چکیده فارسی :

یکی از چالش های پیش رو در زمینه رباتیک های متحرک می باشد که دارای توانایی برای هدایت کردن خودکار هستند. این یک کار دشوار می باشد که نیاز به مدل سازی کامل محیط و کنترل کننده های هوشمند دارد. این مقاله نشان دهنده یک روش هدایت کردن هوشمند برای یک ربات خودکار و موبایل است که تنها نیاز به سیگنال اسکالر به عنوان فیدبکی دارد که نشان دهنده کیفیت مربوط به فعالیت به کار رفته است. به جای برنامه ریزی کردن یک ربات، ما به آن اجازه یادگیری روش خودش را می دهیم. الگوریتم یادگیری Q  برای یادگیری تقویتی برای هدایت کردن ربات متحرک توسط وضعیت ها و فضاهای فعالیت مورد استفاده قرار می گیرد. به منظور بهبود بخشیدن به کارایی های مربوط به ربات متحرک، یک بهینه شدن مربوط به کنترل کننده های فازی برای هدایت کردن ربات براساس دانش اولیه معرفی شده توسط یک سیستم متداخل فازی مورد بحث قرار گرفته است و بنابراین رفتار اولیه قابل قبول می باشد. کارایی مربوط به این روش بهینه شده توسط شبیه سازی تغییر می یابد.

کلمات کلیدی: ربات متحرک، سیستم هوشمند، کنترل کننده فازی، یادگیری Q-  یادگیری Q فازی

چکیده انگلیسی :

One of the standing challenging aspects in mobile robotics is the ability to navigate autonomously. It is a difficult task, which requiring a complete modeling of the environment and intelligent controllers. This paper presents an intelligent navigation method for an autonomous mobile robot which requires only a scalar signal likes a feedback indicating the quality of the applied action. Instead of programming a robot, we will let it only learn its own strategy. The Q-learning algorithm of reinforcement learning is used for the mobile robot navigation by discretizing states and actions spaces. In order to improve the mobile robot performances, an optimization of fuzzy controllers will be discussed for the robot navigation; based on prior knowledge introduced by a fuzzy inference system so that the initial behavior is acceptable. The effectiveness of this optimization method is verified by simulation.
Keywords: mobile robot, intelligent system, fuzzy controller, Qlearning, fuzzy Q-learning.