Deze dissertatie verkent de verschillende manieren om prior kennis toe
te voegen aan neurale netwerken gebruikt als regelaar van robots. Het
is verdeeld in twee grote delen. In het eerste deel van de thesis, focussen
we ons op het toevoegen van a priori kennis aan het genereren
van wandelgangen, zodat we minder tijd nodig hebben in het optimalisatieproces
om goede wandelgangen te vinden. In het tweede deel ligt
de focus op het gebruik van morfologische berekenen als a priori kennis
om stabiele wandelgangen voor robots met poten te genereren.
We gaan dan dieper in op hoe die a priori kennis kan gebruikt worden in de robotica
via een paradigma gebaseerd op een alternatieve kijk op berekenen,
genaamd morfologisch berekenen. We argumenteren hoe die benadering
van het probleem een natuurlijke match is voor het regelen van
meegevende robots.
We concluderen dat het incorporeren van a priori kennis vrijwel altijd
gunstig is als je gebruik maakt van machinaal geleerde modellen voor
het regelen van robots. We komen ook tot de conclusie dat we konden
aantonen dat zowel morfologisch waarnemen als morfologisch regelen
valabele strategieën zijn om regelkringen voor robots met poten te
ontwerpen. | |