Indoor Robot - Control Neural Network

V dokumentu popisuji možnosti navigace mobilních robotů. Tato problematika je řešena mnoha různými přístupy, ovšem dodnes není zcela vyřešena. Naleznete zde popis jednoduchých deterministických algoritmů, které lze použít pro jednoduché akce, jako je objíždění překážek nebo jízda v koridoru. Pro globální navigace však deterministické algoritmy selhávají. Další částí dokumentu je teorie umělých neuronových sítí (perceptron, vícevrstvé sítě, samoorganizující se sítě) a jejich použití v robotice. Vlastní navigační algoritmy byly otestovány na vytvořeném mobilním robotu nebo v simulačním softwaru popsaným v kap. 6. Návrh vlastních řídících algoritmů je založen právě na neuronových sítích (Kohonenova mapa), ať už pro navigaci do jednoho cíle nebo komplexní globální navigaci. V dokumentu je uvedeno srovnání jednotlivých přístupů k navigaci, jejich výhody a nevýhody. Cílem bylo nalézt efektivní algoritmus pro navigaci a umělá inteligence se zdá být tím správným řešením.In this document, I describe possibilities of mobile robot navigation. This problems are solving many different ways, but there isn’t satisfactorily result to this day. You find there describe of deterministic algorithms, this algorithms can be used for simply actions like obstacle avoiding or travel in corridor. For global navigation this algorithms fails. In next part of document is theory of artificial neural nets (perceptron, multi layer neural nets, self organization map) and using them in mobile robots. Own navigation algorithms was tested on constructed mobile robot or simulated in SW described in chapter 6. Design own control algorithms is based on neural net (Kohonen net). Designed algorithms can be used for one-point navigation or complex global navigation. In document, there is comparing of various ways to navigation, their advantages and disadvantages. Goal of this document is find effective algorithm for navigation and artificial intelligence appears to be the right solution.