جهت‌یابی یک توانایی حیاتی برای انسان و حیوان محسوب می‌گردد. برای بهبود مهارت‌های جهت‌یابی در ربات‌ها، می‌توان از روشی که حشرات در طبیعت با کمک آن جهت‌یابی می‌کنند، الهام گرفت. یک سوال اصلی در مورد حشراتی که به‌ کمک توانایی بصری خود جهت‌یابی می‌کنند؛ این‌ است که آن‌ها چه اطلاعاتی از تصاویر ‌طبیعی را در پیدا کردن جهت حرکت استفاده می‌کنند؟ برای جهت‌یابی، می‌توان از روش ‌مینیمم تابع ‌‌‌اختلاف تصویر چرخشی ‌ (MrIDF) به کمک پردازش تصاویر پانوراما استفاده کرد [1]. در روش MrIDF حتی با شیفت کامل در صورتی-که فاصله مکان تصویر نمای فعلی تا تصویر مرجع زیاد شود، نمی‌توان مسیر برگشت را به دلیل زیاد شدن اختلاف دو تصویر، به‌‌درستی شناسایی کرد. در این مقاله، ما راه‌کاری ارائه می‌دهیم که در نقاط دور از مکان مرجع نیز، می‌توان مسیر و زاویه برگشت را شناسایی ‌کرد. همچنین با استفاده از الگوریتم بهینه‌سازی استراتژی ‌تکاملی ‌انطباق ‌ماتریس ‌کوواریانس (CMA-ES)، کارآیی روش‌ MrIDF را بهبود می‌بخشیم و در ادامه کارآیی آن ‌را در قالب یک مثال ناوبری نشان می‌دهیم. نتایج نشان می‌دهند که یافتن جهت حرکت از طریق الگوریتم پیشنهادی، با دقت کافی و در زمان بسیار کمتری انجام می‌شود. تفاصيل المقالة

In this study, a couple of 3PRR parallel robot is used for the rehabilitation process of a patient to eliminate a walking disability and leads to his treatment. The 3PRR robot has three degrees of freedom, provided by three prismatic actuators. Also using a couple of them, can quickly rehabilitate and provide the rehabilitation movements of a patient in the walking process. In this study, the extraction of kinematic and dynamic Equations of the robot was investigated, and a fuzzy-logic-based controller is performed. This controller has the ability to repel unwanted disturbances to follow the desired path. All modelling was simulated by MATLAB software. The simulation results show that using the mathematical model and controller, it is easy to go any desired path in the workspace; and this controller will be able to repel environmental disturbances like the sudden movement of patients. تفاصيل المقالة

This paper aims to improve the trajectory by an extended reinforcement learning based method in which a new tracking algorithm is used for mobile robot applications with low-rate control command. There are some trajectories that underactuated robots, like quadrotors, are unable to track; hence a suitable trajectory should be designed with respect to the robot's dynamics. In this paper, the initial trajectory is generated by Rapidly-exploring Random Tree Star algorithm which is not suitable for quadrotor application. Then, the initial trajectory is improved by an extension of Path Integral Policy Improvement with Covariance Matrix Adaption (PI2-CMA) algorithm. The extension includes improving tracking algorithm and controller performance considering low-rate control command. Our proposed algorithm succeeded to reduce the cost of tracking by designing safer and shorter trajectories which are more suitable for real robots. Furthermore, the results show that the proposed tracking algorithm and controller improve the performance of tracking. The hardware requirements for implementing our proposed method are a webcam and a personal computer; therefore with a low-cost implementation of the proposed method, a suitable trajectory is designed. In this paper, the initial trajectory is improved by an extension of PI2-CMA algorithm in which the trajectory tracking is performed such that reciprocating motions are avoided. Also, desired velocity and acceleration are used by controller for better tracking. تفاصيل المقالة