Preaload Image
اعضای آزمایشگاه – اعضای فعلی – دانشجویان کارشناسی ارشد

حسین قاسمی رامشه

زمینه تحقیقاتی : —
بازه فعالیت در آزمایشگاه : از 1399
h.ghasemi.r@ut.ac.ir

1

2

Citations: 0
h-index: 0
i10-index: 0
No. of Papers: 0

تحصیلات

کارشناسی : برق و کامپیوتر – دانشگاه شیراز
کارشناسی ارشد : برق و کامپیوتر – دانشگاه تهران
دکتری : —

حسین قاسمی رامشه دانش آموخته ی دانشگاه شیراز در مقطع کارشناسی رشته مهندسی کامپیوترگرایش معماری سیستم های کامپیوتری (سخت افزار) در سال 1398 است. وی سابقه ی حضور در مسابقات رباتیک ایران اپن در سال 1397در بخش شبیه سازی دوبعدی را نیز دارد. هم چنین پروژه ی نهایی کارشناسی وی در خصوص پیاده سازی الگوریتم های هوش مصنوعی و شبکه های عصبی روی پلتفرم های سخت افزاری مثل FPGA بوده است. او برای ادامه تحصیل در مقطع کارشناسی ارشد گرایش هوش مصنوعی و رباتیک، در سال 1398 وارد دانشگاه تهران شد. با ورود به دانشگاه تهران، و با عضویت در آزمایشگاه تعامل انسان و ربات تهران فعالیت‌های پژوهشی خود را زیر نظر دکتر طالع ماسوله و دکتر کلهر در زمینه grasping آغاز کرد.
در پروژه ی پایان نامه ی ارشد وی مواردی از جمله؛ جمع آوری دیتاست مدل سه بعدی از اجسام مختلف و مشخص شدن محل گرفتن توسط گیرنده، تشخیص شکل کلی اجسام و پردازش آنها و هم چنین تشخیص محل گرفتن به وسیله ی شبکه های عصبی و روش های مبتنی بر یادگیری تعاملی در نظر گرفته شده است.

تشخیص محل گرفتن توسط ربات با استفاده از مدل سه بعدی روش های مبتنی بر شبکه های عصبی و یادگیری تعاملی

هدف از انجام این پروژه شناسایی محل grasp در اجسام مختلف توسط بازوی محرک ربات است به نحوی که بتواند به نحو مطلوبی آنرا گرفته و بلند کند. در این رابطه شکل جسم و شرایط آن در هر سه بعد قابل اهمیت است که به همین جهت نیازمند مدل سازی سه بعدی از آن هستیم. دیتاست های موجود در این زمینه دارای نواقصی هستند بنابراین برای رفع آن ها در ابتدای امر میبایست دیتاست مناسب جهت انجام این فعالیت جمع آوری می گردید. بدین منظور به جهت افزایش کیفیت و سرعت از ترکیبی از ربات دلتا و دستگاه camera stablizer استفاده گردیده است. بدین ترتیب که با اتصال این دو بهم و چرخش دوربین به دور جسم دیتای مناسب تهیه گردیده و به دنبال آن با استفاده از نرم افزار های موجود این دیتاهای جمع آوری شده به مدل سه بعدی هر جسم تبدیل گردد. سپس میبایستی با روشی مناسب محل های گرفتن در مدل ها نشانه گذاری گردد که این نشانه گذاری خود میتواند به روش های مختلف صورت گیرد مثل استفاده از دستکش مخصوص یا رنگ متفاوت در محل های قرار گرفتن گیرنده. در ادامه با استفاده از مدل سازی کلی جسم به وسیله ی اشکال پایه، روش های پردازش تصویر و یادگیری شبکه های عصبی و با کمک روش های یادگیری تعاملی عمل یادگیری مد نظر صورت گرفته و در نهایت ربات بتواند با مشاهده ی جسم نقاط مناسب جهت گرفتن را شناسایی کرده و به وسیله ی بازوهای خود و gripper های مربوطه آنرا grasp نماید.
منبع پایان نامه

کلمات کلیدی:

دست های رباتیکی (Grasping(
یادگیری عمیق
پردازش تصویر
ربات دلتا
ربات موازی
یادگیری تقویتی
شبکه های عصبی کانولوشن
ندارد.