fa استخراج ویژگی‌ از داده‌های عمق با استفاده از روش یادگیری عمیق برای کنترلِ باناظر ربات چرخ‌دار تخصصي Special پژوهشي Research paper <div style="text-align: justify;">این مقاله چارچوبی از یادگیری عمیقِ با ناظر را جهت ناوبری ربات‌ چرخ‌دار در زمین‌های هموار با محوریت وظایف پیگیری دیوار و اجتناب از موانع ارائه می‌نماید. در اینجا، فرض بر این است که ربات تنها به یک سیستم بینایی (دوربین کینکت) مجهز است. چالش‌ اصلی در هنگام استفاده از تصاویر عمق، ابعاد بالای تصاویر و استخراج ویژگی‌های مناسب از آنها با هدف کاهش ابعاد ورودی کنترلگر می‌باشد. برای این منظور در این مقاله از یادگیری عمیق بهره‌برداری شده و ویژگی‌های مناسبی بدست می‌آیند که بازنمایی تصاویر عمق هستند. چهار معماری با استفاده از این ویژگی‌ها و سابقه‌های فرمان کنترلی برای کنترلگر ارائه می‌شود. این معماری‌ها در محیط شبیه‌ساز ویبات با یکدیگر مقایسه می‌شوند. آزمایش‌های انجام شده نشان می‌دهد معماری بهره برنده از چهار دسته ورودی شامل: ویژگی‌های بازنمایی شده از داده‌های عمق، ویژگی‌های لحظه‌ی قبل، موقعیت خط سیر در تصویر رنگی، و سابقه‌ی فرمان‌های پیشینِ کنترلگر می‌تواند به خوبی کنترل ربات را در محیط‌های هموار و با مانع به انجام برساند.</div> <p>This paper proposes a framework of Supervised Deep Learning (SDL) for wheeled robot navigation in soft terrains with a focus on wall following and obstacle avoidance tasks. Here, it is supposed the robot is only equipped with a vision system (Kinect camera). The main challenge while using depth images is high dimensionality of images and extracting proper features of them with a purpose of reducing input dimensionality of controller. To do this, the deep learning is utilized in this paper and the appropriate features which are the representation of depth images are acquired. Four architectures are created using this features and the history of steering commands. These architectures are compared in WEBOT simulator. The experiments show that the proposed architecture with four groups of features including: the represented features of depth data, previous represented features, the position of trajectory in color image, and the history of previous steering commands can control the robot in soft terrain with a variety of obstacles as well.&nbsp;&nbsp;<span new="" style="margin: 0px; font-family: " times=""><span style="margin: 0px;"><font color="#000000"> </font></span></span></p> ناوبری ربات, یادگیری با ناظر, یادگیری عمیق , داده‌های عمق Robot navigation, Supervised learning, Deep learning, Depth data 13 24 http://joc.kntu.ac.ir/browse.php?a_code=A-10-91-6&slc_lang=fa&sid=1 Farinaz Alamiyan harandi فریناز اعلمی یان هرندی f.alamiyan@stu.yazd.ac.ir 10031947532846004596 10031947532846004596 No yazd university دانشگاه یزد Vali Derhami ولی درهمی vderhami@yazd.ac.ir 10031947532846004597 10031947532846004597 Yes yazd university دانشگاه یزد