İşaret Dili Eğitmeni İnsansı Robot İçin Çarpışma Tespit Sistemi

Abstract

Günümüzde robotlar birçok alanda kullanılmaktadır. Bu sistemler üzerinde karmaşık görevler üretmek çeşitli problemler ihtiva etmektedir. Bunlardan biri robotun hem para ve zaman kaybına hem de eğer insanla etkileşim varsa insanın yaralanmasına sebep olabilen robot uzuvlarının birbirine çarpması problemidir. Bu tezde bu sorunun üstesinden gelebilmek için robotun uzuvlarının kendi kendine çarpmasını engellemek için çarpışma tespit sistemleri geliştirildi ve karşılaştırıldı. Bu çalışma, insansı bir robotu işaret dili eğitimi asistanı olarak kullanmayı amaçlayan “Türk İşaret Dili Eğitmeni” araştırma projesinin bir parçasıdır. Projede amaç Türk İşaret Dili'nden seçilmiş bazı kelimeleri tanıyan ve gerçekleyen robotun kullanılarak yardımcı ve sosyal bir robotik sistem geliştirmektir. Proje kapsamında bir oyun tasarlanmış ve geliştirilmiştir. Bu oyunda çocuk Türk İşaret Dili'nden bir kelimeyi tanımlayan kartı robota gösterir, robot gözünde bulunan kamera yardımı ile kart üzerindeki kelimeyi algılar ve kelimeyi işaret dilinde gerçekler. Robot hareketini bitirdikten sonra aynı kelimeye ait hareket çocuk tarafından tekrar edilir. Robot çocuğun yaptığı hareketi tanır ve hareket iyi yapılmışsa olumlu aksi takdirde olumsuz geri bildirimde bulunur. Robotta işaretler üretilirken robotun güvenliği ile ilgili problemler meydana gelebilir. Çünkü projede kullanılan robota ait bir çarpışma tespit sistemi bulunmamaktadır. Tez kapsamında geliştirilen çarpışma tespit sistemleri bahsedilen robot üzerinde kullanılmak için tasarlanmıştır. Tezde robot için çarpışma tespit sistemi geliştirebilmenin yanı sıra, var olan bir çarpışma tespit sisteminin yapay sinir ağları ve bulanık yöntemler kullanılarak taklit edilip edilemeyeceği ve robotun uzuvları arasındaki mesafeler kullanılarak bir çarpışma tespit sisteminin gerçeklenip gerçeklenmeyeceği sorgulanmaktadır. Bu tezde sinirsel-bulanık sistemler ve yapay sinir ağları kullanılmıştır. Sinirsel-bulanık sistemler bulanık mantık ve yapay sinir ağlarının birlikte kullanılması ile elde edilen sistemlerdir. Biyolojik sinir ağları birbirleri ile sinaps adı verilen bağlantılar ile haberleşirler. Eğer bir nörondaki sinyal belirli bir gücü aşarsa sinaps ile bağlı olan diğer nöronlara da sinyal iletilir. Yapay sinir ağlarında ise sinapslardaki aktivasyon sistemi transfer fonksiyonu ile sağlanır. Yapay sinir ağları, insan vücudunda bulunan sinir ağları ve beynin bilgi işleme kapasitesinden esinlenilerek tasarlanmış olup , bir çok uygulama alanında kullanılmaktadır. Klasik mantık sistemleri sadece belirli koşullarda oluşan, kesin doğruluk değerleri "doğru" ya da "yanlış" olan önermelerle ilgilenirler. Bir örnek ile açıklayacak olursak; diyelim ki bir odanın sıcaklığını klasik mantık kullanarak sıcak veya soğuk olarak ifade edelim. 23 dereceden yüksek sıcaklıklar sıcak, düşük sıcaklıklar soğuk olarak tanımlansın. Bu durumda 22 derece soğuk, 24 derece ise sıcak olarak tanımlanacaktır. Bu tanımlamada görüleceği üzere bahsedilen sıcaklık değerleri birbirine yakın olmasına rağmen farklı değer kümelerine atanmışlardır. 0 derece ve 22 derece değerlerini ele alacak olursak bu durumda her iki değerinde soğuk olarak tanımlanacağını görürüz. Fakat her iki sıcaklık arasında soğukluk açısından ciddi fark vardır. Eğer sıcaklık ve soğukluk kavramlarını bulanık mantığın getirdiği bulanık kümeler ile ifade edersek bu problemler ortadan kalkmış olur. Çünkü oluşturulan bulanık kümelerin değerleri sıfır ile bir arasında sürekli değerler alacağından havanın ne kadar sıcak olduğuna dair yorumda bulunmamamıza imkan sağlar. Yapay sinir ağları veri üzerinden öğrenme imkanı sağlar, bulanık mantık ise insan tarafından anlaşılabilen kurallar ile işlem yapması yönünden iyi imkan sağlar. Bu iki farklı yöntem birlikte kullanıldığında her iki yöntemin avantajlarından da yararlanılabilir. Yapılan çalışma iki kısma ayrılabilir. İlk kısımda, var olan bir çarpışma tespit sistemi üzerinde döngü içerisinde bir açı değeri belirlenen bir değer kadar artırılarak ve geri kalan açılar sabit tutularak belirli bir çözünürlük ile olası açı kombinasyonlarında çarpışma meydana gelip gelmeyeceği test edilerek veri seti oluşturuldu. İlk aşamada oluşturulan bir veri seti üzerinde sinirsel-bulanık bir yöntem kullanılarak bir sistem eğitildi. Eğitilen sistemin performansı yeterli bulunmadığından dolayı, meydana gelebilecek çarpışma tipleri olan sol kol- gövde çarpışması, sağ kol - gövde çarpışması ve sol kol - sağ kol çarpışmaları için üç adet farklı veri seti oluşturulmuş ve her bir veri seti için bir sinirsel - bulanık sistem oluşturulmuş ve bu sistemlerin çıktısı birleştirilerek sonuç elde edilmeye çalışılmıştır. Sol kol - gövde veri seti için oluşturulan veri setine girdi olarak sol kolda bulunan dört açı seçilmiştir. Sağ kol - gövde çarpışmaları için sağ kolda bulunan dört eklem açısı girdi olarak seçilmiştir. Kolların birbiri ile arasında meydana gelen çarpışmaları tespit etmek için ise her iki kolda bulunan dörder adet açı, toplamda sekiz adet açı girdi olarak kullanılmıştır. Üçüncü yaklaşımda ise oluşturulan üç veri seti tipik ileri beslemeli yapay sinir ağları kullanılarak eğitilmiş ve ikinci yönteme benzer şekilde sonuçlar birleştirilmiştir. Bu yaklaşımda ise yine benzer ikinci yaklaşıma benzer şekilde sol kol - gövde çarpışmalarını tespit etmek için oluşturulan yapay sinir ağında sol kolda bulunan dört adet eklem açısı girdi olarak verilmiştir. Sağ kol - gövde çarpışmalarını tespit etmek için oluşturulan yapay sinir ağına da sağ kolda bulunan dört adet eklem açısı girdi olarak verilmiştir. Kollar arasındaki çarpışmaları tespit etmek için oluşturulan yapay sinir ağına her iki kolda bulunan dörder adet eklem açısı, toplamda sekiz adet açı girdi olarak verilmiştir. Oluşturulan tüm yapay sinir ağları toplamda üç katmanlı olup, çıktı katmanında hareketin güvenli veya güvensiz olduğunu belirten iki adet çıkış düğümü bulunmaktadır. Bir robotun uzuvları bilindiği üzere birbirine prizmatik veya döner eklemlerle bağlıdır. Robot üreticisi tarafından eklem bilgilerinin bulunduğu bir dosya paylaşılmıştır. İki uzuv arasındaki ilişki homojen dönüşüm matrisleri ile hesaplanabilir. İleri kinematik bir uzvun robotun sıfır pozisyonuna göre konumunu hesaplamak için kullanılır. İkinci kısımda ise ilk kısımdaki veri setlerindeki açı değerleri kullanılarak, ileri kinematik hesabı ile bu açı kombinasyonlarındaki eklem pozisyonları hesaplandı. Robotun uzuvları hesaplanan eklem pozisyonları kullanılarak doğru parçaları şeklinde ifade edilerek bu parçalar arasındaki mesafeler yapay sinir ağlarına girdi olarak verilerek sistem eğitimi yapıldı. Kollar için üst kısımlar ve alt kısımlar doğru parçası olarak ifade edilmiştir ve bu uzuvların birbirlerine ve gövdeye olan uzaklıkları hesaplanmıştır. Geliştirilen çarpışma tespit sistemleri rastgele üretilen açı kombinasyonları üzerinde test edildi. Yapılan testler sonucunda ikinci ve üçüncü yaklaşımın sonuçları diğer yaklaşımlara göre daha iyi ve birbirine yakın çıkmıştır. İkinci yöntemin sonuçları üçüncü yönteme yakın olmakla birlikte yanlış doğru oranı bu yöntemde üçüncü yönteme göre daha kötü olup, her 7 tane çarpışmaya sebep olan hareketten birini güvenli olarak tespit etmektedir. Bu yüzden üçüncü yöntemin diğer yöntemlere göre daha iyi olduğu söylenebilir. Son yaklaşımın basari oranı \%86 civarında çıkmış olup, ileride daha karmaşık geometrik modeller kullanılarak bu yöntemin geliştirilebileceği düşünülmektedir.

Robots are widely used in many domains. Creating complex tasks in these systems involves many problems. One of them is the self damage of the robot which may result in loss of money and time, and human injuries if robot interacts with a human. In this thesis to overcome this problem self collision detection systems are developed and compared. This work is part of the research project “Turkish Sign Language Tutoring” which aims to use a humanoid robot as sign language tutoring assistant. In this project, the aim is to produce an assistive and social robotic system, where the robot is able to recognize and generate a predefined subset of words in Turkish Sign Language. The robot has to use its arms, and hands, fingers and upper torso to generate these words. During generation of the signs on the robot, problems may occur about robot safety. Because, robot used in the project has no collision detection system. Developed collision systems are designed for use in this robot. The work done in thesis can be divided into two parts. In the first part, a collision detection system is mimicked. By using a robot simulation environment which has collision detection system, in different angle combinations it is checked whether a collision occurs or not, a collision dataset is created. Therefore problem is translated into classification problem. In the final step to classify the angle combinations, system is trained by using neural networks and neuro-fuzzy system. In the first part three approaches are developed. First one is to training all data set by using neuro-fuzzy system, second one is dividing the dataset into smaller parts according to collision types and training the system with these smaller datasets, third and the last one is training the same datasets in second appoach by using typical feed-forward neural networks instead of neuro-fuzzy system. In the second part, positions of the robot links, and distances between body parts of robot are calculated. A neural network is trained by using distance values between body parts. Developed collision detection systems are tested on a randomly generated dataset. Results are presented individually and comparatively.