Browsing by Subject "Humanoid robot"

Now showing 1 - 2 of 2

Open Access
Etkileşimli görsellik kullanılarak el aletlerinin sağlarlık tahmini
(IEEE, 2012-04) Çalışkan, Yiğit; Duygulu, Pınar; Şahin, E.
Günlük hayatta bir iş için seçilecek el aleti genellikle o aletin dış görünüşü ve nesneler üzerindeki etkisinden yola çıkılarak seçiilir. Bu etki, seçilen aletin sağlarlığını (ing. affordance) belirler. Bu çalışmanın amacı, el aletlerinin sadece dış görünüşlerini kullanarak onların sağlarlıklarını belirlemek ve insansı robotların basit alet kullanımı için bir zemin oluşturmaktır. Bu amaçla yapılan çalısmada insan tarafından etkileşilen el aletlerinin fonksiyonel bölgelerinin düzlük, sivrilik, iki uç arası uzaklık, gri ölçek renk histogramı gibi öznitelikler çıkartılarak belli sağlarlık modelleri eğitilmiştir. Sağlarlıkları öğrenilmek istenen el aletinden çıkarılan her bir öznitelik, eğitilmiş¸ modellere verilerek bu aletin kesebilme, delebilme, sıkıştırabilme ve ittirebilme sağlarlıklarından hangilerine sahip oldugu belirlenir. Testlerde modelin %93.1 oranında sağlarlıkları doğru tahmin ettiği görülmüştür. Bu sonuçlara bakılarak modelin insansı robotlarda basit alet kullanımı için uygun bir zemin oluşturdugu söylenebilir. In daily life, the selection of a hand tool for a job depends on appereance of the tool and its effect on the objects. The effect determines the affordance of the chosen tool. Aim of this work is to determine the affordances of hand tools based only on their appereance and to build a basis for simple tool usage of humanoid robots. Towards this end, in this work from the functional regions of human interacted hand tools, sharpness, bluntness, distance between two tip and grayscale histogram features are extracted and specific affordance models are trained. The features of a hand tool which its affordances wanted to be learned are given to the trained models to determine which affordances that the tool has like can cut, can push, can squeeze, can pierce. During testing, the model predicted the affordances %93.1. From this results it can be said that, this model sets a basis for simple tool usage of humanoid robots. © 2012 IEEE.
Open Access
Learning adjectives and nouns from affordances on the iCub humanoid robot
(Springer, Berlin, Heidelberg, 2012) Yürüten O.; Uyanık, Fırat; Çalişkan, Y.; Bozcuoǧlu, A.K.; Şahin, E.; Kalkan, Sinan
This article studies how a robot can learn nouns and adjectives in language. Towards this end, we extended a framework that enabled robots to learn affordances from its sensorimotor interactions, to learn nouns and adjectives using labeling from humans. Specifically, an iCub humanoid robot interacted with a set of objects (each labeled with a set of adjectives and a noun) and learned to predict the effects (as labeled with a set of verbs) it can generate on them with its behaviors. Different from appearance-based studies that directly link the appearances of objects to nouns and adjectives, we first predict the affordances of an object through a set of Support Vector Machine classifiers which provided a functional view of the object. Then, we learned the mapping between these predicted affordance values and nouns and adjectives. We evaluated and compared a number of different approaches towards the learning of nouns and adjectives on a small set of novel objects. The results show that the proposed method provides better generalization than the appearance-based approaches towards learning adjectives whereas, for nouns, the reverse is the case. We conclude that affordances of objects can be more informative for (a subset of) adjectives describing objects in language. © 2012 Springer-Verlag.