tsta

Home / دومین کنفرانس ملی عصر انفجار تکنولوژی؛ هوش مصنوعی، تحولی در صنعت، تجارت و زنجیره تامین و دومین کنفرانس ملی علم داده در کاربردهای مهندسی

یادگیری عمیق برای ادراک رباتیک مقاوم در محیط های غیرساختارمند

Authors :

سجاد یوسفی¹ مریم پورنجف² سمیرا حسینی³ سوسن نصرتی⁴ سمیه باقری⁵

1- دانشگاه ملی مهارت تهران 2- دانشگاه ملی مهارت تهران 3- دانشگاه ملی مهارت تهران 4- دانشگاه ملی مهارت تهران 5- دانشگاه ملی مهارت تهران

Keywords :

یادگیری عمیق،ادراک رباتیک،محیط‌های غیرساختارمند،ترنسفورمرهای بینایی،استنتاج بلادرنگ

Abstract :

ادراک رباتیک در محیط‌های غیرساختارمند، مانند مناطق حادثه‌دیده یا فضاهای شهری پویا، به دلیل موانع متغیر، تغییرات نوری و پیچیدگی‌های بصری چالش‌برانگیز است. این پژوهش معماری ترکیبی از شبکه‌های کانولوشنی و ترنسفورمرهای بینایی پیشنهاد می‌دهد که ویژگی‌های محلی و جهانی صحنه را مدل‌سازی می‌کند. یادگیری خودنظارتی با روش کنتراستیو، نیاز به داده‌های برچسب‌دار را کاهش داده و تطبیق دامنه با آموزش خصمانه، مقاومت مدل را در برابر تغییرات محیطی بهبود می‌بخشد. مدل با کوانتیزاسیون و هرس برای استنتاج بلادرنگ روی سخت‌افزارهای سبک بهینه شده است. آزمایش‌ها روی مجموعه‌داده‌های استاندارد و مجموعه‌داده سفارشی امداد و نجات، بهبود ۸٫۱% در دقت تشخیص اشیا، ۵٫۸% در تقسیم‌بندی معنایی و خطای عمق ۰٫۴۵ متر را نشان داد. این نتایج، مقاومت مدل را در شرایط سخت تأیید کرده و کاربرد آن را در امداد و نجات، ناوبری خودکار و عملیات صنعتی تقویت می‌کند.