Dokument wird geladen
n powered by Künstliche Neuronale Netze mit fischertechnik TXT 4.0 — Thorsten Leimbach, Fraunhofer IAIS Version: 2 27.07.2024
Künstliche Neuronale Netze mit Open Roberta xNN Dieses Tutorial zeigt, wie man einem Roboter mit Hilfe eines Neuronalen Netzes beibringt, einer schwarzen Linie zu folgen. Du solltest mit der Programmierung im Open Roberta Lab vertraut sein, insbesondere mit der Verwendung von Bausteinen der Kategorie „Liste“. Du solltest bereits ein einfaches Neuronales Netz im Open Roberta Lab erstellt und angewendet haben und die erste Aufgabe “Abstand halten“ erfolgreich bearbeitet haben. Seite 2 21.08.2024 © Fraunhofer IAIS Public
Künstliche Neuronale Netze trainieren Mindestabstand einhalten Um dieses Experiment etwas einfacher zu gestalten, verwenden wir den simulierten Roboter aus dem Open Roberta Lab. Du kannst das Programm aber auch auf einem echten fischertechnik TXT 4.0 Roboter ausführen. Seite 3 21.08.2024 © Fraunhofer IAIS Public
Künstliche Neuronale Netze trainieren TXT 4.0 Roboter Mit einem Klick auf öffnet sich die Simulationsumgebung. 2D-Darstellung eines simulierten TXT 4.0 Roboters: Rad links Rad rechts Der simulierte TXT 4.0 Roboters besitzt folgende Sensoren: ▪ Kamera Linie ▪ Kamera Farbe ▪ Ultraschallsensor ▪ Infrarotsensor Linie Seite 4 21.08.2024 © Fraunhofer IAIS Public
Künstliche Neuronale Netze trainieren TXT 4.0 Roboter - Linienfolger Der simulierte Roboter im Open Roberta Lab ist standardmäßig unter anderem mit einem Liniensensor ausgestattet. Der TXT 4.0 Roboter verwendet dazu die Kamera des Roboters. Fakten: ▪ Der Liniensensor kann mit dem Block „Gib Informationen von Line #“ genutzt werden ▪ Es wird dabei die Position der Linie im Kamerabild und die Breite der Linie mitgeteilt. Kamerafeld (Bildausschnitt) zur Bestimmung der Position der Linie im Kamerabild. Seite 5 21.08.2024 © Fraunhofer IAIS Public
Künstliche Neuronale Netze trainieren TXT 4.0 Roboter - Linienfolger Wie funktioniert das folgen einer Linie mit dem TXT 4.0 Roboter? Position der Linie: -1 Breite der Linie: 0 ( Kamera hat keine Linie erkannt) Position der Linie: -31 Breite der Linie: 60 Position der Linie: Breite der Linie: 34 61 Seite 6 21.08.2024 © Fraunhofer IAIS Public
Künstliche Neuronale Netze trainieren TXT 4.0 Roboter - Linienfolger Je nachdem ob der Roboter links oder rechts von der Linie positioniert ist, erhält man – abhängig von der Linienbreite – Werte zwischen max. 100 und min. -100. In diesem Beispiel befindet sich der Roboter auf der Linie. Der entsprechende Wert ist 8,83. Die Werte kann man sich in der Simulation ganz einfach anzeigen lassen. Position der Linie: 4 20 Breite der Linie: Der Werte „Linie“ eignet sich gut für das Trainings des Neuronalen Netzes / des Roboters. Seite 7 21.08.2024 © Fraunhofer IAIS Public
Künstliche Neuronale Netze trainieren TXT 4.0 Roboter - Ultraschallsensor Mit einem Klick auf werden u.a. die Sensor-Werte des Roboters angezeigt. Diese Darstellung ist hilfreich, um Positions-Werte des Roboters auf der Linie zu bestimmen . Seite 9 21.08.2024 © Fraunhofer IAIS Public
Künstliche Neuronale Netze trainieren TXT 4.0 Roboter – Neuronales Netz im Open Roberta Lab Mit einem Klick auf den Tab gelangt man zur Ansicht des Neuronalen Netzes. Das Neuronale Netz sieht standardmäßig wie folgt aus: Eingangsneuron Kantengewicht Ausgangsneuron Bias / Schwellenwert Seite 10 21.08.2024 © Fraunhofer IAIS Public
Künstliche Neuronale Netze trainieren TXT 4.0 Roboter - Linienfolger Da für das Training des Neuronalen Netzes nur der erste Wert (nimm #tes [0]) benötigt wird, kann das Programm wie folgt aussehen: Mit dem Block „von der Liste“ wird der erste Wert (die Zählung beginnt bei „0“) des Blocks „gib Informationen von Linie #“ ausgelesen und an das Eingabe-Neuron „in“ Hinweis: Eine Variable wird nicht benötigt, da der benötigte Wert direkt übergeben. an das Eingabe-Neuron im Neuronale Netze übergeben wird. Die Variable wurde im vorherigen Programm nur zur Anzeige der Werte angelegt. Anschließend wird das Neuronale Netz aufgerufen. Die im NN berechneten Werte können dann zur Steuerung des Roboters verwendet werden. Dazu werden die Werte der Ausgangs-Neuronen „motL“ und „motR“ an die entsprechenden Motoren weitergegeben. Seite 11 21.08.2024 © Fraunhofer IAIS Public
Künstliche Neuronale Netze trainieren TXT 4.0 Roboter – Neuronales Netz im Open Roberta Lab Entsprechend des Programms muss das Neuronalen Netz erstellt werden. Das Programm ist bereits bekannt. So sieht das dazugehörige Neuronale Netz aus: Seite 12 21.08.2024 © Fraunhofer IAIS Public
Künstliche Neuronale Netze trainieren TXT 4.0 Roboter – Neuronales Netz im Open Roberta Lab Das Neuronale Netz wurde hier bereits mit Zufallswerten belegt. Da die korrekten Werte für das Neuronale Netze nicht bekannt sind, eigenen sich Zufallswerte sehr gut, um diese als Ausgangspunkt für das Training eines Neuronalen Netzes zu verwenden. Das Anlegen eines Neuronalen Netz erfolgt im Tab „NEURONALES NETZ Definieren“ Seite 13 21.08.2024 © Fraunhofer IAIS Public
Künstliche Neuronale Netze trainieren TXT 4.0 Roboter – Neuronales Netz im Open Roberta Lab Ziel ist es nun, das Neuronale Netz so zu trainieren, dass sich der Roboter bei einem Wert von -30 cm nach links dreht und bei einem gemessenen Wert von +30 nach rechts. Das Training des Netzes erfolgt im Tab „NEURONALES NETZ Lernen“ Seite 14 21.08.2024 © Fraunhofer IAIS Public
Künstliche Neuronale Netze trainieren TXT 4.0 Roboter – Neuronales Netz im Open Roberta Lab Um das Neuronale Netz trainieren zu können, werden Trainingsdaten benötigt. Diese können über den Button eingegeben werden. Es öffnet sich folgende Tabelle zur Eingabe der Trainingsdaten: Seite 15 21.08.2024 © Fraunhofer IAIS Public
Künstliche Neuronale Netze trainieren TXT 4.0 Roboter – Neuronales Netz im Open Roberta Lab Als Trainingsdaten können folgende Werte eingegeben werden: Was bedeuten die Werte? → Misst die Kamera die Position einer Linie bei -30 soll der linke Motor (motL) ein Tempo von 30% und der rechte Motor (motR) ein Tempo von 60% haben. → Misst die Kamera die Position einer Linie bei 30 soll der linke Motor (motL) ein Tempo von 60% und der rechte Motor (motR) ein Tempo von 30% haben. Diese Werte sollen dafür sorgen, dass der Roboter immer entlang der Linie fährt. Seite 16 21.08.2024 © Fraunhofer IAIS Public
Künstliche Neuronale Netze trainieren TXT 4.0 Roboter – Neuronales Netz im Open Roberta Lab Mit einem Klick auf startet das Training. Achtung: Die Lernrate wurde auf 0.0003 angepasst Seite 17 21.08.2024 © Fraunhofer IAIS Public
Künstliche Neuronale Netze trainieren TXT 4.0 Roboter – Neuronales Netz im Open Roberta Lab Mit einem Klick auf startet das Training. Mit einem weiteren Klick auf pausiert das Training. → Das bedeutet, dass das Neuronale Netz nach 500 Epochen bei einer Eingabe von 30cm eine Geschwindigkeit von - 14.86 für den linken Motor und -8.87 für den rechten Motor berechnet. → Wenn man das Programm mit diesen Werten testet, stellt man fest, dass sich der Roboter noch nicht wie gewünscht verhält. Seite 18 21.08.2024 © Fraunhofer IAIS Public
Künstliche Neuronale Netze trainieren TXT 4.0 Roboter – Neuronales Netz im Open Roberta Lab Mit einem Klick auf startet das Training. → Das bedeutet, dass das Neuronale Netz nach 5001 Epochen bei einer Eingabe von 30cm eine Geschwindigkeit von 40,60 und 19,93 berechnet. → Hinweis: Die hier gezeigten Werte hängen sehr stark von den zufällig erzeugen Werten der Kanten und des Bias ab. Seite 19 21.08.2024 © Fraunhofer IAIS Public
Künstliche Neuronale Netze trainieren TXT 4.0 Roboter – Neuronales Netz im Open Roberta Lab Bei einem Trainingsloss von 10.041, ist es dem Roboter schon sehr gut möglich einer der Linie folgen. Seite 20 21.08.2024 © Fraunhofer IAIS Public
Künstliche Neuronale Netze trainieren TXT 4.0 Roboter – Neuronales Netz im Open Roberta Lab Bei einem Trainingsloss von 0.4401 ist das gewünschte Verhalten nahezu perfekt erreicht. → Wie lange das Training erfolgen soll, kann jeder für sich entscheiden. Seite 21 21.08.2024 © Fraunhofer IAIS Public
Künstliche Neuronale Netze trainieren TXT 4.0 Roboter – Neuronales Netz im Open Roberta Lab Was passiert genau? ▪ Die Anpassung erfolgt per sog. Backpropagation ▪ Die Traingsdaten werden in das Neuronale Netz ▪ Die Abweichung zwischen Ergebnis des Neuronalen Netz gegeben. und der Trainingsdaten nennt man Trainingsloss ▪ Das berechnete Ergebnis wird mit dem Ergebnis der ▪ Einen kompletten Durchlauf der Trainingsdaten nennt man Trainingsdaten verglichen. Epoche ▪ Weicht das Ergebnis von den Trainingsdaten ab, werden ▪ Lernrate ist die Geschwindigkeit, mit der die Anpassung der die Kantengewichte und der Bias angepasst. Kantengewichte und des Bias erfolgt Seite 22 21.08.2024 © Fraunhofer IAIS Public
Kontakt — Thorsten Leimbach Tel. +49 2241 14-2404 thorsten.leimbach@iais.fraunhofer.de Fraunhofer-Institut für Intelligente Analyse- und Informationssysteme IAIS Schloss Birlinghoven 1 53757 Sankt Augustin www.iais.fraunhofer.de