BEGIN:VCALENDAR VERSION:2.0 PRODID:-//TUC//Events//EN CALSCALE:GREGORIAN BEGIN:VTIMEZONE TZID:Europe/Athens TZNAME:EEST DTSTART:19700329T030000 RRULE:FREQ=YEARLY;BYDAY=-1SU;BYMONTH=3 BEGIN:STANDARD TZOFFSETFROM:+0200 TZOFFSETTO:+0300 TZNAME:EET DTSTART:19701025T040000 RRULE:FREQ=YEARLY;BYDAY=-1SU;BYMONTH=10 END:STANDARD END:VTIMEZONE BEGIN:VEVENT CREATED:20261002T142539Z LAST-MODIFIED:20261002T142539Z DTSTAMP:20261012T180927Z UID:1791817767@tuc.gr SUMMARY:Παρουσίαση Διπλωματικής Εργασίας κ. Δημήτρη Ηλία - Σχολή ΗΜΜΥ LOCATION: DESCRIPTION:https://www.tuc.gr/el/to-polytechnei o/ilektronikes-ypiresies/imerologio/ imerologio-ekdiloseon-1?tx_tucevents 2_tuceventsdisplay%5Baction%5D=show& tx_tucevents2_tuceventsdisplay%5Bcon troller%5D=Event&tx_tucevents2_tucev entsdisplay%5Bevent%5D=8752&cHash=90 b22e50cce7fec8c6145fd1f4117274\nΠΟΛΥ ΤΕΧΝΕΙΟ ΚΡΗΤΗΣ\n Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών\ n Πρόγραμμα Προπτυχιακών Σπουδών\n Π ΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ\n Δη μήτρη Ηλία\n με θέμα\n Μάθηση για Αν εβοκατέβασμα σε Σκάλες με το Ανθρωπο ειδές Ρομπότ Unitree G1\n Learning t o Walk Up and Down Stairs with the U nitree G1 Humanoid Robot\n Εξεταστικ ή Επιτροπή\n Καθηγητής Μιχαήλ Γ. Λαγ ουδάκης (Σχολή ΗΜΜΥ, Επιβλέπων)\n Κα θηγητής Θρασύβουλος Σπυρόπουλος (Σχο λή ΗΜΜΥ)\n Καθηγητής Παναγιώτης Παρτ σινέβελος (Σχολή ΜΗΧΟΠ)\n Περίληψη\n Τα ανθρωποειδή ρομπότ αναμένεται να λειτουργούν σε περιβάλλοντα σχεδιασ μένα για ανθρώπους, όπου οι σκάλες α ποτελούν ένα από τα πιο συνηθισμένα εμπόδια. Σε αντίθεση με τις τροχοφόρ ες ή τις τετράποδες πλατφόρμες, ένα ανθρωποειδές πρέπει να τοποθετεί κάθ ε πόδι με ακρίβεια πάνω στο σκαλοπάτ ι πριν από την επαφή, να ισορροπεί σ ε μια μικρή επιφάνεια στήριξης και ν α συντονίζει ολόκληρο το σώμα του, γ εγονός που καθιστά τη διάσχιση κλιμά κων μία από τις πιο απαιτητικές εργα σίες βάδισης. Η παρούσα διπλωματική εργασία μελετά πώς το ανθρωποειδές ρ ομπότ Unitree G1 μπορεί να μάθει να ανεβαίνει και να κατεβαίνει σκάλες μ ε χρήση Βαθιάς Ενισχυτικής Μάθησης. Η εκπαίδευση πραγματοποιείται εξ ολο κλήρου σε προσομοίωση, στο περιβάλλο ν NVIDIA Isaac Lab, όπου 4096 αντίγρ αφα του ρομπότ εκπαιδεύονται παράλλη λα με τον αλγόριθμο Proximal Policy Optimization (PPO) μέσω της βιβλιοθή κης RSL-RL. Η πολιτική ελέγχου είναι ένα πλήρως συνδεδεμένο νευρωνικό δί κτυο, το οποίο παρατηρεί την ιδιοδεκ τική κατάσταση του ρομπότ μαζί με έν αν ρομποτοκεντρικό χάρτη υψομέτρου τ ου εδάφους γύρω από τα πόδια του, αν τίστοιχο με αυτόν που θα μπορούσε να κατασκευάσει το πραγματικό ρομπότ α πό το ενσωματωμένο LiDAR, και παράγε ι επιθυμητές θέσεις για τις αρθρώσει ς των ποδιών και του κορμού. Η γεωμε τρία της σκάλας τυχαιοποιείται στην αρχή κάθε επεισοδίου, ως προς τον αρ ιθμό των σκαλοπατιών, το ύψος κάθε σ καλοπατιού και τον αριθμό των κλιμάκ ων, ώστε η πολιτική να αποκτήσει μια γενική δεξιότητα αναρρίχησης, αντί να απομνημονεύσει μια συγκεκριμένη δ ιάταξη. ΄Ενα πρόγραμμα σταδιακής εκπ αίδευσης (curriculum) εισάγει το έδα φος προοδευτικά, από ένα μεμονωμένο σκαλοπάτι σε μικρές και στη συνέχεια σε τυχαιοποιημένες σκάλες, ενώ μια προσεκτικά διαμορφωμένη συνάρτηση αν ταμοιβής, η οποία βελτιώθηκε επαναλη πτικά απέναντι στις ανεπιθύμητες συμ περιφορές που ανακάλυπτε ο πράκτορας , ενθαρρύνει την πρόοδο προς τα εμπρ ός, την τοποθέτηση του ποδιού σε υπε ρυψωμένη επιφάνεια, ένα φυσικό βάδισ μα και όρθια στάση σώματος. Η εργασί α αναπτύχθηκε σε δύο φάσεις: αρχικά με προνομιακή γνώση των θέσεων των σ καλοπατιών, για την επικύρωση της δε ξιότητας βάδισης και του σχεδιασμού της ανταμοιβής, και στη συνέχεια με τον αντιληπτό χάρτη υψομέτρου, ο οπο ίος αποτελεί και το επίκεντρο της πα ρούσας εργασίας. Η εκπαιδευμένη πολι τική αξιολογείται σε γεωμετρίες σκάλ ας που δεν είχε συναντήσει κατά την εκπαίδευση. Στο τέλος της εκπαίδευση ς, περίπου το 96% των επεισοδίων στο πλήρως τυχαιοποιημένο έδαφος τερματ ίζουν με τη συμπλήρωση του χρονικού ορίου και όχι με πτώση, ενώ ακολουθί ες στιγμιοτύπων της τελικής πολιτική ς την επιδεικνύουν τη δείχνουν να αν εβαίνει και να κατεβαίνει τόσο μεμον ωμένες σκάλες, όσο και ζεύγη κλιμάκω ν που χωρίζονται από επίπεδο έδαφος, με όρθια στάση και κανονικό βηματισ μό. Αυτό υποδεικνύει ότι η δεξιότητα που έμαθε το ρομπότ γενικεύεται σε νέες γεωμετρίες σκάλας, αντί να αναπ αράγει μια απομνημονευμένη διάταξη.\ n Abstract\n \n Humanoid robots are expected to operate in environments built for people, where staircases a re among the most common obstacles. Unlike wheeled or quadruped platform s, a humanoid must place each foot p recisely on a step before contact is made, balance on a small support ar ea and coordinate its whole body, wh ich makes stair traversal one of the most demanding locomotion tasks. Th is diploma thesis studies how the Un itree G1 humanoid robot can learn to ascend and descend staircases using Deep Reinforcement Learning. Learni ng is carried out entirely in simula tion in NVIDIA Isaac Lab, where 4096 copies of the robot are trained in parallel with the Proximal Policy Op timization (PPO) algorithm through t he RSL-RL library. The control polic y is a fully connected neural networ k that observes the robot’s proprioc eptive state together with a robot-c entred elevation map of the terrain around its feet, resembling what the real robot could build from its onb oard LiDAR, and outputs target posit ions for the leg and torso joints. T he staircase geometry is randomized at the start of every episode, in th e number of steps, the height of eac h riser and the number of staircases , so that the policy must acquire a general climbing skill, rather than memorize a fixed layout. A curriculu m introduces the terrain progressive ly, from a single step to small and then randomized staircases, while a carefully shaped reward function, re fined iteratively against the exploi ts the agent discovered, encourages forward progress, elevated foot plac ement, a natural gait and an upright posture. The work was developed in two phases: first with privileged kn owledge of the step positions, to va lidate the locomotion skill and the reward design, and then with the per ceived elevation map, which is the f ocus of this thesis. The trained pol icy is evaluated on staircase geomet ries that were not seen during train ing. By the end of training, approxi mately 96% of the episodes on the fu lly randomized terrain end by reachi ng the time limit rather than by a f all, and frame sequences of the fina l policy show it climbing and descen ding both single staircases and pair s of staircases separated by flat gr ound, with an upright posture and a regular stepping gait. This indicate s that the learned skill generalizes to new staircase geometries rather than reproducing a memorized layout. \n  \n Meeting ID: 96687349326\n Pas sword: 464126\n STATUS:CONFIRMED ORGANIZER;RSVP=FALSE;CN=TUC;CUTYPE=TUC:mailto:webmaster@tuc.gr DTSTART:20261005T130000 DTEND:20261005T140000 TRANSP:OPAQUE CLASS:DEFAULT END:VEVENT END:VCALENDAR