جلسه 4 ربات و هوش مصنوعی شامل مکانیابی، نقشه سازي، ناوبري و کاربرد بینایی ماشین در ،MATLAB یا ROS ربات کاربرد هوش مصنوعی، منطق فازي در ربات، برنامهنویسی با اجراي پروژه.

عنوان کلی دوره: مبانی رباتیک و هوش مصنوعی در مهندسی الکترونیک

بخش اول: مقدمه‌ای بر رباتیک و هوش مصنوعی

• تیتر ۱: تاریخچه و مفاهیم پایه رباتیک


• تعریف ربات و انواع ربات‌ها


• تاریخچه مختصر رباتیک


• اجزای اصلی یک ربات (سنسورها، عملگرها، کنترلر)


• تیتر ۲: مقدمه‌ای بر هوش مصنوعی (AI)


• تعریف هوش مصنوعی و اهداف آن


• شاخه‌های اصلی هوش مصنوعی (یادگیری ماشین، پردازش زبان طبیعی، بینایی ماشین)


• کاربردهای هوش مصنوعی در علوم مختلف


• مثال: معرفی یک ربات صنعتی ساده و اجزای آن.


• تمرین پایان فصل:


• مفهوم ربات را با کلمات خود تعریف کنید.


• سه کاربرد اصلی هوش مصنوعی را نام ببرید.


• خلاصه نکات کلیدی:


• رباتیک: علم طراحی، ساخت و بهره‌برداری از ربات‌ها.


• هوش مصنوعی: توانایی ماشین‌ها برای تقلید از رفتار هوشمند انسان.

بخش دوم: مکانیابی، نقشه‌سازی و ناوبری ربات‌ها

• تیتر ۳: مفاهیم مکانیابی (Localization)


• چالش‌های مکانیابی در ربات‌های متحرک


• روش‌های مبتنی بر سنسور (GPS، IMU، انکودر چرخ)


• روش‌های مبتنی بر محیط (SLAM)


• تیتر ۴: نقشه‌سازی (Mapping)


• اهمیت نقشه‌سازی برای ناوبری


• انواع نقشه‌ها (Grid Maps, Feature Maps)


• الگوریتم‌های نقشه‌سازی (Occupancy Grids)


• تیتر ۵: ناوبری ربات (Navigation)


• برنامه‌ریزی مسیر (Path Planning)


• الگوریتم‌های مسیریابی (A*, Dijkstra)


• کنترل حرکت و دنبال کردن مسیر


• مثال: شبیه‌سازی رباتی که در یک محیط ناشناخته نقشه می‌سازد و مسیر خود را پیدا می‌کند.


• تمرین پایان فصل:


• تفاوت بین مکانیابی و نقشه‌سازی چیست؟


• دو چالش اصلی در ناوبری ربات‌های خودمختار را توضیح دهید.


• خلاصه نکات کلیدی:


• SLAM: همزمان‌سازی همزمان مکانیابی و نقشه‌سازی.


• ناوبری ربات نیازمند درک محیط و برنامه‌ریزی دقیق مسیر است.

بخش سوم: کاربرد بینایی ماشین و منطق فازی در رباتیک

• تیتر ۶: مبانی بینایی ماشین (Machine Vision)


• پردازش تصویر پایه (فیلتر کردن، لبه‌یابی)


• تشخیص و شناسایی اشیاء


• ردیابی اشیاء


• تیتر ۷: کاربرد بینایی ماشین در رباتیک


• تشخیص موانع و اجتناب از برخورد


• شناسایی اشیاء برای برداشتن و قرار دادن (Pick and Place)


• هدایت ربات بر اساس نشانه‌ها (Visual Servoing)


• تیتر ۸: منطق فازی (Fuzzy Logic) در رباتیک


• مقدمه‌ای بر منطق فازی و مجموعه‌های فازی


• قواعد فازی و استنتاج فازی


• کاربرد منطق فازی در کنترل ربات (مانند کنترل سرعت، فرمان)


• مثال: استفاده از دوربین ربات برای تشخیص یک شیء خاص و محاسبه فاصله آن. پیاده‌سازی یک کنترلر فازی ساده برای تنظیم سرعت ربات بر اساس فاصله تا مانع.


• تمرین پایان فصل:


• دو کاربرد بینایی ماشین در ربات‌های صنعتی را نام ببرید.


• چگونه منطق فازی می‌تواند به ربات‌ها در تصمیم‌گیری در شرایط عدم قطعیت کمک کند؟


• خلاصه نکات کلیدی:


• بینایی ماشین به ربات‌ها امکان “دیدن” و درک محیط بصری را می‌دهد.


• منطق فازی امکان مدل‌سازی دانش کیفی و تصمیم‌گیری در شرایط مبهم را فراهم می‌کند.

بخش چهارم: کاربرد هوش مصنوعی در رباتیک

• تیتر ۹: یادگیری ماشین در رباتیک


• یادگیری تقویتی (Reinforcement Learning) برای کنترل ربات


• یادگیری نظارت شده (Supervised Learning) برای تشخیص الگو


• شبکه‌های عصبی و کاربرد آنها در رباتیک


• تیتر ۱۰: ربات‌های خودمختار و هوشمند


• مثال‌هایی از ربات‌های پیشرفته (خودران، ربات‌های خانگی هوشمند)


• چالش‌های توسعه ربات‌های خودمختار


• مثال: آموزش یک ربات برای انجام یک وظیفه ساده از طریق یادگیری تقویتی.


• تمرین پایان فصل:


• تفاوت بین یادگیری تقویتی و یادگیری نظارت شده در رباتیک را توضیح دهید.


• یک نمونه از ربات خودمختار که با هوش مصنوعی کار می‌کند را معرفی کنید.


• خلاصه نکات کلیدی:


• یادگیری ماشین به ربات‌ها امکان می‌دهد تا از تجربیات خود بیاموزند و عملکردشان را بهبود بخشند.


• ترکیب هوش مصنوعی با رباتیک منجر به ایجاد سیستم‌های هوشمند و خودمختار می‌شود.