Robota pārvietošanās prognozēšana, izmantojot akselerometra datus

Abstract

Šajā darbā tiek apskatīts un risināts uzdevums par autonomu iekārtu spēju noteikt savu atrašanās vietu viendimensijas telpā, neizmantojot ārējus palīglīdzekļus, piemēram, globālās pozicionēšanas sistēmas vai bezvadu tīklus. To vietā tiek izmantoti akselerometra dati. Uzdevuma sarežģītību nosaka biežās datu kļūdas. Šī problēma tiek risināta, izmantojot datizraces un dziļās mašīnmācīšanās metodes - līkņu pielāgošanu un gludināšanu, neironu tīklu apmācību. Rezultātā ir izstādāta pieeja, kā veikt datu iegūšanu, datu apstrādi ar izvēlētajiem algoritmiem un kā nepieciešamības gadījumā pielāgot šos algoritmus.

In this master’s paper, the problem is determining the location of an autonomous machine in the one-dimensional space without any external help, for example, from satellites, or wireless sensors. Instead, accelerometer data is used. The problem is difficult because of the frequent errors in the aforementioned data. It is solved by using methods from data mining and deep learning - curve fitting and smoothing, self-learning neural networks. The result is an approach on how to carry out the acquisition of data, data processing with the chosen algorithms and how to adjust these algorithms when necessary.