Base

Name

amin abedi

email

amin.abedi.1368@gmail.com

website:

amedia-team.com

mobile

09365309603

Educational background

کارشناسی ریاضی محض سبزوار
کاردانی نرم افزار فنی مهندسی قوچان
کارشناسی نرم افزار غیرانتفاعی اسرار مشهد

resume

مدیر پروژه دیجی پیک
مدیر تیم برنامه نویسی آمدیا
مدیر تیم برنامه نویسی پروژه نود دفتر

thesis

ساخت نقشه معنایی در محیط های داخلی برای استفاده ربات سرویس رسان

Abstract Thesis

برای تعامل بهتر انسان و ربات، علاوه بر navigation و شناخت موقعیت فعلی ربات در محیط های مختلف (indoor) نیاز به درک عمیق تر "اشیاء" و درک روش های تعامل با اشیاء می باشد.
ربات assistive می خواهد در شرایط و محیط مهندسی شده برای حضور انسان فعالیت کند. بنابراین نیاز است که شناخت ربات از محیط تا حد امکان به جنس شناخت انسان از محیط نزدیک بشود. یعنی علاوه بر درک خط و منحنی های بی معنی به عنوان مرز اشیاء، خود اشیاء درک شده و هوش مصنوعی، با شناسایی یک شیئ، اطلاعات مهم در ارتباط با کارکرد آن شیئ و شیوه ی تعامل با آن را نیز برای ربات فراهم کند.
این رویکرد در حل مساله ی درک محیط، منجر به توسعه ی اطلاعات نوینی از جمله place classification، semantic mapping، و conceptual map می شود. این رویکرد باعث پیشرفت معناداری در تعامل ربات- انسان در دنیای واقعی در محیط مهندسی شده برای انسان ها خواهد شد.
Spatial understanding محدود به path یا motion planning و یا manipulation نمی شود. بلکه هوش مصنوعی مجهز شده به این سیستم می تواند این زمینه ها را ساده تر کند. درک محیطی همچنین در کنار دانش هندسی (نقشه ی متریک و …) مورد استفاده قرار می گیرد.
می توان گفت سیستم های هوشمند امروزی مثل surveillance ها نه تنها قادر به ناوبری و انتقال از نقطه ی مبدا به هدف هستند، بلکه به طور خودمختار می توانند با محیط انسانی تعامل داشته باشند (Asimo PR2)
پیشرفت های اخیر در زمینه ی computer vision و cognitive robotics معطوف به همین مساله ی spatial understanding است
با این رویکرد، محیط انسانی هم می تواند به عنوان یک کانال ارتباطی با ربات (علاوه بر روش های کلاسیک قبلی از جمله مخابره ی سیگنال های ورودی از طریق wi-fi) مورد استفاده قرار بگیرد. یعنی ربات ورودی های خود را به صورت خام از محیط مهندسی نشده و دنیای واقعی دریافت کند.
اصلی ترین بخش درک فضایی از semantic mapping نشات می گیرد. Semantic mapping تکنیک استفاده از ویژگی های اصلی اشیاء در فضا هست. (ویژگی هایی که خود انسان ها هم به آن توجه دارند)
مثال: ربات gopher در کنار برقراری ارتباط با دانش از پیش آپلود شده، ارتباط با اپراتور و آپدیت نقشه های کلاسیک (متریک یا …) دانش سمانتیک مپینگ خود را هم برای بهبود localization, navigation, exploration بکار می گیرد
چالش اصلی که بخاطر پیچیدگی کارهای مرتبط با Semantic mapping کنار گذاشته شده، تولید راه حل های real time استخراج شده از دانش سمانتیک در یک سیستم رباتیک است. به خصوص اثرگذاری روی محیط با توجه به خصوصیات دینامیکی هر شیئ به صورت جداگانه، بخاطر تغییراتی که انسان به محیط وارد می آورد و نوردهی، ظاهر محیط یکسان باقی نمی ماند. علاوه بر این، با یک نگاه نمی توان اطلاعات مفیدی از شیئ بدست آورد. برای همین در کنار semantic mapping ، اطلاعات فضا-زمانی که از ویژن به دست می آید، (spatio-temporal info fusion) هم نیاز است.

موضوع بنده ساخت نقشه معنایی برای استفاده در ربات های سرویس رسان در محیط های داخلی می باشد. سیستم خواص فضایی مانند اتاق،اشیا و اطلاعات توپولوژیک و ترکیب آنها را با دانش قبلی، در یک چارچوب احتمالاتی که قادر به استنتاج نوع دسته اتاق می باشد، گرد آوری کرده و در نهایت منجر به ساخت اطلاعاتی به نام نقشه معنایی خواهد شد. در این سیستم سعی بر شبیه سازی و تست سیستم در شرایط دنیای واقعی می کنیم و که در نتیجه سعی بر شناخت محیط ناشناخته هدف بنده می باشد.

Supervisor

Dr.shiri

Skill

php, android, ios, angular, ionic, nodejs, python, ROS, C and …