چکيده
در اين سمينار مروري بر عملكرد كنترل كننده هاي مختلف در سيستم كنترل اتومبيل هاي خودران انجام شده است.در آينده اي نزديك به دلايل مختلف،بر اساس گسترش فناوري هاي نوين در توليد اتومبيل ها و علاقه جامعه در استفاده از اتومبيل هاي هوشمند،اتومبيل هاي خودران مورد توجه قرار مي گيرد
براي اين كه يك جامعه به طور كامل از ماشين هاي خودران استفاده كنند با چالش هاي زيادي از جمله: چالش هاي قانوني، نياز به نقشه برداري بيش از حد دقيق، وضعت هاي چالش برانگيز در رانندگي (مثلا رانندگي در ترافيك و يا چهار راه ها) روبرو هستند كه شركت هاي بزرگي چون گوگل ، تسلا ، اوبر و ... براي حل اين چالش ها روش هاي حل گوناگوني ارايه كرده اند.
براي اينكه يك ماشين بدون نياز به راننده به حركت خود ادامه دهد به كنترل كننده هاي مختلفي از جمله تطبيقي ، فازي براي دنبال كردن يك مسير خاص (trajectory) نيازمند است . ما در اين سمينار در بخش كنترل كننده تطبيقي يك ربات غير هولونوميك را در نظر گرفته ايم و براي اين ربات يك كنترل كننده تطبيقي با استفاده از روش DSC ارائه كرده ايم كه ربات بتواند يك مسير خاص را رديابي كند و همچنين در بخش كنترل كننده فازي نيز يك ربات در نظر گرفته ايم و كه با طراحي كنترل كننده فازي و همچنين يك كنترل كننده پيش خور ربات يك مسير مرجع را دنبال مي كند. و همچنين در يك مسير خاص بايد بتواند اشيا مختلف كه نزديك به ماشين است را شناسايي كند تا با آنها برخورد نكند كه اين مشكل در اتومبيل هاي خودران معمولا با شبكه هاي عصبي كانولوشني حل مي شود.ما در اين سمينار چند شبكه كانولوشني پر كاربرد در حوزه اتومبيل هاي خودران را بررسي كرديم و همچنين كاربرد آنها را در اتومبيل هاي خودران بيان كرديم.
واژه هاي كليدي: ماشين هاي خودران، كنترل كننده تطبيقي ،بينايي ماشين (computer vision)
