Na tejto stránke sa nachádza zoznam bakalárskych a Diplomových prác študentov od roku 2012. Práce sú usporiadané podľa roku. Ku každej práci je krátky popis. Prosím pri pridaní práce zachovávajte poradie daných prác. PDF verziu každej práce je možne stiahnuť na crzp.sk. Vytvorené podstránky obsahujú podrobnejšiu analýzu.
Brankár pre simulovaný robotický futbal
Ciel’om práce je vytvorit’ rozšírenie pre existujúceho hráča a to tak, aby bol schopný sa efektívne zhostit’ úlohy brankára. Vytvorené riešenie vychádza z práce tímu Gitmen a nimi vyvinutého hráča Jim. Výsledkom práce je rozšírený hráč schopný minimalizovat’ pravdepodobnost’ inkasovania gólu v hre. Bola pridaná nová taktika pre brankára. Brankár by mal vedieť zamedziť vzniku golu.
Vylepšovanie hráča simulovaného robotického futbalu
Praktická časť opisuje tvorbu nového pohybu zastavenia a proces optimalizácie tohto pohybu. Nachádzajú sa tu informácie o priebehu a výsledkoch testovania. Na záver práca opisuje ako je možné na dosiahnuté výsledky nadviazať. Výsledkom práce je rozšírenie finalizácie existujúcej chôdze walk_turbo o šesť nových fáz, ktoré slúžia na zastavenie hráča.
Vylepšovanie hráča simulovaného robotického futbalu
Cieľom tejto práce je pridať hráčovi Jim schopnosť dynamicky meniť rýchlosť a smer chôdze, čo mu umožní plynulejšie sa pohybovať po ihrisku a ušetrí čas potrebný na zmenu smeru. V práci ďalej opisujem aktuálny stav hráča Jim a pri implementácii sa bližšie zameriam na problém určovanie polohy cieľa, dynamické natáčanie a korekciu smeru. Pri korekcii smeru sa zameriam hlavne na možnosť korekcie smeru pomocou rúk a zmenou natočenia kĺbov nôh. Môj zámer pridať parameter do chôdze a vytvoriť tak z časti dynamickú chôdzu bol úspešný. Výsledná implementácia sa dá použiť na korigovanie agenta v prípade, že sa vychýli zo svojej trajektórie.Pôvodné počítanie cieľa sa spoliehalo na určenie polohy agenta a od neho počítal pozíciu k lopte. Z dôvodu, že agent nepresne určuje svoju polohu, je ďalšie prepočítavanie k cieľu zlá taktika. Prišiel som na to, že polohu lopty môžem získavať priamo z triedy „worldModel“, kde polohu prepočítava priamo z informácií zo servera.
Automatická tvorba anotácii pohybov hráča robotického futbalu
Práca sa venuje vylepšovaniu kopov robota pomocou učenia s posilňovaním a následnej automatickej anotácii nových pohybov. V práci sú zanalyzovaní domáci aj svetoví hráči venujúci sa podobnej problematike. Podstatná časť dokumentu popisuje časti, z ktorých sa skladá tréningový algoritmus a aj jeho samotné fungovanie. Následne je opísaný postup automatickej anotácie nových pohybov.
Rozšírenie schopnosti kopania hráča simulovaného robotického futbalu
Práca sa zameriava na problém riešenia rozšírenia schopnosti kopania hráca. Skúmali sme spôsoby vykonania kopu do strany na základe rôznych parametrov. Na základe experimentov sme vytvorili 4 rôzne kopy do strany. Súcastou práce je aj modul pre doprednú a inverznú kinematiku.
Zdokonalenie hráča pre robotický futbal
Preto je ciel’om tohto projektu navrhnút’ a implementovat’ brankára pre simulovaný robotickýfutbal. Práca sa zaoberá brankárom komplexne od úrovne low skillov až po stratégiu, ale najväčší dôraz je kladený na vytvorenie úspešnej taktiky. Táto taktika brankára je schopná sa rýchlo a správne rozhodovat’ a tým zabránit’ súperovi strelit’ gól.
Zdokonaľovanie hráča simulovaného robotického futbalu trénovaním a učením sa
“Tiež je možné v práci nájsť analýzu metód, ktoré boli použité na učenie sa a trénovanie agentov. Tieto metódy boli použité v rôznych agentovo-orientovaných systémoch vrátane simulovaného robotického futbalu. Práca tiež obsahuje analýzu aktuálneho stavu fakultného hráča s detailnejšou analýzou vyšších pohybov hráča a návrh na použitie metód učenia sa na týchto vyšších pohyboch. V diplomovej práci bol navrhnutý spôsob vylepšovania vyšších pohybov fakultného hráča simulačného robotického futbalu genetickým algoritmom. Do testovacieho framework-u bolo úspešne implementované učenie sa/trénovanie vyšších pohybov (rozhodovacích stromov) genetickým algoritmom. Trénovanie genetickým algoritmom vyžadovalo pracovanie s hráčom a menenie jeho rozhodovania. Bolo nutné opraviť pridávanie hráčov cez testovací framework. Genetický algoritmus pracuje s XML súbormi, ktoré predstavujú rozhodovanie hráča. Pri overovaní rozhodovania je hráčovi posielaná cesta k súboru s rozhodovaním, ktorým sa má riadiť. Do hráča JIM bolo implementované spracovanie takéhoto XML súboru, tak aby bolo možné meniť rozhodovanie vo vyššom pohybe počas vykonávania programu agenta.”
Plánovanie hráča simulováneho robotického futbalu
Práca sa zaoberá návrhom a implementáciou rozšírenia už vytvoreného hráča o schopnosti vyššej úrovne, ktoré majú zabezpečiť vhodnejšie správanie hráča. Cieľom bolo vytvoriť systém plánovania prispôsobivého na zmeny prostredia so zachovaním svojich zvolených cieľov. V práci je ďalej vytvorený spôsob komunikácie medzi hráčmi, aby sa zabezpečilo, že pre tvorbu svojich plánov budú mať dostatok informácií o prostredí. Okrem toho sa tu nachádza aj nový spôsob tvorby formácií a ich prispôsobenia aktuálnej polohe lopty.
Plánovanie hráča simulováneho robotického futbalu
V mojej práci som sa pokúsil posunúť hranice plánovania v robocupe o čosi ďalej. Vzhľadom nato, že vývoj plánovania v robocupe je mladá problematika, tak zameranie mojej práce sa zaoberalo základnou sférou plánovania robotického futbalu, ako je plánovanie jednoduchého presunutia a obchádzania. Prínosy mojej práce sú navrhnutie základov plánovania v robotickom futbale. Podarilo sa mi vytvoriť úspešné plánovanie plánov, ktoré som uviedol v špecifikácii. Síce som v plánoch identifikoval niektoré chyby, no napriek tomu to neboli problémy, ktoré by vážne ohrozovali funkcionalitu plánu.
Rozhodovanie hráča simulováneho robotického futbalu
Cieľom tejto práce bolo vylepšiť rozhodovanie a vytvoriť hráča, ktorý je schopný vyhodnotiť situáciu pred súperovou bránou a rozhodnúť sa, či na bránu zaútočí sám, alebo využije spoluprácu so spoluhráčmi. Na základe výsledkov z overovania môžeme konštatovať, že správanie určené v návrhu bolo dosiahnuté. Hráč je tak schopný tímovej spolupráce a táto skutočnosť zvyšuje možnosti strelenia gólu. Vyhodnocovanie situácie hráčom je možné zlepšiť pridaním ďalšieho faktora, ktorý bude vplývať na výsledné rozhodnutie. Pri hľadaní najlepšie postaveného hráča by mohlo byť vhodné sledovať aj vzdialenosť spoluhráča od protihráča, ktorý je k danému spoluhráčovi najbližšie.
RoboCup 3D - Nižšie schopnosti hráča
Cieľom tejto práce bolo vylepšiť nižšie schopnosti agenta tak, aby vedel lepšie konkurovať zahraničným tímom. Pri dosahovaní stanovených cieľov, ktoré sú opísané v kapitole 2, som postupoval podľa návrhu na vylepšenie agenta, ktorý je opísaný v kapitole 5. Ďalšou požiadavkou mojej diplomovej práce bolo stabilizovať agenta tak, aby sa znížili jeho pády na minimálny počet. Na dosiahnutie tohto cieľa som postupoval podľa návrhu, ktorý som opísal v kapitole 5.2.2 a využil tak metódu ZMP a algoritmus genetického programovania pre stabilizáciu. Po vytvorení všetkých algoritmov pre ZMP a genetického programovania som sa mohol dať na overenie mojej implementácie a na testovanie
RoboCup 3D - Nižšie schopnosti hráča
Práca rieši problematiku chôdze pomocou predvypočítanej interpolácie medzi optimalizovanými pózami. Pózy definujú pozície častí tela relatívne k stacionárnej nohe. Počas optimalizácie póz pre stabilitu sa presúva horizontálna pozícia trupu. Metódy optimalizácie, ktoré boli použité sú CMA-ES, genetické algoritmy a Q-learning. Práca tiež rieši problematiku chôdze bez predvypočítaných optimalizácii a udržania stability v reálnom čase pomocou modifikovanej metódy Gradient Descent.
RoboCup 3D - Simulovaná liga, nižšie schopnosti hráča
Tento dokument sa zaoberá 3D ligou simulovaného robotického futbalu – RoboCup. Ťažiskom práce sú nižšie schopnosti simulovaných hráčov ako sú chôdza, stabilizácia, kop do lopty a iné. V dokumente sa nachádza analýza problémovej oblasti a analýza predchádzajúcich hráčov fakultných tímov. Ďalšou časťou práce je návrh a implementácia nižších schopností hráča so zameraním na dynamické vykonávanie pohybov. V rámci práce bol implementovaný priamy dynamický kop, ktorý mení niektoré parametre v závislosti od vstupov bez nutnosti pevného zadania všetkých parametrov pred kopom. Táto implementácia stavia na implementáciu hráča, ktorú vytvoril tím A55 Kickers v rokoch 2012 a 2013
Hráč simulovaného robotického futbalu
Na základe výmeny správ sa nám podarilo vytvoriť u každého hráča veľmi podobný model sveta, vďaka čomu boli hráči schopní hrať vo formáciách. Po úspešnej implementácií dynamického menenia rolí, nie je problém, po páde hráča alebo zmene pomerov na ihrisku efektívne na tieto zmeny reagovať.
Brankár pre simulovaný robotický futbal
Práca sa zameriava priamo na vylepšenia týkajúce sa hráča vykonávajúceho úlohu brankára a jeho schopnosti efektívneho rozohrávania lopty.Výstupom práce je návrh spomínaného vylepšenia fakultného hráča JIM a jeho následná implementácia. Úspešnosť riešenia je overená priamo v simulácií na modelových situáciách.
Brankár pre simulovaný robotický futbal
Cieľom je tiež návrh správania a taktiky pre efektívne bránenie a overenie pomocou implementovania návrhu a testovania nových schopností. Výsledkom je základné správanie brankára, ktorý je schopný správne sa rozhodnúť na základe situácie na ihrisku a vykonať vhodnú akciu.
Plánovanie hráča simulovaného robotického futbalu
Hlavnou časťou projektu je však návrh a následne vytvorenie plánovania pohybov agenta na základe situácie, v ktorej sa momentálne nachádza. Inšpiroval som sa myšlienkou tímu Tím 17 žije… a rozdelil som hru na štyri situácie : OffensiveSituation, DeffensiveSituation, StartAttackSituation, EnemyStartAttackSituation. V každej z nich sa správa agent podľa toho aký výsledok má akcia dosiahnuť.
Hľadanie významu používateľovej komunikácie
V diplomovej práci sme navrhli a implementovali ucelený komplex algoritmov, ktorý umožňuje používateľovi na základe vstupných textov a ontológie automatizovane identifikovať témy v konverzácii. Konkrétne sme navrhli metriky pre výpočet podobnosti konceptov a inštancií. Navrhli sme tiež spôsob identifikácie ontologických objektov z viacznačných anotácií a umožnili sme používateľovi jednoducho, na základe pohľadov, prezerať identifikované témy z konverzácie na rôznych úrovniach granularity.
Optimalizovanie pohybov robota pomocou evolučných algoritmov v 3D simulovanom robotickom futbale
Práca sa zaoberá vylepšovaním pohybov robota pomocou evolučných algoritmov. Je možné v nej nájsť analýzu popredných svetových tímov venujúcich sa 3D simulovanému robotickému futbalu. V práci sú tiež analyzovaní hráči vyvinutí na fakulte, ako aj používané podporné prostriedky. Hlavná časť práce sa zameriava na automatické vylepšovanie pohybov. Je tu popísaný použitý evolučný algoritmus, ako aj proces pomocou ktorého vylepšovanie prebieha. Praktická časť sa venuje jednotlivým pohybom, ktoré boli vylepšované. Jedná sa o kopy do lopty, chôdzu vpred a vzad a úkroky do strany. Pre každý pohyb je popísané, ako proces vylepšovania prebiehal a dosiahnuté výsledky sú zhodnotené.
Rozhodovacia logika agenta v simulovanom futbale
Cieľom tejto práce je vylepšiť hráča 3D simulovaného robotického futbalu. V práci sa venujeme predovšetkým rozšíreniu vyšších schopností ako je rozhodovanie, zhodnotenie situácie na ihrisku a navrhnutie adekvátneho riešenia. V prvých kapitolách práce analyzujeme problémovou oblasť, stav riešenia vo svete a u nás na fakulte. V ďalších kapitolách je opísaný postup, ako sme realizovali naše riešenie od špecifikácie cez návrh až po implementáciu a testovanie. V našom riešení sme sa zamerali na schopnosť hráča odhaliť kolízie s inými hráčmi a vytvorili sme systém, ako im predchádzať. Ďalej sme pracovali na schopnostiach, ktoré umožňujú hráčom viesť tímovú hru ako je výpočet strategických pozícií, miesta pre kopnutie lopty a pohyb vo formáciách. Hráč má nové schopnosti, ktoré mu umožňujú zistiť smer pohybu hráčov a možnosť komunikovať so spoluhráčmi. V posledných kapitolách sa venujeme možnostiam budúcej práce na projekte a zhodnoteniu dosiahnutých výsledkov.
Interakcia medzi hráčom a loptou v 3D simulovanom robotickom futbale
Nosnou časťou je vylepšovanie schopnosti hráča kopať do lopty, kde okrem priamych kopov predstavuje aj kopy s rôznym uhlovým odklonom od priameho smeru. Prezentuje nový spôsob kopania cez takzvané parametrické kopy, ktoré zjednodušujú implementáciu a vývoj nových kopov. Ďalšia časť sa zaoberá vylepšením chôdze potrebnej pre chôdzu s loptou. Opisuje spôsob ako je možné redukovať odkláňanie sa z pôvodného smeru chôdze, chôdzu s postupným zrýchľovaním a spomaľovaním a samotnú chôdzu s loptou. Rozoberá úpravu logiky chôdze, kde zavádza návrhový vzor state, vylepšuje približovanie sa k lopte a obchádzanie lopty. Ďalej sa práca venuje automatickému testovaciemu nástroju pre vyhodnotenie pohybov a rôznych aktivít hráča a úprave hlavného plánu hráča.
Motora hráča simulovaného robotického futbalu
Vo výslednom riešení som chôdzu Nao robota zrýchlil na hodnotu približne 27 cm/s (0,972km/h). Na dosiahnutie danej hodnoty som využil princíp ZMP (Zero Moment Point), a hodnoty z FR (Force Resistance) perceptorov. Výsledný produkt JimJet má zabudovanú stabilizáciu pomocou rúk a nôh, čo dopomohlo k zvýšeniu rýchlosti pôvodného hráča o približne 43%.
Schopnosť hráča 3D simulovaného robotického futbalu
Podarilo sa nám zrýchliť obidve existujúce chôdze vpred, pričom hráč si zachoval svoju stabilitu. Vytvorili sme nové otáčanie, ktoré sa uskutočňuje na mieste, vieme dosiahnuť väčší uhol a je v istej miere parametrizovateľné. Taktiež sme vytvorili šikmú chôdzu, avšak ukázala sa ako dosť neefektívna. Nová chôdza vzad (s ľudskejším výzorom) sa ukázala ako efektívna len na kratšie vzdialenosti. V oblasti hľadania cesty sme sa zamerali na dve veci. Prvou je priblíženie hráča k lopte. Tu sme implementovali triedu, ktorá robí potrebné výpočty tak, aby skriptu podsunula body, cez ktoré má hráč prejsť.