توصيفگر ها :
ربات انسان‌نماي فوتباليست , چالش گل زدن توپ متحرك , ليگ ربات انسان‌نما , شبكه عصبي مصنوعي , رگرسيون خطي
چكيده فارسي :
مسابقه ربوكاپ يك مسابقه بين‌المللي بين ربات‌ها است و يكي از انواع ربات‌ها، ربات‌هاي انسان‌نما و يكي از شاخه‌هاي ربوكاپ ليگ فوتبال ربات‌هاي انسان‌نما (ليگ انسان‌نما) است. ربات‌هاي هوشمند بايد از طريق حسگر‌هاي خود دركي از محيط داشته باشند و در مقابل عملي در راستاي رسيدن به هدف خود كه در اين ليگ برنده شدن در مسابقه فوتبال است، بر روي محيط انجام دهند. در اين ليگ رقابت‌هايي بين شركت‌كنندگان با عنوان چالش فني برگزار مي‌شود كه مسائلي حل نشده يا كمتر كار شده‌اند و يكي از اين چالش‌ها كه هدف اصلي اين پژوهش است، گل زدن توپ متحرك توسط ربات انسان‌نما است. در اين چالش ربات بر روي نقطه پنالتي قرار مي‌گيرد و توپي از نقطه كرنر به ربات پاس داده مي‌شود و ربات بايد بتواند با يك تماس توپ را وارد دروازه كند. براي اين كار ربات نياز دارد كه بتواند توپ را تشخيص دهد و زمان رسيدن توپ به خودش را پيش‌بيني كند. براي اين كار از شبكه عصبي مصنوعي براي تشخيص توپ و از رگرسيون خطي براي پيش‌بيني زمان رسيدن توپ به ربات استفاده شده است.
در ابتدا ربات انسان‌نماي قاسم موجود در آزمايشگاه در شبيه‌ساز گزبو مدلسازي شده است، سپس خط لوله‌اي در بستر سيستم عامل رباتيك ROS طراحي شده است كه الگوريتم‌ها بتوانند در راستاي شوت زدن بدون وقفه به توپ متحرك با يكديگر همكاري داشته باشند. يك شبكه عصبي مصنوعي براي تشخيص توپ آموزش داده شده است و يك ردياب توپ با استفاده از شبكه تشخيص توپ، توپ را در طول زمان رديابي مي‌كند. روشي براي محاسبه فاصله توپ تا ربات به وسيله يك دوربين معرفي شده است و الگوريتمي پياده‌سازي شده كه با استفاده از فاصله توپ تا ربات در طول زمان و يك رگرسيون خطي، زمان رسيدن توپ به ربات را پيش‌بيني مي‌كند. از طريق موقعيت توپ در تصوير، الگوريتم ديگري براي محاسبه مكان نسبي توپ نسبت به ربات معرفي شده است و ربات با استفاده از يك رگرسيون خطي ديگر و مكان نسبي توپ در طول زمان پيش‌بيني مي‌كند كه آيا توپ به ربات مي‌رسد يا خير و اگر بله، كدام پا بايد به توپ ضربه بزند.
براي حل نسخه قديمي اين چالش روشي توسط ربات T-Flow معرفي شده است كه هم ربات از دو دوربين بهره مي‌برد و هم دقت خوبي در شوت زدن به توپ ندارد. تيم‌هايي نيز براي حل اين چالش تلاش كرده‌اند ولي نتايج و روش خود را منتشر نكرده‌اند. روش پيشنهادي در اين تحقيق بر روي ربات انسان‌نماي قاسم مدلسازي شده در شبيه‌ساز در چهار وضعيت مختلف قرارگيري توپ و ربات آزمايش شده است و نشان داده شده است كه مي‌تواند به خوبي در زمان مناسب به توپ شوت بزند و توپ را وارد دروازه كند.
چكيده انگليسي :
The RoboCup competition is an international competition between robots. Humanoid robots are one of the types of robots and one of the RoboCup leagues is humanoid robot soccer league (Humanoid League). Smart robots must have an understanding of the environment through their sensors and perform an action on the environment in order to achieve their goal, which is to win the soccer match in this league. In this league, competitions are held between the participants under the title of technical challenges, which are unsolved or under-worked problems, and one of these challenges, which is the main goal of this research, is to goal kick from moving ball by a humanoid robot. In this challenge, the robot is placed on the penalty spot and a ball is passed to the robot from the corner point, and the robot must be able to score a goal with one touch. For this, the robot needs to be able to detect the ball and predict when the ball will reach itself. For this purpose, artificial neural network has been used to detect the ball and linear regression has been used to predict the time the ball will reach the robot.
First, the humanoid robot Ghasem in the laboratory is modeled in the Gazebo simulator, then a pipeline is designed on the basis of the Robot Operating System (ROS) so that the algorithms can cooperate with each other in order to shoot the moving ball without interruption. An artificial neural network is trained to detect the ball and a ball tracker tracks the ball over time using the ball detection network. A method to calculate the distance between the ball and the robot using a camera is introduced and a linear regression algorithm is implemented that predicts the time the ball reaches the robot using the distance between the ball and the robot over time. Through the position of the ball in the image, another algorithm is introduced to calculate the relative location of the ball relative to the robot, and using another linear regression and the relative location of the ball over time, the robot predicts whether the ball reaches the robot or not, and if yes, which leg of the robot should kick the ball.
To solve the old version of this challenge, a method has been introduced by the T-FLOW robot, which uses two cameras and is not very accurate in shooting the ball. There are teams that have also tried to solve this challenge, but they have not published their results and methods. The proposed method in this research has been tested on the Ghasem humanoid robot modeled in the simulator in four different situations of the ball and the robot, and it has been shown that it can shoot the ball well at the right time and score a goal.
