Etkileşimli görsellik kullanılarak el aletlerinin sağlarlık tahmini

Simple item page
dc.contributor.authorÇalışkan, Yiğiten_US
dc.contributor.authorDuygulu, Pınaren_US
dc.contributor.authorŞahin, E.en_US
dc.coverage.spatialMugla, Turkeyen_US
dc.date.accessioned2016-02-08T12:13:57Z
dc.date.available2016-02-08T12:13:57Z
dc.date.issued2012-04en_US
dc.departmentDepartment of Computer Engineeringen_US
dc.description.abstractGünlük 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.en_US
dc.description.provenanceMade available in DSpace on 2016-02-08T12:13:57Z (GMT). No. of bitstreams: 1 bilkent-research-paper.pdf: 70227 bytes, checksum: 26e812c6f5156f83f0e77b261a471b5a (MD5) Previous issue date: 2012en
dc.identifier.doi10.1109/SIU.2012.6204734en_US
dc.identifier.urihttp://hdl.handle.net/11693/28199
dc.language.isoTurkishen_US
dc.publisherIEEE
dc.relation.isversionofhttp://dx.doi.org/10.1109/SIU.2012.6204734en_US
dc.source.title20th IEEE Signal Processing and Communications Applications Conference, SIUen_US
dc.subjectAffordancesen_US
dc.subjectDaily livesen_US
dc.subjectGray scaleen_US
dc.subjectHistogram featuresen_US
dc.subjectHumanoid roboten_US
dc.subjectModel seten_US
dc.subjectAnthropomorphic robotsen_US
dc.subjectSignal processingen_US
dc.subjectHand toolsen_US
dc.titleEtkileşimli görsellik kullanılarak el aletlerinin sağlarlık tahminien_US
dc.title.alternativeAffordance prediction of hand tools using interactive perceptionen_US
dc.typeConference Paperen_US

Files

Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
Affordance prediction of hand tools using interactive perception.pdf
Size:
1.29 MB
Format:
Adobe Portable Document Format
Description:
Full Printable Version
Download

Collections

Department of Computer Engineering