شرکت CyberQuad توانست با استفاده از سیستم عامل های HLR مسیر یاب هشومندی را طراحی کند. این مسیر یاب پرنده دارای چهار پره برای ایجاد حرکت های اصلی در یک ربات می باشد. بزرگترین خصوصیت این ربات هوشمند دارا بودن سرعت بسیار زیاد آن می باشد. از دیگر خصوصیت های خواص آن می توان به قدرت تصیمیم گیری بالای آن اشاره نمود.
این ربات از سیستم ها عامل های windows Embedded و Android پشتیبانی می کند.
منبع : Portlock
شبکههای عصبی را میتوان با اغماض زیاد، مدلهای الکترونیکی از ساختار عصبی مغز انسان نامید. مکانیسم فراگیری و آموزش مغز اساساً بر تجربه استوار است. مدلهای الکترونیکی شبکههای عصبی طبیعی نیز بر اساس همین الگو بنا شدهاند و روش برخورد چنین مدلهایی با مسائل، با روشهای محاسباتی که بهطور معمول توسط سیستمهای کامپیوتری در پیش گرفته شدهاند، تفاوت دارد. میدانیم که حتی سادهترین مغزهای جانوری هم قادر به حل مسائلی هستند که اگر نگوییم که کامپیوترهای امروزی از حل آنها عاجز هستند، حداقل در حل آنها دچار مشکل میشوند. به عنوان مثال، مسائل مختلف شناسایی الگو، نمونهای از مواردی هستند که روشهای معمول محاسباتی برای حل آنها به نتیجه مطلوب نمیرسند. درحالیکه مغز سادهترین جانوران بهراحتی از عهده چنین مسائلی بر میآید. تصور عموم کارشناسان IT بر آن است که مدلهای جدید محاسباتی که بر اساس شبکههای عصبی بنا میشوند، جهش بعدی صنعت IT را شکل میدهند. تحقیقات در این زمینه نشان داده است که مغز، اطلاعات را همانند الگوها (pattern) ذخیره میکند. فرآیند ذخیرهسازی اطلاعات بهصورت الگو و تجزیه و تحلیل آن الگو، اساس روش نوین محاسباتی را تشکیل میدهند. این حوزه از دانش محاسباتی (computation) به هیچ وجه از روشهای برنامهنویسی سنتی استفاده نمیکند و بهجای آن از شبکههای بزرگی که بهصورت موازی آرایش شدهاند و تعلیم یافتهاند، بهره میجوید.
یک شبکه عصبی مصنوعی (Artificial Neural Network (ANN)) ایده ای است برای پردازش اطلاعات که از سیستم عصبی زیستی الهام گرفته شده و مانند مغز به پردازش اطلاعات می پردازد . عنصر کلیدی این ایده ، ساختار جدید سیستم پردازش اطلاعات است. این سیستم از شمار زیادی عناصر پردازشی فوق العاده بهم پیوسته تشکیل شده(neurons)که برای حل یک مسأله با هم هماهنگ عمل می کند.ANN ها ،نظیر انسانها ، با مثال یاد می گیرند . یک ANN برای انجام وظیفه ای مشخص ، مانند شناسایی الگو ها و دسته بندی اطلاعات ، در طول یک پروسه یاد گیری ، تنظیم می شود . در سیستم های زیستی یاد گیری با تنظیماتی در اتصالات سیناپسی که بین اعصاب قرار دارد همراه است . این روش ANN ها هم می باشد.
یکی از امور مهم در ساخت ربات های جدید در علم رباتیک (از یک ربات تعقیب خط گرفته تا ربات های با عواطف انسانی) از یک سیستم عامل برای کنترل آن استفاده می شود . استفاده از این سیستم عامل امکان کوچکتر کردن مدار های الکترونیکی را می دهد و همچنین امکان ساخت مدارات واسط را نیز فراهم می کند که این امر سبب کنترل هر واحد با شرایط خاص آن واحد می شود و سرعت انتقال ارتباط ها و پردازش ها افزایش میابد.
تا امروز امکان استفاده از سیستم عامل لینوکس نسخهUcLinux موجود بود و این امر برای کابران و مخترعان سطح مبتدی رباتیک کار چندان ساده ای نبود ولی از این به بعد امکان استفاده از ویندوز نیز بوجود آمده است.
ویندوز 7 (Windows 7):
چکیده:
کنترل رباتهای سیار(موبایل ربات) جهت عدم برخورد با موانع بر اساس آموزش و
پیشگویی مختصات موانع در لحظات بعدی از موسوم ترین روش های کنترل سینماتیک و
دینامیک روباتهای سیار می باشد.اما آنچه که ما ارائه می دهیم، براساس آموزش شبکه
عصبی از دست فرمان اپراتور ربات درمقایسه با موانع پیش آمده درحین آموزش ربات
است.این ایده برای کنترل اتوموبیل ها نیز قابل تعمیم است.بعبارتی ربات ما نیازی به
داشتن یک حافظه برای بخاطر سپردن موقعیت موانع در حین آموزش، برای پبشگویی مکان های
موانع بعدی ندارد.در نمونه های رایج دنیا ربات با اسکن نامحدود صفحه مورد آزمایش
میخواهد نحوه چینش موانع را بر اساس x , y صفحه تست بیاموزد ، تا در حالت اجرا
پس ازآموزش بتواند موانع را پیشگویی کند.اما ما یک دست فرمان ایده آل خودمان را از
طریق اپراتور به ربات آموزش داده سپس آن را در محیط های متنوع دیگر میتوانیم بکار
بگیریم
کلیدواژهها: Feed Forward Network - Back Propagation