Preview

Russian Technological Journal

Расширенный поиск

АВТОМАТИЧЕСКИЙ СИНТЕЗ СЦЕНАРИЕВ ПОХОДКИ РЕКОНФИГУРИРУЕМЫХ МЕХАТРОННО-МОДУЛЬНЫХ РОБОТОВ В МОДИФИКАЦИИ ШАГАЮЩЕЙ ПЛАТФОРМЫ

https://doi.org/10.32362/2500-316X-2018-6-4-26-41

Полный текст:

Об авторах

С. В. Манько
МИРЭА - Российский технологический университет
Россия


Е. И. Шестаков
МИРЭА - Российский технологический университет
Россия


Список литературы

1. Jing G., Tosun T., Yim M., Kress-Gazit H. An end-to-end system for accomplishing tasks with modular robots / In: Proceedings of Conference Robotics: Science and Systems, 2016.

2. Макаров И.М., Лохин В.М., Манько С.В.. Романов М.П., Кадочников М.В. Алгоритмы управления движением мехатронно-модульных роботов с адаптивной кинематической структурой // Мехатроника, автоматизация, управление. 2008. № 3. С. 1-10.

3. Лохин В.М., Манько С.В., Диане С.А.К., Панин А.С., Александрова Р.И. Механизмы интеллектуальных обратных связей, обработки знаний и самообучения в системах управления автономными роботами и мультиагентными робототехническими группировками // Мехатроника, автоматизация, управление. 2015. Т. 16. № 8. С. 545-555.

4. Николаенко С.Н., Тулупьев А.Л. Самообучающиеся системы. М.: МЦНМО, 2009. 288 с.

5. Макаров И.М., Лохин В.М., Манько С.В., Кадочников М.В., Ситников М.С. Использование генетических алгоритмов для автоматического формирования базы знаний интеллектуальной системы управления автономным мобильным роботом // Мехатроника, автоматизация, управление. 2008. № 6. С. 18-23.

6. Busch J., Ziegler J., Aue C., Ross A., Sawitzki D., Banzhaf W. Automatic generation of control programs for walking robots using genetic programming / In: Foster J.A., Lutton E., Miller J., Ryan C., Tettamanzi A. (eds.) Genetic Programming. European Conference on Genetic Programming EuroGP, 2002. Lecture Notesin Computer Science, book series. Springer, Berlin, Heidelberg. V. 2278. Р. 258-267.

7. Kober J., Peters J. Reinforcement learning in robotics: A survey // In: Reinforcement Learning / Wiering M., van Otterlo M. (eds.). Adaptation, Learning, and Optimization. V. 12. Springer, Berlin, Heidelberg, 2012. Р. 579-610.

8. Лохин В.М., Манько С.В., Диане С.А.К., Панин А.С., Александрова Р.И. Механизмы самообучения в мультиагентных робототехнических группировках на основе эволюционного леса деревьев классификации // Мехатроника, автоматизация, управление. 2017. Т. 18. № 3. С. 156-165.

9. Kojcev R., Etxezarreta N., Hernandez A., Mayoral V. Evaluation of deep reinforcement learning methods for modular robots. arXiv preprint arXiv:1802.02395, 2018.

10. D’Angelo M., Weel B., Eiben A.E. Online gait learning for modular robots with arbitrary shapes and sizes // In: Dediu A.H., Martín-Vide C., Truthe B., Vega-Rodríguez M.A. (eds) Second International Conference on the Theory and Practice of Natural Computing (TPNC 2013), № 8273 in LNCS. Springer, Berlin. P. 45-56.

11. Varshavskaya P., Kaelbling L.P., Rus D. Learning distributed control for modular robots // In: Intelligent robots and systems, 2004. Proceedings of the 2004 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS). 28 Sept.-02 Oct. 2004. Sendai, Japan. V. 3. P. 2648-2653.

12. Zhang J., Springenberg J.T., Boedecker J., Burgard W. Deep reinforcement learning with successor features for navigation across similar environments // Intelligent Robots and Systems (IROS), 2017 IEEE/RSJ International Conference. P. 2371-2378.

13. Mnih V., Badia A.P., Mirza M., Graves A., Lillicrap T.P., Harley T., Silver D., Kavukcuoglu K. Asynchronous methods for deep reinforcement learning // Proceedings of the 33rd International Conference on Machine Learning, PMLR. 2016. P. 1928-1937.

14. Yoshida E., Murata S., Kamimura A., Tomita K., Kurokawa H., Kokaji S. Evolutionary synthesis of dynamic motion and reconfiguration process for a modular robot M-TRAN // Proceedings of the 2003 International Symposium on Computational Intelligence in Robotics and Automation. 2003. P. 1004-1010.

15. Demin A.V., Vityaev E.E. Adaptive control of modular robots // In: Samsonovich A., Klimov V. (eds) Biologically Inspired Cognitive Architectures (BICA) for Young Scientists. BICA 2017. Advances in Intelligent Systems and Computing. Springer, Cham., 2018. V. 636. P. 204-212.

16. Цетлин М.Л. Исследования по теории автоматов и моделированию биологических систем. М.: Наука, 1969. 316 с.


Рецензия

Для цитирования:


Манько С.В., Шестаков Е.И. АВТОМАТИЧЕСКИЙ СИНТЕЗ СЦЕНАРИЕВ ПОХОДКИ РЕКОНФИГУРИРУЕМЫХ МЕХАТРОННО-МОДУЛЬНЫХ РОБОТОВ В МОДИФИКАЦИИ ШАГАЮЩЕЙ ПЛАТФОРМЫ. Russian Technological Journal. 2018;6(4):26-41. https://doi.org/10.32362/2500-316X-2018-6-4-26-41

For citation:


Manko S.V., Shestakov E.I. AUTOMATIC SYNTHESIS OF GAIT SCENARIOS FOR RECONFIGURABLE MECHATRONIC MODULAR ROBOTS IN THE MODIFICATION OF THE WALKING PLATFORM. Russian Technological Journal. 2018;6(4):26-41. (In Russ.) https://doi.org/10.32362/2500-316X-2018-6-4-26-41

Просмотров: 368


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 2782-3210 (Print)
ISSN 2500-316X (Online)