| _version_ |
1828462185590816768
|
| author |
Κάτσιος, Δ
Παπαμιχαλάκης, Γ
|
| author2 |
Kavallieratou, Ergina
|
| author_facet |
Kavallieratou, Ergina
Κάτσιος, Δ
Παπαμιχαλάκης, Γ
|
| author_sort |
Κάτσιος, Δ
|
| collection |
DSpace
|
| description |
Το Graspy αποτελεί ένα framework για ρομποτικά συστήματα που βασίζεται σε δομικά στοιχεία (components). Σκοπός του framework είναι η κατασκευή ευέλικτων κατανεμημένων δομικών στοιχείων που επιτρέπουν στους προγραμματιστές να διαμοιράζονται, να επαναχρησιμοποιούν και να ενσωματώνουν νέα ή υπάρχοντα προγράμματα για εύκολη και γρήγορη ανάπτυξη ρομποτικών εφαρμογών. Το framework κατασκευάστηκε αρχικά για την υλοποίηση των λειτουργιών του ανθρωποειδούς ρομπότ El Greco, που αναπτύχθηκε από την ομάδα ρομποτικής του Τμήματος Μ.Π.Ε.Σ. του Πανεπιστημίου Αιγαίου το 2017. Το framework μπορεί να εγκατασταθεί και να λειτουργήσει σε όλα τα γνωστά λειτουργικά συστήματα, και άρα μπορεί να αξιοποιηθεί και από άλλα ρομποτικά συστήματα. Οι βασικές απαιτήσεις εγκατάστασης του Graspy είναι η ύπαρξη της γλώσσας προγραμματισμού Python και του πακέτου Pyro4 για υποστήριξη απομακρυσμένων κλήσεων (de Jong 2012). Ο προγραμματισμός των components γίνεται με τη γλώσσα προγραμματισμού Python και το Graspy αποκρύπτει λεπτομέρειες του framework στους προγραμματιστές του συστήματος. Έτσι απαιτείται από τον προγραμματιστή του ελάχιστος χρόνος εκμάθησης του. Το Graspy διαθέτει δύο κύριους ρόλους: έναν για τον Διαχειριστή όπου αναλαμβάνει τον προγραμματισμό των components και έναν για τους Χρήστες. Οι Χρήστες μπορούν να αξιοποιήσουν components και να προγραμματίσουν το framework μέσω του γραφικού περιβάλλοντος του Graspy, επιτρέποντας ακόμα και σε αρχάριους χρήστες τον προγραμματισμό του. Το γραφικό περιβάλλον κατασκευάστηκε με τη χρήση του Kivy framework (Virbel et al. 2011), μια ανοικτού λογισμικού, cross-platform βιβλιοθήκη που βασίζεται στην γλώσσα προγραμματισμού Python. Το ανθρωποειδές ρομποτ και το Graspy παρουσιάστηκαν στο 8ο Φεστιβάλ Βιομηχανικής Πληροφορικής του Κέντρου Τεχνολογικής Έρευνας Ανατολικής Μακεδονίας και Θράκης όπου του απονεμήθηκε βραβείο αρτιότερης εργασίας του Φεστιβάλ. Για το ανθρωποειδές ρομπότ έχουν υλοποιηθεί πολλά components όπως ελέγχου ροής προγράμματος, ελέγχου κινητήρων του ρομπότ, components οπτικοακουστικών λειτουργιών αλλά και περισσότερο σύνθετα που περιλαμβάνουν σύγχρονες τεχνικές μηχανικής μάθησης. Επίσης, υλοποιήθηκε component αναγνώρισης αντικειμένων, το οποίο για την ταξινόμηση των εικόνων χρησιμοποιεί ένα βαθύ νευρωνικό δίκτυο που έχει εκπαιδευτεί πάνω στο σύνολο εικόνων ImageNet. Το νευρωνικό δίκτυο που χρησιμοποιείται είναι το ResNet-50 (residual αρχιτεκτονική - He et al. 2016). Μία παραλλαγή του δικτύου που χρησιμοποιεί το εν λόγω component, χρησιμοποιήθηκε επίσης στον διαγωνισμό ImageCLEF 2017 (Katsios &Kavallieratou 2017), στην κατηγορία concept detection του Caption task, κερδίζοντας την πρώτη θέση.
|
| id |
oai:hellanicus.lib.aegean.gr:11610-19025
|
| institution |
Hellanicus
|
| language |
el_GR
|
| publishDate |
2019
|
| record_format |
dspace
|
| spelling |
oai:hellanicus.lib.aegean.gr:11610-190252025-03-17T11:47:57Z Ανάπτυξη Framework για προγραμματισμό μέσω GUI ρομποτικών συστημάτων Κάτσιος, Δ Παπαμιχαλάκης, Γ Kavallieratou, Ergina Καβαλλιεράτου, Εργίνα Τεχνολογίες και Διοίκηση Πληροφοριακών και Επικοινωνιακών Συστημάτων Graspy Framework Framework for Robotic Systems El Greco anthropoid πλαίσιο για τα ρομποτικά συστήματα ισχυρό πλαίσιο ανθρωποειδές El Greco Robots--Programming (URL: http://id.loc.gov/authorities/subjects/sh85114638) Το Graspy αποτελεί ένα framework για ρομποτικά συστήματα που βασίζεται σε δομικά στοιχεία (components). Σκοπός του framework είναι η κατασκευή ευέλικτων κατανεμημένων δομικών στοιχείων που επιτρέπουν στους προγραμματιστές να διαμοιράζονται, να επαναχρησιμοποιούν και να ενσωματώνουν νέα ή υπάρχοντα προγράμματα για εύκολη και γρήγορη ανάπτυξη ρομποτικών εφαρμογών. Το framework κατασκευάστηκε αρχικά για την υλοποίηση των λειτουργιών του ανθρωποειδούς ρομπότ El Greco, που αναπτύχθηκε από την ομάδα ρομποτικής του Τμήματος Μ.Π.Ε.Σ. του Πανεπιστημίου Αιγαίου το 2017. Το framework μπορεί να εγκατασταθεί και να λειτουργήσει σε όλα τα γνωστά λειτουργικά συστήματα, και άρα μπορεί να αξιοποιηθεί και από άλλα ρομποτικά συστήματα. Οι βασικές απαιτήσεις εγκατάστασης του Graspy είναι η ύπαρξη της γλώσσας προγραμματισμού Python και του πακέτου Pyro4 για υποστήριξη απομακρυσμένων κλήσεων (de Jong 2012). Ο προγραμματισμός των components γίνεται με τη γλώσσα προγραμματισμού Python και το Graspy αποκρύπτει λεπτομέρειες του framework στους προγραμματιστές του συστήματος. Έτσι απαιτείται από τον προγραμματιστή του ελάχιστος χρόνος εκμάθησης του. Το Graspy διαθέτει δύο κύριους ρόλους: έναν για τον Διαχειριστή όπου αναλαμβάνει τον προγραμματισμό των components και έναν για τους Χρήστες. Οι Χρήστες μπορούν να αξιοποιήσουν components και να προγραμματίσουν το framework μέσω του γραφικού περιβάλλοντος του Graspy, επιτρέποντας ακόμα και σε αρχάριους χρήστες τον προγραμματισμό του. Το γραφικό περιβάλλον κατασκευάστηκε με τη χρήση του Kivy framework (Virbel et al. 2011), μια ανοικτού λογισμικού, cross-platform βιβλιοθήκη που βασίζεται στην γλώσσα προγραμματισμού Python. Το ανθρωποειδές ρομποτ και το Graspy παρουσιάστηκαν στο 8ο Φεστιβάλ Βιομηχανικής Πληροφορικής του Κέντρου Τεχνολογικής Έρευνας Ανατολικής Μακεδονίας και Θράκης όπου του απονεμήθηκε βραβείο αρτιότερης εργασίας του Φεστιβάλ. Για το ανθρωποειδές ρομπότ έχουν υλοποιηθεί πολλά components όπως ελέγχου ροής προγράμματος, ελέγχου κινητήρων του ρομπότ, components οπτικοακουστικών λειτουργιών αλλά και περισσότερο σύνθετα που περιλαμβάνουν σύγχρονες τεχνικές μηχανικής μάθησης. Επίσης, υλοποιήθηκε component αναγνώρισης αντικειμένων, το οποίο για την ταξινόμηση των εικόνων χρησιμοποιεί ένα βαθύ νευρωνικό δίκτυο που έχει εκπαιδευτεί πάνω στο σύνολο εικόνων ImageNet. Το νευρωνικό δίκτυο που χρησιμοποιείται είναι το ResNet-50 (residual αρχιτεκτονική - He et al. 2016). Μία παραλλαγή του δικτύου που χρησιμοποιεί το εν λόγω component, χρησιμοποιήθηκε επίσης στον διαγωνισμό ImageCLEF 2017 (Katsios &Kavallieratou 2017), στην κατηγορία concept detection του Caption task, κερδίζοντας την πρώτη θέση. Graspy is a component-based robotics framework. The main objective of the framework is to provide the ability to create flexible, distributed components that are easy to use and can be shared and reused allowing rapid development of robotics applications. This framework was initially made to provide the functions of the “El Greco” anthropoid which was materialized in 2017 by the robotics team of the Information & Communication Systems Engineering Department (University of the Aegean). The framework can be installed and operate on all known operating systems so it can be used also by other robotic systems. The core requirements of Graspy installation is the presence of Python programming language and Pyro4 package for remote method invocation (de Jong 2012). The components are programmed in Python programming language. Graspy hides the details of the framework from the programmers. As of that, Graspy involves minimal learning curve by the programmers. The framework provides two main roles: one for the Administrator and one for the Users. The Administrator develops the components whereas the Users can utilize these components and program the robotic system. This is achieved by using the Graphical User Interface of Graspy; allowing even novice users to program the system. The GUI was developed using the Kivy framework (Virbel et al. 2011); an open source, cross-platform library; which is based on Python. The El Greco anthropoid and Graspy Framework was presented at the 8th Nationwide Industrial Informatics Festival organized by the Department of Computer and Informatics Engineering of the Eastern Macedonian and Thrace Institute of Technology (EMTh IT). El Greco was the award-winning project of the festival. A lot of components have been developed for El Greco in order to control the program flow; to control motors; to recognize speech; to utilize computer vision and machine learning techniques. An object detection component was implemented for image classification using a deep neural network trained on ImageNet dataset. The neural network used is ResNet-50 (residual architecture - He et al. 2016). A variation of the network used by this component was utilized on ImageCLEF 2017 competition (Katsios &Kavallieratou 2017) winning the first place of Caption task under the concept detection category. 2019-07-25T09:38:41Z 2019-07-25T09:38:41Z 2018-01-19 http://hdl.handle.net/11610/19025 el_GR Default License 78 σ. application/pdf Σάμος
|
| spellingShingle |
Graspy Framework
Framework for Robotic Systems
El Greco anthropoid
πλαίσιο για τα ρομποτικά συστήματα
ισχυρό πλαίσιο
ανθρωποειδές El Greco
Robots--Programming (URL: http://id.loc.gov/authorities/subjects/sh85114638)
Κάτσιος, Δ
Παπαμιχαλάκης, Γ
Ανάπτυξη Framework για προγραμματισμό μέσω GUI ρομποτικών συστημάτων
|
| title |
Ανάπτυξη Framework για προγραμματισμό μέσω GUI ρομποτικών συστημάτων
|
| title_full |
Ανάπτυξη Framework για προγραμματισμό μέσω GUI ρομποτικών συστημάτων
|
| title_fullStr |
Ανάπτυξη Framework για προγραμματισμό μέσω GUI ρομποτικών συστημάτων
|
| title_full_unstemmed |
Ανάπτυξη Framework για προγραμματισμό μέσω GUI ρομποτικών συστημάτων
|
| title_short |
Ανάπτυξη Framework για προγραμματισμό μέσω GUI ρομποτικών συστημάτων
|
| title_sort |
ανάπτυξη framework για προγραμματισμό μέσω gui ρομποτικών συστημάτων
|
| topic |
Graspy Framework
Framework for Robotic Systems
El Greco anthropoid
πλαίσιο για τα ρομποτικά συστήματα
ισχυρό πλαίσιο
ανθρωποειδές El Greco
Robots--Programming (URL: http://id.loc.gov/authorities/subjects/sh85114638)
|
| url |
http://hdl.handle.net/11610/19025
|
| work_keys_str_mv |
AT katsiosd anaptyxēframeworkgiaprogrammatismomesōguirompotikōnsystēmatōn
AT papamichalakēsg anaptyxēframeworkgiaprogrammatismomesōguirompotikōnsystēmatōn
|