Ανακάλυψη ρομποτικών δεξιοτήτων μέσω τοπολογικών τεχνικών
Loading...
Date
2026-07-06
Authors
Ανδρουτσόπουλος, Αριστείδης
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
Η ανακάλυψη διακριτών κινητικών δεξιοτήτων από ακατέργαστες τροχιές ενός ρομποτικού συστήματος, χωρίς επίβλεψη και χωρίς εκ των προτέρων γνώση του πλήθους των δεξιοτήτων, παραμένει ένα ανοιχτό πρόβλημα της σύγχρονης ρομποτικής. Η ιδανική αναπαράσταση οφείλει ταυτόχρονα να ομαδοποιεί τις κινήσεις σε διακριτές δεξιότητες και να παράγει νέες, εύλογες τροχιές για καθεμία από αυτές. Οι δύο στόχοι όταν επιβάλλονται σε ένα ενιαίο μοντέλο, ανταγωνίζονται μέσα από την ίδια συνάρτηση απωλειών. Η παρούσα διπλωματική εργασία δεν αντιμετωπίζει το ζήτημα ως πρόβλημα μάθησης ρομποτικού ελέγχου, αλλά ως ερώτημα γεωμετρίας του λανθάνοντος χώρου. Ποιες ιδιότητες πρέπει να διαθέτει μια εκμαθημένη αναπαράσταση ώστε οι δεξιότητες να αναδύονται ως διακριτές, διαχωρίσιμες δομές και πώς μπορούν αυτές οι ιδιότητες να μετρηθούν συστηματικά. Η προσέγγιση που προτείνεται είναι η σταδιακή εξερεύνηση του χώρου κωδικοποίησης. Αντί να αναζητηθεί εξαρχής μια μονολιθική αρχιτεκτονική που λύνει και τους δύο στόχους, μελετάται συστηματικά πόσο μακριά μπορεί να φτάσει κάθε δομική επιλογή στον φυσικό της στόχο, ώστε να αναδειχθεί η τοπολογία πάνω στην οποία οι δύο ικανότητες θα μπορούσαν μελλοντικά να συντεθούν.Για τη μελέτη του ερωτήματος σχεδιάστηκαν δύο σύνολα δεδομένων προσομοιωμένων τροχιών του βραχίονα Franka Research 3 με ελεγχόμενη, εκ των προτέρων γνωστή γεωμετρική δομή: α) ΄Ενα κινηματικό σύνολο ακτινωτών τροχιών, β) ΄Ενα πλουσιότερο κινητοδυναμικό σύνολο με κινήσεις σε πολλαπλά επίπεδα του χώρου. Τα σύνολα αυτά επιτρέπουν την αντικειμενική αξιολόγηση της ανακάλυψης κινήσεων. Αναπτύχθηκε ένα ενιαίο πλαίσιο αξιολόγησης που συνδυάζει την πιστότητα ανακατασκευής και την ομαλότητα των τροχιών, τη γεωμετρική διαχωρισιμότητα μέσω Αμοιβαίας Πληροφορίας και Γραμμικής Ανιχνευσιμότητας, τον αυτόματο προσδιορισμό του αριθμού των αναδυόμενων δεξιοτήτων μέσω του κριτηρίου BIC σε μοντέλα με χρήση κατανομών καθώς και την οπτικοποίηση της δομής μέσω UMAP και t-SNE. Πάνω σε αυτό το κοινό πλαίσιο αναπτύσσεται μια προοδευτική αλληλουχία όπου ένας συνελικτικός αυτοκωδικοποιητής (AE), ως βάση σύγκρισης, θεμελιώνει το όριο της αμιγώς αναδομητικής οργάνωσης, ένας μεταβλητικός αυτοκωδικοποιητής (VAE) προσθέτει τον συνεχή, παραγωγικό χώρο που λείπει από τη βάση σύγκρισης και ένας διανυσματικά κβαντισμένος αυτοκωδικοποιητής (VQ-VAE) επιδιώκει την άμεση, διακριτή ανακάλυψη δεξιοτήτων.Η εξέλιξη αυτή αποκαλύπτει με ακρίβεια τα όρια κάθε οικογένειας όπου το VAE παράγει τροχιές αλλά αφήνει τις δεξιότητες θολά διαχωρισμένες υπό έναν ενιαίο συντελεστή, ενώ ο VQVAE διαχωρίζει διακριτά αλλά αδυνατεί να αναπαραστήσει τη συνεχή διακύμανση εντός κάθε κλάσης. ΄Ενα κεντρικό εύρημα είναι ότι τόσο η βάση σύγκρισης όσο και ο τυπικός VQ-VAE διαφοροποιούν τις αληθείς κλάσεις σε περισσότερες όταν τους δοθεί υπερβολική χωρητικότητα, καθώς καμία αντικειμενική συνάρτηση δεν επιβάλλει οικονομία στον αριθμό των ομάδων. Για την αντιμετώπιση του φαινομένου εισήχθη μια παραγωγίσιμη ποινή εντροπίας στη χρήση του βιβλίου κωδίκων, σε συνδυασμό με μόνιμη απόσυρση αχρησιμοποίητων κωδίκων. Ο μηχανισμός αυτός επέτρεψε στο μοντέλο να συγκλίνει αυτόνομα σε σταθερό αριθμό ενεργών κωδίκων που αντιστοιχεί στενά στην πραγματική δομή των δεδομένων, χωρίς κάποια γνώση του αληθούς πλήθους δεξιοτήτων. Η εργασία συνεισφέρει συνεπώς τρία στοιχεία: δύο εξειδικευμένα σύνολα δεδομένων, ένα ενοποιημένο πλαίσιο αξιολόγησης, και μια ελεγχόμενη αρχιτεκτονική σύγκριση, με σκοπό την κατανόηση του πότε ένας λανθάνων χώρος είναι ταυτόχρονα πιστός στην κίνηση, οργανωμένος ανά δεξιότητα και χρήσιμος για τον έλεγχο. Ταυτόχρονα θέτει τη βάση για μελλοντικές υβριδικές αρχιτεκτονικές, όπου κάθε συνιστώσα ευδοκιμεί υπηρετώντας έναν στόχο, αφήνοντας ρητά ανοιχτό το ευρύτερο ερώτημα για μελλοντική έρευνα.
Description
Keywords
Mάθηση αναπαραστάσεων, Ανακάλυψη δεξιοτήτων, Λανθάνων χώρος, Μη επιβλεπόμενη μάθηση, Γεωμετρία πολλαπλοτήτων, Ρομποτική