Robot Sistemlerinde Kullanılan Algoritmalar

Yıl 2019, Cilt: 8 Sayı: 1, 17 - 31, 30.06.2019

Gürkan Gürgüze , İbrahim Türkoğlu

Öz

Robot
sistemlerindeki donanımsal ilerlemeler birçok alanda farklı kullanım
fikirlerinin ortaya çıkmasına neden olmuştur. Bu düşüncelerin başarılı bir
şekilde hayata geçebilmesi donanımsal gelişmelerin paralelinde hızlı, pratik ve
fazla güç tüketimi sarf ettirmeyen yazılımsal çözümlemeleri zorunlu hale
getirmiştir. Bu anlamda etkin yazılımların oluşması ve optimum çözümlerin
sunulması için robot algoritmaları geliştirilmiştir. Günümüzde olasılıksal,
istatistiksel, sezgisel, analitik ve farklı türlerde yapay zekâya dayalı birçok
algoritma ve yöntem mevcuttur. Her algoritmanın problemlere yaklaşımları ve
çözümleri farklı olduğundan özelliklerinin iyi bilinmesi doğru yerde ve şekilde
kullanılmasını sağlayacaktır. Bu amaçla, robot çalışmalarında hangi algoritmaların
kullanıldığı, kullanım amaçları, alanları, etkinlikleri, eksiklikleri,
başarımları ve hangi alanda daha etkin oldukları incelenen literatür ışığında
karşılaştırmalı olarak irdelenmiştir.

Anahtar Kelimeler

Robot algoritmaları, parçacık sürü algoritmaları, robot algoritma başarımları

Kaynakça

• [1] K. O. YAPICI, “14 Serberstlik Dereceli İki Ayaklı Bir Robotun Dinamik Yürüme Hareketinin Kontrolü”, İstanbul Teknik Üniversitesi, Fen Bilimleri Enstitüsü, Yüksek Lisans Tezi, 2008.
• [2] M. CAMCI, “Ortam Tarama İçin Robotlarla Duyarga Ağı Konumlandırma”, İstanbul Teknik Üniversitesi, Fen Bilimleri Enstitüsü, Yüksek Lisans Tezi, 2009.
• [3] T. Wang, Q. Dang, ve P. Pan, “A Multi-Robot System Based on A Hybrid Communication Approach”, c. 1, sayı 1, ss. 91–100, 2013.
• [4] M. Kara, “Oğul Robotlari Yön BulmaProblemi̇”, Ankara Üniversitesi, Fen Bilimleri Enstitüsü, Yüksek Lisans Tezi, 2016.
• [5] S. Lee ve H. Myung, “Receding horizon particle swarm optimisation-based formation control with collision avoidance for non-holonomic mobile robots”, c. 9, ss. 2075–2083, 2015.
• [6] M. TURANLI, “Multi Robot Coverage Methods”, İstanbul Teknik Üniversitesi, Fen Bilimleri Enstitüsü, Yüksek Lisans Tezi, 2011.
• [7] K. Su ve Y. Wang, “Robot Path Planning Based on Random Coding Particle Swarm Optimization”, c. 6, sayı 4, ss. 58–64, 2015.
• [8] T. Abukhalil, M. Patil, S. Patel, ve T. Sobh, “Coordinating a Heterogeneous Robot Swarm Using Robot Utility-based Task Assignment ( RUTA )”.
• [9] R. M. Ferrús ve M. D. Somonte, “Design in robotics based in the voice of the customer of household robots”, Rob. Auton. Syst., c. 79, ss. 99–107, 2016.
• [10] J. Diprose, B. MacDonald, J. Hosking, ve B. Plimmer, “Designing an API at an appropriate abstraction level for programming social robot applications”, J. Vis. Lang. Comput., c. 39, ss. 22–40, 2017.
• [11] B. Das, M. S. Couceiro, ve P. A. Vargas, “MRoCS : A new multi-robot communication system based on passive action recognition”, Rob. Auton. Syst., c. 82, ss. 46–60, 2016.
• [12] G. Canal, S. Escalera, ve C. Angulo, “A real-time Human-Robot Interaction system based on gestures for assistive scenarios”, c. 149, ss. 65–77, 2016.
• [13] D. Gong, J. Zhang, ve Y. Zhang, “Multi-objective Particle Swarm Optimization for Robot Path Planning in Environment with Danger Sources”, c. 6, sayı 8, ss. 1554–1561, 2011.
• [14] B. K. Patle, D. Parhi, A. Jagadeesh, ve O. P. Sahu, “Real Time Navigation Approach for Mobile Robot”, c. 12, sayı 2, ss. 135–142, 2017.
• [15] Q. Tang ve P. Eberhard, “Relative observation for multi-robot collaborative localisation based on multi-source signals”, c. 26, sayı 4, ss. 571–591, 2014.
• [16] S. Ahmadzadeh, M. Ghanavati, A. Branch, ve M. Branch, “NAVIGATION OF MOBILE ROBOT USING THE PSO PARTICLE SWARM”, c. 2, sayı 1, ss. 32–38, 2012.
• [17] R. Islam, M. H. Muftee, ve S. Hossain, “Autonomous Robot Path Planning Using Particle Swarm Optimization in Dynamic Environment with Mobile Obstacles & Multiple Target ICMIEE-PI-140282-2”, 2014.
• [18] B. B. V. L. D. Dayal ve R. P. B. M. V. A. Raju, “Advance Particle Swarm Optimization-Based Navigational Controller For Mobile Robot”, ss. 6477–6487, 2014.
• [19] T. Üniversitesi, M. Fakültesi, ve B. M. Bölümü, “Güncel Sürü Zekâsı Optimizasyon Algoritmaları”, c. 1, ss. 36–50, 2012.
• [20] Y. Ortakci ve C. Göloğlu, “Parçacık Sürü Optimizasyonu İle Küme Sayısının Belirlenmesi”, ss. 1–6.
• [21] P. S. Optimization, G. Algoritmalar, ve K. Optimizasyonu, “İLERİ ALGORİTMA ANALİZİ PARÇACIK SÜRÜ ALGORİTMASI ( Particle Swarm )”, 1995.
• [22] E. Pekdemİr ve M. Güneş, “Otonom Bir Mobil Robotun Parçacık Sürü Algoritması ile Optimum Yörünge Kontrolü”, c. 19, sayı 3, ss. 157–164, 2016.
• [23] T. I. Sharing, “Kalman Filtresi ve Programlama”, ss. 1–6, 2012.
• [24] T. I. Sharing, “Kalman Filtresi ve Bir Navigasyon Uygulama sı”, ss. 1–5, 2012.
• [25] A. K. Filtresi, “Mobil Robot Navigasyonu için Kestirim Algoritmalar ı n ı n Kar ş ı la ş t ı r ı lmas ı The Comparison of Estimation Algorithms for Mobile Robot Navigation”, ss. 2–5, 2016.
• [26] “20a231c1cd7403cf828d7a2584e40a7019e08c3e @ ozcanfatih.wordpress.com”.
• [27] A. Farinelli, M. M. Raeissi, N. Marchi, N. Brooks, ve P. Scerri, “Interacting with team oriented plans in multi-robot systems”, Auton. Agent. Multi. Agent. Syst., c. 31, sayı 2, ss. 332–361, 2017.
• [28] P. A. G. Lari, “PETRİ AGLARI İLE MODELLEME ESASLARI Emin Gündoğar - Mümtaz Ipek •”, c. 1, ss. 23–27, 1997.
• [29] M. S. Durmu, M. T. Söylemez, ve İ. T. Üniversitesi, “Petri A ğ lar ı ile Demiryolu Ankla ş man ve Sinyalizasyon Tasar ı m ı Railway Interlocking and Signalization Design by Petri Nets Kontrol Mühendisli ğ i Bölümü”, sayı 1, ss. 2–6.
• [30] M. M. Atanak, F. Onur, H. Ğ. Lu, A. Üniversitesi, İ. E. Kampusu, “PETR İ A Ğ LARINDA EN KISA YOL PROBLEM İ N İ N PEK İŞ T İ RMEL İ Elektrik-Elektronik Mühendisli ğ i Bölümü Mühendislik-Mimarl ı k Fakültesi End”, ss. 3–5.
• [31] Z. H. Akpolat, “Application of Fuzzy-Sliding Mode Control and Electronic Load Emulation to the Robust Control of Motor Drives”, University of Nottingham, England, 1999.
• [32] G. Ö. Koca, “Kayma Kipli Kontrol ve Bulanık Mantık Kullanarak Elektrikli Araçların Hız Kontrolü”, F.Ü. Fen Bilimleri Enstitüsü, 2005.
• [33] L. Rozo, S. Calinon, D. G. Caldwell, ve P. Jim, “Learning Physical Collaborative Robot Behaviors From Human Demonstrations”, c. 32, sayı 3, ss. 513–527, 2016.
• [34] S. B. Dergisi, M. Zincirleri, M. Zincirlerini, ve G. M. Modeli, “NEDENLERİNE GİZLİ MARKOV MODELİNİN APPLYING HIDDEN MARKOV MODEL TO”, c. 10, sayı 2, ss. 167–186.
• [35] A. Ozg ve S. Universitesi, “Saklı Markov Modelleri ve Boyut Indirgemeye Dayalı bir Beyin-Bilgisayar ¨ u ¨ Algoritması Aray uz A Brain-Computer Interface Algorithm based on Hidden Markov Models and Dimensionality Reduction Champalimaud Neuroscience Programme at Instituto Gulbenkian d”, ss. 93–96.
• [36] H. Haberdar, “SAKLI MARKOV MODEL KULLANILARAK GORUNTUDEN GERCEK ZAMANLI TURK ISARET DILI TANIMA SISTEMI”, Yıldız Teknik Üniversitesi, Fen Bilimleri Enstitüsü, Yüksek Lisans Tezi, 2005.
• [37] Q. Zhu, “Hidden Markov Model”, c. 7, sayı 3, ss. 533–536, 1991.
• [38] J. Yang, S. Member, Y. Xu, C. S. Chen, ve S. Member, “Hidden Markov Model Approach to Skill Learning and Its Application to Telerobotics”, c. 10, sayı 5, 1994.
• [39] “20 MONTE-CARLO---LATİF ÖZTÜRK (MUZAFFER DEMİRBAŞ SYF-116-122”. .
• [40] S. CAVUŞ, Türker F.; YANIKOĞLU, Ertan;YILMAZ, “Paralel Sistemlerin Monte Carlo Yöntemi İle Güvenilirlik Analizi”, ss. 36–39.
• [41] U. BAYALİEV, “Markov Modelini Kullanarak Robotların Yerini Keşfeden Algoritma”, Kırgızistan Türkiye Manas Üniversitesi, Fen Bilimleri Enstitüsü, Yüksek Lisans Tezi, 2015.
• [42] F. Wen, Z. Qu, C. Wang, ve B. Hu, “Precise Localization of Indoor Mobile Robots in FMS Based on Distributed Vision”, sayı September, ss. 2412–2416, 2008.
• [43] F. Dellaert, D. Fox, W. Burgard, ve S. Thrun, “Monte Carlo Localization for Mobile Robots”.
• [44] Y. Katada, A. Nishiguchi, K. Moriwaki, ve R. Watakabe, “Swarm robotic network using Lévy flight in target detection problem”, Artif. Life Robot., c. 21, sayı 3, ss. 295–301, 2016.
• [45] D. K. Sutantyo, S. Kernbach, P. Levi, ve V. A. Nepomnyashchikh, “Multi-Robot Searching Algorithm Using L ´ evy Flight and Artificial Potential Field”, ss. 2–7.
• [46] G. Randall, “Lecture 12: Levy Flights ( σ = ∞ )”, ss. 1–8, 2003.
• [47] D. Sutantyo, P. Levi, M. Christoph, ve M. Read, “Collective-Adaptive L ´ evy Flight for Underwater Multi-Robot Exploration”.
• [48] A. V Chechkin, R. Metzler, J. Klafter, ve V. Y. Gonchar, “INTRODUCTION TO THE THEORY OF LÉVY FLIGHTS”, sayı 1, ss. 1–41.
• [49] O. Saldivar, “Levy Flight as a Robotic Search Pattern”, Massachusetts Institute of Technology, 2012.
• [50] N. ÖZÇAKAR, “Genetik-Algoritmalar.pdf”.
• [51] G. A. Approach, “Genetik Algoritma Yakla m ve Yöneylem Ara t rmas nda Bir Uygulama”, 2003.
• [52] Y. YILDIZ, Erdem; ÇONKUR, “Potansiyel Alan Metodu İle Engelli Bir Alanda Hedefine Ulaşabilecek Bir Mobil Robot İçin Yazılan Simülasyon Programı”, 2004.
• [53] A. Çınar, Eyüp;Parlaktuna, Osman;Yazıcı, “Robot Navigasyonunda Potansiyel Alan Metodlarının Karşılaştırılması ve İç Ortamlarda Uygulanması”.
• [54] D. Rimon, Elon;Kodistcheck, “Exact Robot Navigation Using Artificial Potential Function”.
• [55] J. Vaš, “Navigation of Mobile Robots Using Potential Fields and Computational Intelligence Means”, c. 4, sayı 1, ss. 63–74, 2007.
• [56] R. Kala, “Code for Robot Path Planning using Artificial Potential Fields”, ss. 2–4, 2014.
• [57] F. D. Ė, A. Babinec, M. Kajan, P. Be, ve M. Florek, “Path planning with modified A star algorithm for a mobile robot”, c. 96, ss. 59–69, 2014.
• [58] A. K. Guruji, H. Agarwal, ve D. K. Parsediya, “Time-Efficient A * Algorithm for Robot Path Planning”, c. 23, ss. 144–149, 2016.
• [59] S. Mahadevi, K. R. Shylaja, ve M. E. Ravinandan, “Memory Based A-Star Algorithm for Path Planning of a Mobile Robot”, c. 3, sayı 6, ss. 1351–1355, 2014.
• [60] S. J. Russell ve P. Norvig, Artificial Intelligence: A Modern Approach, c. 9, sayı 2. 1995.
• [61] J. Faigl, “RRT-path – A Guided Rapidly Exploring”, 2009.
• [62] A. Bry ve N. Roy, “Rapidly-exploring Random Belief Trees for Motion Planning Under Uncertainty”, 2011.
• [63] D. Ferguson, N. Kalra, ve A. Stentz, “Replanning with RRTs”, 2006
• [64] E. KOYUNCU, “ISTANBUL TECHNICAL UNIVERSITY INSTITUTE OF SCIENCE AND TECHNOLOGY ˙ PROBABILISTICMOTION PLANNING IN COMPLEX ENVIRONMENTS FOR UNMANNED AERIAL VEHICLES”, İstanbul Teknik Üniversitesi,Fen Bilimleri Enstitüsü, Yüksek Lisans Tezi.
• [65] L. K. P. S ve J. L. M. Overmars, “Probabilistic Roadmaps for Path Planning in High-Dimensional Con guration Spaces”, ss. 1–34.
• [66] L. M. Değertekin, S.Özgür; Lamberti, “UZAY KAFES YAPILARIN ATEŞBÖCEĞİ ALGORİTMASI YÖNTEMİYLE OPTİMİZASYONU S.”, ss. 390–397.
• [67] M. A. Belen, M. Alıcı, A. Çor, ve F. Güneş, “Ateşböceği Algoritması ile Mikrodalga Transistör Performans Karakterizasyonu Performance Characterization of a Microwave Transistor with Fire Fly Algorithm”, ss. 27–29, 2014.
• [68] N. Ali, M. A. Othman, M. N. Husain, ve M. H. Misran, “A review of firefly algorithm”, c. 9, sayı 10, ss. 1732–1736, 2014.
• [69] I. Fister, X. Yang, D. Fister, ve I. F. Jr, “Firefly Algorithm : A Brief Review of the Expanding Literature”.
• [70] “Ateşböceği-Sezgisel @ www.emaze.com”. erişim tarihi:2017
• [71] H. Wu, F. Zhang, ve W. P. Algorithm, “Wolf Pack Algorithm for Unconstrained Global Optimization”, c. 2014, 2014.
• [72] L. Hongdan, L. Sheng, ve Y. Zhuo, “Application of Adaptive Wolf Colony Search Algorithm in Ship Collision Avoidance”, ss. 1–7.
• [73] L. I. U. Changan, Y. A. N. Xiaohu, L. I. U. Chunyang, ve W. U. Hua, “The Wolf Colony Algorithm and Its Application”, c. 20, sayı 2, 2011.
• [74] “GWO @ www.alimirjalili.com”. .
• [75] Ş. Z. Erdoğan, “Kendini Klonlayan Karınca Kolonisi Yaklaşımıyla Optimal Yolun Bulunması”, Trakya Üniversitesi, Fen Bilimleri Enstitüsü,Doktora Tezi, 2008.
• [76] A. Durdu, I. Erkmen, ve A. M. Erkmen, “Estimating and reshaping human intention via human-robot interaction”, Turkish J. Electr. Eng. Comput. Sci., c. 24, sayı 1, ss. 88–104, 2016.
• [77] G. Du ve P. Zhang, “Robotics and Computer-Integrated Manufacturing A novel human – manipulators interface using hybrid sensors with Kalman fi lter and particle fi lter”, Robot. Comput. Integr. Manuf., c. 38, ss. 93–101, 2016.
• [78] J. Liu, Y. Luo, ve Z. Ju, “An Interactive Astronaut-Robot System with Gesture Control”, c. 2016, 2016.
• [79] D. Rozo, Leonel; Silverio,Joao;Caldwell, “Learning Controllers for Reactive and Proactive Behaviors in Human – Robot”, c. 3, sayı June, ss. 1–11, 2016.
• [80] M. Mousavi, H. J. Yap, S. N. Musa, F. Tahriri, ve S. Z. Dawal, “Multi-objective AGV scheduling in an FMS using a hybrid of genetic algorithm and particle swarm optimization”, ss. 1–25, 2017.
• [81] A. Adriansyah, Y. Gunardi, ve E. Ihsanto, “Goal-Seeking Behavior-Based Mobile Robot Using Particle Swarm Fuzzy Controller”, c. 13, sayı 2, ss. 528–539, 2015.
• [82] A. Schroeder, S. Ramakrishnan, M. Kumar, ve B. Trease, Efficient spatial coverage by a robot swarm based on an ant foraging model and the Lévy distribution, c. 11, sayı 1. Springer US, 2017.
• [83] R. Abbas ve Q. Wu, “Communication Failure in Formation Control of multiple Robots based on Particle Swarm Optimization Algorithm”, ss. 5–8, 2015.
• [84] F. Pei, “Distributed SLAM System Using Particle Swarm Optimized Particle Filter for Mobile Robot Navigation”, ss. 994–999, 2016.
• [85] Y. Katada, A. Nishiguchi, K. Moriwaki, ve R. Watakabe, “Swarm Robotic Network Using L ´ evy Flight in Target Detection Problem”, ss. 310–315, 2015.
• [86] P. Sudhakara ve V. Ganapathy, “Trajectory Planning of a Mobile Robot using Enhanced A-Star Algorithm”, c. 9, sayı November, ss. 1–10, 2016.