Derin pekiştirmeli öğrenme tabanlı mobil robotun otonom davranışlarının geliştirilmesi
Tezin Türü: Doktora
Tezin Yürütüldüğü Kurum: Erciyes Üniversitesi, Fen Bilimleri Enstitüsü, MEKATRONİK MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye
Tezin Onay Tarihi: 2026
Tezin Dili: Türkçe
Öğrenci: MEHMET SAFA BİNGÖL
Danışman: ŞAHİN YILDIRIM
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Endüstriyel üretimin esnek, hızlı ve yüksek doğrulukla yapılabilmesi için insan faktöründen arındırılmış otonom sistemlere ihtiyaç duyulmaktadır. Bu kapsamda günümüzde ortaya çıkan karanlık fabrikalar insan müdahalesi olmayan veya en az insan müdahalesi ile üretim yapan, makine ve iş istasyonlarının kullanımı için operatör yerine otomasyon sistemlerinin kullanıldığı akıllı üretim yöntemlerine verilen isimdir. Karanlık fabrikalarda yaygın olarak kullanılan robotik sistemlerin başında mobil robotlar gelmektedir. Pekiştirmeli öğrenme tekniklerini kullanarak bir mobil robot, çevresindeki ortamla doğrudan etkileşim yoluyla performansını iyileştirir ve dinamik olaylara yanıt olarak davranışını uyarlar. Böylece, önceden programlanmış mobil robotlara göre daha yüksek otonomluk derecesi ve genelleme kabiliyeti kazanır. Bu tez çalışmasında, TurtleBot3 Burger mobil robotu için derin pekiştirmeli öğrenme tabanlı otonom navigasyon yöntemleri geliştirilmiştir. Mobil robotun otonom navigasyonu için Derin Deterministik Politika Gradyanı (Deep Deterministic Policy Gradient – DDPG), Avantaj Aktör-Kritik (Advantage Actor-Critic – A2C), İkiz Gecikmeli Derin Deterministik Politika Gradyanı (Twin-Delayed Deep Deterministic Policy Gradient – TD3), Proksimal Politika Optimizasyonu (Proximal Policy Optimization – PPO) ve A*+PPO olmak üzere beş farklı derin pekiştirmeli öğrenme algoritması kullanılmıştır. Engelsiz, sabit engelli, dinamik engelli ve müfredat öğrenme olmak üzere dört farklı senaryoda eğitim ve test işlemleri gerçekleştirilmiştir. Sonuçlar, A*+PPO hibrit yaklaşımının tüm senaryolarda en yüksek performansı sergilediğini göstermiştir.