. K tomu byly využity knihovny Gymnasium a Stable-Baselines3, přičemž hlavním zaměřením bylo trénování agentů ve 2D a 3D simulacích s důrazem na stabilitu a efektivitu chůze. Výstupy této práce jsou určeny nejen pro akademické účely, ale také pro praktické aplikace v robotice.

This master’s thesis focuses on the implementation of a set of learning tasks in the field of artificial intelligence, specifically applied to walking robots. The work involves the study and implementation of environments for training reinforcement learning (RL) agents, the selection of suitable models for simulation, and their application in real robotic systems. The libraries Gymnasium and Stable-Baselines3 were used for the development and testing of RL agents in simulated environments, with a focus on tasks such as walking, running, and maintaining balance. The selected models include BipedalWalker, HalfCheetah, Walker2D, and Humanoid, which offer varying challenges related to movement physics and the complexity of achieving stable behavior. This thesis not only provides a set of educational tasks for students and researchers but also demonstrates their practical use in academic and real-world robotic applications. The work aims to show how RL methods can optimize robot behavior and be applied to different types of robotic models, bridging the gap between simulation and practical deployment.