Повышение качества образования путем комбинирования дисциплин: "Робототехника" и "Искусственный интеллект"
Автор: Федосин Сергей Алексеевич, Плотникова Наталья Павловна, Немчинова Елена Андреевна
Журнал: Образовательные технологии и общество @journal-ifets
Статья в выпуске: 1 т.23, 2020 года.
Бесплатный доступ
В статье рассматривается способ организации учебной деятельности студента путем комбинирования двух дисциплин: «Робототехника» и «Искусственный интеллект». Описывается методология реализации проекта по созданию робота-гексапода, перемещением которого управляет искусственный интеллект на базе нейронной сети. Описывается построение робота, выбор архитектуры нейронной сети и алгоритма ее обучения, способ взаимодействия робота и нейронной сети. Говорится об эффективности применения методики комбинирования дисциплин.
Комбинирование дисциплин, робототехника, нейронная сеть, робот-гексапод, robot hexаpod
Короткий адрес: https://sciup.org/140245504
IDR: 140245504
Список литературы Повышение качества образования путем комбинирования дисциплин: "Робототехника" и "Искусственный интеллект"
- Вукобратович М. Шагающие роботы и антропоморфные механизмы. - М.: Мир, 1976. - 541 с.
- Гаврилов А. В. Архитектура гибридной системы управления мобильного робота //Мехатроника, автоматизация, управление. - 2004. - №. 8. - С. 30-37.
- DEMYSTIFYING DEEP REINFORCEMENT LEARNING [Электронный ресурс]. - Режим доступа: http://neuro.cs.ut.ee/demystifyingdeep-reinforcementlearning/.- Загл. с экрана.
- Федосин С. А., Плотникова Н. П., Немчинова Е. А., Макарова Н. В. Особенности обучения построению моделей перемещения сложных объектов, обладающих искусственным интеллектом на базе нейронной сети. Образовательные технологии и общество. 2018. Т. 21. №3. С. 290-297.
- Ha S., Kim J., Yamane K. Automated Deep Reinforcement Learning Environment for Hardware of a Modular Legged Robot //2018 15 th International Conference on Ubiquitous Robots (UR). - IEEE, 2018. - С. 348-354.
- Энциклопедия знаний Амперки [Электронный ресурс]. - Режим доступа: http://wiki.amperka. ru/.
- Оссовский С. Нейронные сети для обработки информации / Пер. с польского И. Д. Рудинского. - М.: Финансы и статистика, 2002. - 344с.
- Федосин С. А., Немчинова Е. А., Плотникова Н. П. Искусственный интеллект на базе нейронной сети, реализующий перемещение модели сложного объекта в пространстве. Наукоемкие технологии. 2018. Т. 19. №7. С. 23-29.
- Neural Networks for Machine Learning [Электронный ресурс]. - Режим доступа: http://www.cs.toronto.edu/~tijmen/csc321/slides/lecture_slides_lec6.pdf.
- S. Levine, C. Finn, T. Darrell, and P. Abbeel. End-to-end training of deep visuomotor policies //The Journal of Machine Learning Research. - 2016. - Т. 17. - №. 1. - С. 1334-1373.
- Duan Y. Benchmarking deep reinforcement learning for continuous control / Y. Duan, X. Chen, R. Houthooft, J. Schulman,P. Abbeel. //International Conference on Machine Learning. - 2016. - С. 1329-1338.
- Короткий С. Нейронные сети: алгоритм обратного распространения; статья - 15 с.
- D. Silver, G. Lever, N. Heess, T. Degris, D. Wierstra, and M. Riedmiller. Deterministic policy gradient algorithms //ICML. - 2014.
- Google's DeepMind AI Just Taught Itself To Walk [Электронный ресурс]. - Режим доступа: https://www.youtube.com/watch?v=gn4nRCC9TwQ. - Загл. С экрана.
- Learn to Walk (genetic algorithm & Neural Network) [Электронный ресурс]. - Режим доступа: https://www.youtube.com/watch?v=h-89xjWpV4U. - Загл. с экрана.
