This Ph.D. thesis presents the design and implementation of a biologically inspired four-phase walking strategy using behaviours for a four legged walking robot. In particular, the walking strategy addresses the balance issue, including both static and dynamic balance that were triggered non-deterministically based on the robot’s realtime interaction with the environment. Four parallel Subsumption Architectures (SA) and a simple Central Pattern Producer (CPP) are employed in the physical implementation of the walking strategy. An implementation framework for such a parallel Subsumption Architecture is also proposed to facilitate the reusability of the system. A Reinforcement Learning (RL) method was integrated into the CPP to allow the robot to learn the optimal walking cycle interval (OWCI), appropriate for the robot walking on various terrain conditions. Experimental results demonstrate that the robot employs the proposed walking strategy and can successfully carry out its walking behaviours under various experimental terrain conditions, such as flat ground, incline, decline and uneven ground. Interactions of all the behaviours of the robot enable it to exhibit a combination of both preset and emergent walking behaviours.

Thesis (M.S.)--Ohio University, March, 2003. / Title from PDF t.p. Includes bibliographical references (leaves 98-100).

Thesis (M.S.)--Ohio University, June, 1989. / Title from PDF t.p.

Mémoire (M.Sc.A.)--Université du Québec à Chicoutimi, 1990. / Document électronique également accessible en format PDF. CaQCU

Thesis--Auburn University, 2009. / Abstract. Vita. Includes bibliographical references (p. 123-126).

Thesis (Ph. D.)--University of Washington, 2004. / Vita. Includes bibliographical references (p. 188-204).

Thesis (Ph.D.) -- Australian National University, 2007.

The goal of this work is to build a cognitive system for the humanoid robot, Cog, that exploits human caregivers as catalysts to perceive and learn about actions, objects, scenes, people, and the robot itself. This thesis addresses a broad spectrum of machine learning problems across several categorization levels. Actions by embodied agents are used to automatically generate training data for the learning mechanisms, so that the robot develops categorization autonomously. Taking inspiration from the human brain, a framework of algorithms and methodologies was implemented to emulate different cognitive capabilities on the humanoid robot Cog. This framework is effectively applied to a collection of AI, computer vision, and signal processing problems. Cognitive capabilities of the humanoid robot are developmentally created, starting from infant-like abilities for detecting, segmenting, and recognizing percepts over multiple sensing modalities. Human caregivers provide a helping hand for communicating such information to the robot. This is done by actions that create meaningful events (by changing the world in which the robot is situated) thus inducing the "compliant perception" of objects from these human-robot interactions. Self-exploration of the world extends the robot's knowledge concerning object properties.This thesis argues for enculturating humanoid robots using infant development as a metaphor for building a humanoid robot's cognitive abilities. A human caregiver redesigns a humanoid's brain by teaching the humanoid robot as she would teach a child, using children's learning aids such as books, drawing boards, or other cognitive artifacts. Multi-modal object properties are learned using these tools and inserted into several recognition schemes, which are then applied to developmentally acquire new object representations. The humanoid robot therefore sees the world through the caregiver's eyes.Building an artificial humanoid robot's brain, even at an infant's cognitive level, has been a long quest which still lies only in the realm of our imagination. Our efforts towards such a dimly imaginable task are developed according to two alternate and complementary views: cognitive and developmental.

Στόχος αυτής της διπλωματικής εργασίας είναι η κατασκευή και ο έλεγχος μιας ομάδας αυτόνομων και συνεργαζόμενων κινούμενων ρομπότ τα οποία θα είναι σε θέση να δημιουργήσουν ένα σύστημα επικοινωνίας με μεταβλητή εμβέλεια, κάνοντας χρήση των ίδιων των ρομπότ ως αναμεταδότες πληροφορίας. Τα δύο ρομπότ εκκινούν ως ένα και στη συνέχεια αποδεσμεύονται και ακολουθούν μια τροχιά σε σχηματισμό Leader-follower. Για την επίτευξη του στόχου αυτού κατασκευάστηκαν 2 όμοια μη ολονομικά οχήματα (ref μανεσης) με δύο κινητήριους και έναν παθητικό περιστρεφόμενο τροχούς (εικόνα) και υλοποιήθηκε αλγόριθμος μη γραμμικού ελέγχου των κινούμενων οχημάτων. Για την ασύρματη επικοινωνία μεταξύ των κόμβων του ηλεκτρονικού υπολογιστή και των 2 ρομπότ κατασκευάστηκε ένα ολοκληρωμένο κύκλωμα μετάδοσης της πληροφορίας και προγραμματίστηκε για χρήση με το πρωτόκολλο ZigBee Pro. Στο κεφάλαιο 1 παρατίθεται ένα εισαγωγικό κείμενο πάνω στις τεχνολογίες που χρησιμοποιήθηκαν για την παρούσα διπλωματική εργασία μαζί με μια περιορισμένη βιβλιογραφική ανασκόπηση. Στο κεφάλαιο 2 δίνεται η περιγραφή της πλατφόρμας Lego Mindstorms NXT που χρησιμοποιήθηκε για την κατασκευή των κινούμενων ρομπότ. Επίσης περιγράφεται η κατασκευή των ρομπότ, η διαδικασία απόσπασης των δύο μελών της ομάδας και δίνεται το κινοδυναμικό μοντέλο τους. Στο κεφάλαιο 3 γίνεται αναφορά στην ασύρματη δικτυακή επέκταση της πλατφόρμας Lego Mindstorms NXT. Αναφέρεται ο σχεδιασμός του PCB στο οποίο ενσωματώνεται η πλατφόρμα ασύρματης επικοινωνίας (Jennic 5148), η δικτύωση του PCB για την επικοινωνία του με το Lego μέσω πρωτοκόλλου I2C καθώς και πλεονεκτήματα και μειονεκτήματα της πλατφόρμας ασύρματης επικοινωνίας. Στο κεφάλαιο 4 παρουσιάζεται ο έλεγχος των συνεργαζόμενων δικτυωμένων ρομποτικών οχημάτων και δίνονται η περιγραφή του σεναρίου που υλοποιήθηκε, οι νόμοι ελέγχου και τα πειραματικά αποτελέσματα. Στο κεφάλαιο 5 βρίσκονται τα συμπεράσματα από το πείραμα μαζί με προτάσεις για μελλοντικές βελτιώσεις της διάταξης και χρήσης της ως εκπαιδευτικό μέσο για την εξοικείωση των φοιτητών με multi-agent προβλήματα ρομποτικής. Το κεφάλαιο 6 είναι η βιβλιογραφία, ενώ τα παραρτήματα Α και Β περιέχουν τον πηγαίο κώδικα σε C και LabView και τα schematics των PCBs. / Creation of non holonomic moving robots using Lego Mindstorms NXT, control and cooperation of two of those roobots and development of a wireless communication platform for the establishment of robotic networks.

Material handling is a term that includes all kinds of handling of material from a raw product to a finished one. ABB is active in the following segments; foundry, packaging and palletizing, metal industry and plastics industry. The demands for efficiency and reliability have been set very high in the industrial sector. Optimizing of the material handling will give the company higher cost-effectiveness. Around the robot there are different kinds of material flows, to optimize the cycle time, consisting of carriages combined in different ways. Motion Control is a complex system with main functions such as; positioning, synchronizing, indexing and more. The products in the system need to cooperate to make these functions possible therefore integration of motor- and servo products are important. In an automated system there is a demand for continuous update of motor reference such as speed and torque. There is also a need for correction when material slips away and position itself at unwanted places at the transport carriage. ABB Motors and Drives product portfolio consists of drives such as; Motiflex, Microflex and ACSM1 and the motors such as BSM (Brushless Servo Motor). The new simplified solution for the material handling will consist of integration of motors and drives products. The new simplified solutions have been sketched on paper first and then later illustrated in Google SketchUp. The SketchUp drawings consist of one overview drawing with a layer for drive and a layer for security. The layer for drive is divided into three parts for easier identification of the products and a more perspicuous view. A presentation has been prepared with the idea to look like an App. The mouse is used to navigate back and forth through the factory/presentation. The presentation can be used for the following activities; fairs, new employee, sales person and clients. Therefore also USP, Unique Selling Points has been prepared. / Materialhantering är ett begrepp som omfattar all hantering av material från råvara till en färdig produkt. ABB är verksamma inom följande segment; gjuteri, paketering och palletering, metallindustri och plastindustrin. Inom industrisektorn ställs det höga krav på effektivitet och driftsäkerhet. Optimal materialhantering ger hög kostnadseffektivitet. Kring roboten finns det olika typer av materialflöden via transportband. Motion Control är ett komplext system med huvudfunktioner som; positionering, synkronisering, indexering, med flera. För att dessa funktioner ska fungera krävs en samverkan av motor- och servoprodukterna i systemet. I ett automatiserat system krävs en ständig referensuppdatering av hastighet och acceleration för att motorer eller servon ska samverka samt korrigering av fel när material glider iväg till oönskade positioner på transport banden. ABB Motors & Drives produktutbud består av motorer och servodrivsystem/ frekvensomriktare. Utbudet av frekvensomriktare utgörs av Motiflex, Microflex och ACSM1. Motorutbudet utgörs främst av BSM (Brushless Servo Motor). De nya typlösningarna innehåller integrering av ABB:s produktutbud inom motion control system. Typlösningar som tagits fram har först skisserats på papper för att sedan illustreras i Google SketchUp. SketchUp ritningarna består av en översiktsritning med ett lager för drivning och ett lager för säkerhet. Fabriken delades sedan upp i tre delar för att lättare kunna identifiera de olika produkterna. En App-liknande presentation har tagits fram där muspekaren används för att navigera sig runt i fabriken/presentationen. Detta för att kunna användas som material för; mässor, introduktion för nyanställda, säljare och kunder. Därför har även USP, Unique Selling Points tagits fram för varje produkt.