Mobil robotlar için türk sosyal ve kültürel yapısına ve cinsiyete dayalı kişisel alan hesaplaması ve yol planlaması

T.C.

DÜZCE ÜNİVERSİTESİ

FEN BİLİMLERİ ENSTİTÜSÜ

MOBİL ROBOTLAR İÇİN TÜRK SOSYAL VE KÜLTÜREL

YAPISINA VE CİNSİYETE DAYALI KİŞİSEL ALAN

HESAPLAMASI VE YOL PLANLAMASI

CANBERK TOLUNBÜKE

YÜKSEK LİSANS TEZİ

ELEKTRİK-ELEKTRONİK VE BİLGİSAYAR MÜHENDİSLİĞİ

ANABİLİM DALI

DANIŞMAN

DR. ÖĞR. ÜYESİ METİN TOZ

T.C.

DÜZCE ÜNİVERSİTESİ

FEN BİLİMLERİ ENSTİTÜSÜ

MOBİL ROBOTLAR İÇİN TÜRK SOSYAL VE KÜLTÜREL

YAPISINA VE CİNSİYETE DAYALI KİŞİSEL ALAN

HESAPLAMASI VE YOL PLANLAMASI

Canberk TOLUNBÜKE tarafından hazırlanan tez çalışması aşağıdaki jüri tarafından Düzce Üniversitesi Fen Bilimleri Enstitüsü Elektrik-Elektronik ve Bilgisayar Mühendisliği Anabilim Dalı’nda YÜKSEK LİSANS TEZİ olarak kabul edilmiştir.

Tez Danışmanı

Dr. Öğr. Üyesi Metin TOZ Düzce Üniversitesi

Jüri Üyeleri

Dr. Öğr. Üyesi Metin TOZ

Düzce Üniversitesi _____________________ Doç. Dr. Ali ÇALHAN

Düzce Üniversitesi _____________________

Doç. Dr. Devrim AKGÜN

Sakarya Üniversitesi _____________________

BEYAN

Bu tez çalışmasının kendi çalışmam olduğunu, tezin planlanmasından yazımına kadar bütün aşamalarda etik dışı davranışımın olmadığını, bu tezdeki bütün bilgileri akademik ve etik kurallar içinde elde ettiğimi, bu tez çalışmasıyla elde edilmeyen bütün bilgi ve yorumlara kaynak gösterdiğimi ve bu kaynakları da kaynaklar listesine aldığımı, yine bu tezin çalışılması ve yazımı sırasında patent ve telif haklarını ihlal edici bir davranışımın olmadığını beyan ederim.

1 Temmuz 2019

TEŞEKKÜR

Yüksek Lisans öğrenimimde ve bu tezin hazırlanmasında gösterdiği her türlü destek ve yardımdan dolayı çok değerli hocam Dr. Öğr. Üyesi Metin TOZ’a en içten dileklerimle teşekkür ederim.

Bu çalışma boyunca sevgilerini, yardımlarını ve desteklerini esirgemeyen sevgili aileme ve tecrübeleri ile yanımda olan iş arkadaşlarıma sonsuz teşekkürlerimi sunarım.

İÇİNDEKİLER

Sayfa No

ŞEKİL LİSTESİ ... vi

ÇİZELGE LİSTESİ ... vii

KISALTMALAR ... viii

SİMGELER ... ix

ÖZET ... x

ABSTRACT ... xi

1.

GİRİŞ ... 1

2.

LİTERATÜR TARAMASI ... 3

2.4. SOSYAL YOL PLANLAMASI ... 7

3.

MOBİL ROBOTLARDA TÜRK KÜLTÜRÜ VE CİNSİYETE

BAĞLI KİŞİSEL ALAN KAVRAMI ... 10

3.1. ELDE EDİLEN İKİ SONUCUN MOBİL ROBOT YOL PLANLAMASINDA KULLANILMASI ... 11

4.

KARINCA ASLANI OPTİMİZASYON (ALO) ALGORİTMASI

VE SOSYAL YOL PLANLAMASI ... 19

4.1. KARINCA ASLANI OPTİMİZASYON (ALO) ALGORİTMASI ... 19

4.2. ALO ALGORİTMASI İLE SOSYAL YOL PLANLAMASI ... 21

5.

SONUÇLAR VE DEĞERLENDİRME ... 25

6.

KAYNAKLAR ... 26

ŞEKİL LİSTESİ

Sayfa No

Şekil 2.1. Kişisel alanın tanımı [15]. ... 5

Şekil 3.1. Erkek (sol) ve kadın (sağ) için Gomez ve arkadaşları [22] tarafından hesaplanan kişisel alan (σ𝑥2 = 0.225𝑚). ... 13

Şekil 3.2. Türk Toplumundaki Erkek (sol, (σ𝑥2 = 0.20𝑚)) ve kadın (sağ, (σ𝑥2 = 0.275𝑚)) için hesaplanan kişisel alan. ... 13

Şekil 3.3. İki kişilik (Erkek ve Kadın) grup için Gomez ve arkadaşları [22] tarafından hesaplanan kişisel alan. ... 14

Şekil 3.4. Türk toplumunda iki kişilik (Erkek ve Kadın) grup için hesaplanan kişisel alan. ... 14

Şekil 3.5. Üç kişilik (2 Kadın 1 Erkek) grup için Gomez ve arkadaşları [22] tarafından hesaplanan kişisel alan. ... 15

Şekil 3.6. Türk toplumuna göre üç kişilik (2 Kadın 1 Erkek) grup için hesaplanan kişisel alan. ... 15

Şekil 3.7. Dört kişilik (2 Kadın 2 Erkek) grup için Gomez ve arkadaşları [22] tarafından hesaplanan kişisel alan. ... 16

Şekil 3.8. Türk toplumuna göre dört kişilik (2 Kadın 2 Erkek) grup için hesaplanan kişisel alan. ... 16

Şekil 4.1. Örnek yol planlaması için kullanılan ortam. ... 21

Şekil 4.2. Örnek bir yol. ... 22

Şekil 4.3. Engelden sakınma yaklaşımı. ... 22

ÇİZELGE LİSTESİ

Sayfa No Çizelge 3.1. Kişisel Alan çizimlerinde gruplara göre katsayı, grup merkezi ve kişisel

KISALTMALAR

SİMGELER

𝑐_𝑖𝑡 Her Bir İterasyonda Güncellenen Karınca Aslanı Pozisyonlarının Minimum Değeri

𝑑_𝑖𝑡 Her Bir İterasyonda Güncellenen Karınca Aslanı _{Pozisyonlarının Maksimum Değeri} 𝐸𝑙𝑖𝑡_𝐸𝑡 T’inci İterasyondaki Elit Karınca Aslanı Tarafından _{Rastgele Yürüyüş} 𝐾𝑎𝑟𝚤𝑛𝑐𝑎_𝑖𝑡 T’inci İterasyondaki İ’nci Karınca

𝐾𝑎𝑠𝑙𝑎𝑛𝚤_𝑗𝑡 T’inci İterasyondaki J’inci Karınca Aslanı 𝑘𝑡𝑜𝑝 Adımların Kümülatif Toplamı

𝑚𝑖𝑛_𝑖 İ’nci Değişkenin Minimum Rastgele Yürüyüşü 𝑞 Kişiyi Çevreleyen Noktalar

𝑝 Kişinin Bulunduğu Konum

𝑟𝑎𝑠𝑡 0-1 Aralığında Rastgele Oluşan Bir Sabit 𝑟(𝑡) Rastgelelik Fonksiyonu

𝑆𝑒𝑐𝑖𝑙𝑒𝑛_𝐴𝑡 T’inci İterasyondaki Rulet Tekerleği Tarafından Seçilen _{Karınca Aslanı Çevresindeki Rastgele Yürüyüş} 𝑡 Karınca İçin Rastgele Atılan Adım

𝑥(𝑡) Karıncaların Rastgele Yürüyüşlerinin Matematiksel Modeli

Φ Kişisel Alanı İfade Eden Gaussian Fonksiyonu

𝛴_𝑖𝑂𝑛 Kişinin Yönüne Göre Ön Kısımda Kalan Noktalar İçin _{Tanımlanmış Kovaryans Matrisi} 𝛴_𝑖𝐴 Kişinin Yönüne Göre Arka Kısımda Kalan Noktalar İçin _{Tanımlanmış Kovaryans Matrisi} 𝜎𝑥2 Kişisel Alan Genişliği Katsayısı

ÖZET

MOBİL ROBOTLAR İÇİN TÜRK SOSYAL VE KÜLTÜREL YAPISINA VE CİNSİYETE DAYALI KİŞİSEL ALAN HESAPLAMASI VE YOL

PLANLAMASI

Canberk TOLUNBÜKE Düzce Üniversitesi

Fen Bilimleri Enstitüsü, Elektrik-Elektronik ve Bilgisayar Mühendisliği Anabilim Dalı Yüksek Lisans Tezi

Danışman: Dr. Öğr. Üyesi Metin TOZ Temmuz 2019, 28 sayfa

Gelişen teknoloji ile birlikte insanlar ve robotların birlikte çalışması neredeyse zorunlu hale gelmiştir. Bu tez çalışması, insanın ve robotun birlikte çalışma ihtimalini göz önüne alarak robotun insanla çalışırken uyması gereken kişisel alan hesabı üzerine bir araştırma içermektedir. Özel olarak toplumsal kurallar yerine bu tez çalışmasında Türk Toplumu’nun sosyal ve kültürel kuralları ve kişilerin cinsiyeti araştırma sırasında göz önünde bulundurulmuştur. Dolayısıyla, bu çalışmada önerilen kuralların Türk Toplumu’na özgü olması hedeflenmiştir. Yapılan çalışmada Türk Toplumu’nda mobil robotlar kullanılırken yapılacak “mobil robot sosyal yol planlaması” için kullanılacak iki temel kural ortaya konulmuştur. Ayrıca, bu kuralların kullanılmasıyla elde edilecek bireysel ve grup şeklinde kişisel alan hesabı çizimleri de tez çalışmasında sunulmuştur. Son olarak, önerilen bu iki temel kural ve Karınca Aslanı Optimizasyon Algoritması kullanılarak mobil robotlar için örnek bir sosyal yol planlaması uygulaması da tezde yer almıştır.

ABSTRACT

PERSONAL SPACE CALCULATION AND PATH PLANNING FOR MOBILE ROBOTS BASED ON THE TURKISH SOCIAL AND CULTURAL

STRUCTURE AND THE GENDER

Canberk TOLUNBÜKE Düzce University

Graduate School of Natural and Applied Sciences, Department of Electrical-Electronic and Computer Engineering

Master’s Thesis

Supervisor: Assist. Prof. Dr. Metin TOZ July 2019, 28 pages

With the developing technology, it has become almost imperative that humans and robots work together. This thesis includes a research on the personal area calculation that the robot must comply with when considering the possibility of human and robot working together. In this thesis, instead of social rules in particular, the social and cultural rules of Turkish society and the gender of the individuals were taken into consideration during the research. Therefore, it is aimed that the rules proposed in this study are being specific to Turkish Society. In this study, two basic rules have been proposed to be used for mobile robot social path planning while mobile robots are used in Turkish Society. In addition, individual and group personal space calculation and drawings that will be obtained by using these rules are presented in this study. Finally, the proposed two basic rules and an example of social path planning application for mobile robots using Ant Lion Optimization Algorithm are included in the thesis.

1. GİRİŞ

Yakın gelecekte mobil robotlar, günlük yaşantımızda ya da çalışma hayatımızda insanlara yardım eden bir unsur haline gelecektir. İnsanlar ile aynı ortamda bulunacak olan robotlar çeşitli görevleri yerine getireceğinden toplumsal kurallara uygun bir şekilde algılama ve hareket etme yeteneklerinin olması gerekmektedir. Aynı zamanda robotun herhangi bir engele çarpmadan hareket etmesi için yol planlaması yapabilmesi önemli görevlerinden biridir. Robotun kaçınacağı engeller sabit olabileceği gibi hareketli de olabilir.

Son yıllarda yol planlaması ve kişisel alan konularında birçok çalışma ve araştırmalar yapılmıştır. Yapılan bazı yol planlamaları mobil robotlar üzerinde uygulanarak iki boyutta gezinme ya da yön bulma senaryolarında kullanılmıştır. Bununla birlikte, toplum içerisinde insan-robot etkileşiminin giderek artması, son zamanlarda önem kazanan yol planlamasının da hayatımızın önemli bir parçası olmasını sağlamaktadır.

Mobil robot yol planlamasında yapılan son araştırmalar, birçok alanda robotların kullanımını mümkün kılmaktadır. Genel olarak, servis robotlarının faaliyet gösterdiği ortamlar insanların da bulunduğu ortak alanlardır. Böylece, robotlar isteseler de istemeseler de insanlarla etkileşim kuracaklardır. Bu açıdan, ilk olarak insanlar arasındaki etkileşime bakıldığında bu etkileşimlerin bazı durumlarda karışıklıklara veya anlaşmazlıklara yol açabildiği görülmektedir. Bu anlaşmazlıkların yaşanmaması ve düzenin sağlanması için, insanların kullandığı bir takım sosyal kurallar vardır. Örneğin, bankalarda veya hastanelerde, insanlar sıra beklerler. Bir kişi sosyal kuralları bilmiyor veya uygulamıyorsa, orada bir düzensizlik meydana gelecektir. Aynı şekilde bir robottan da bir işi yapması istendiğinde ve robot insanların sosyal kurallarını bilmiyorsa etrafındaki insanlara engel olacak şekilde davranabilir ya da yapacağı görevi yerine getiremez. Bu nedenle, hizmet robotları, insanların sosyal davranışlarını anlamak ve sosyal kurallara uygun davranacak şekilde tasarlanmalıdır [1].

Sosyal kuralların da içinde bulunan kişisel alan kavramı insanların ve robotların bir çeşit sınırlarını belirlemek ve modellemek için kullanılır. Kişisel alan, bir sınırı algılamak ve robotun kişi ile arasında ne kadar yer bırakacağını belirlemek için kullanılır. Bu modeli kullanarak, robot önündeki kişinin hareketine göre yerini korur veya hareket eder.

Bu tez çalışmasında mobil robotların insanlarla birlikte çalışma sürecine kültürel bir yaklaşım getirilmiştir. Bu amaçla genel kişisel alan parametrelerine ek olarak Türk Toplumu’na özgü sosyal ve kültürel kurallar ve kişilerin cinsiyetleri de göz önünde bulundurulmuş ve kişisel alan hesabında kullanılabilecek iki temel kural belirlenmiştir. Bu iki temel kural uygulanarak elde edilen kişisel alanlar şekiller ile sunulmuştur. Ayrıca örnek bir yol planlaması uygulaması da, Mirjalili [2] tarafından geliştirilen ALO algoritması kullanılarak gerçekleştirilmiştir. Çalışmamızın ikinci bölümünde mobil robot, kişisel alan kavramı ve yol planlaması hakkında bir literatür taraması yapılmıştır. Üçüncü bölümde kişisel alan kavramı cinsiyet ve kültürel açıdan incelenerek hesaplamalar ile kişisel alan çizimlerine yer verilmiştir. Dördüncü bölümde, kullanılan ALO algoritması ve bu algoritmanın yol planlaması kısmında kullanımı anlatılmıştır. Beşinci bölümde ise sonuçlar ve değerlendirmelere yer verilmiştir.

2. LİTERATÜR TARAMASI

Bu bölümde tez konusuna kaynaklık eden literatür ile ilgili bilgilere yer verilmiştir. Kullanılan kaynaklar sırasıyla, robot, kişisel alan, yol planlaması, insan robot etkileşimi ve sosyal yol planlaması kavramları çerçevesinde sunulmuştur.

2.1. ROBOT

Uygulama alanları ve gelişimleri incelendiğinde robotların insanlar için ve insanlar ile birlikte daha sık çalışır hale gelecekleri görülmektedir. Robotlar, ileriki yıllarda sağlık hizmetlerinin sunulmasında yer alacak, ofislerde asistanlık yapacak, ev işleri ile ilgilenebilecek hatta bazen de insanları eğlendirmek için kullanılabilecektir. Tüm bu uygulamalarda, robotların insanlarla etkileşimleri farklı seviyelerde olacaktır ve bu görevleri sırasında insanların karmaşık davranışlarını anlamak zorunda kalacaklardır. Dolayısıyla robot tasarımcıları, robotları geliştirirken sosyal etkileşim kurabilen robotlar geliştirmeye mecbur kalacaklardır [3]. Robotlar, makine öğrenmesi ve yapay zeka gibi kavramlar sayesinde karar alabilen, daha akıllı ve daha hızlı hareket edebilen gibi bir çok yetenekleri ile günümüzde sıklıkla kullanılır hale gelmişlerdir [4]. Ayrıca, hızla gelişen teknoloji ve buna bağlı olarak da günlük yaşantımızda yapılan birçok işin birbiri ile bağlantılı olması; görüntü işleme, otonom sistemler ve yapay zeka gibi robot teknolojisinin daha da gelişmesine, aynı zamanda daha hızlı ve daha akıllı robotların tasarlanmasına neden olmaktadır. İnsanın fiziksel gücünün kısıtlı olmasından dolayı robotların ilk örneklerinde, fazla fiziksel güç gerektiren işlerde insan tarafından yönetilen robotların geliştirilmiş olduğu görülmektedir. Ancak bu robotların tek başlarına karar verme yeteneği olmadığından çalışabilmeleri için sürekli bir kullanıcı tarafından komut verilmesi gerekmektedir. Robot teknolojisi alanındaki gelişmeler arttıkça kendi kendini kontrol edebilen otonom sistemlerin insanın yerine geçebileceği üzerine yapılan çalışmalar da artmıştır. Zamanla bu kavram genişlemiş ve bir işlemin tamamını insan eli değmeden gerçekleştirebilecek robotlu otomasyon sistemler üretilmeye başlanmıştır. Bu karmaşık sistemler, çeşitli algılama sensörleriyle çevresini algılayan, çevreden gelen verileri ve önceden tanımlanmış olan bilgi tabanındaki verileri kullanarak karar verebilen ve bir operatör yardımına ihtiyaç duymadan uygulayabilen sistemlerdir [5]. Literatürde

yer alan bazı çalışmalar şu şekilde sunulmuştur. Toz ve arkadaşları [6], çalışmalarında altı serbestlik dereceli bir paralel robotun geometrik optimizasyonunu yapmışlardır. Li ve arkadaşları [7], büyük ölçekli nesnelerin robotik kavranması zorlu bir iş olduğu için çalışmalarında robotun kavrama mekanizması tasarım şeması ve büyük ölçekli nesnelerin tutulması için bir kontrol şeması önermişlerdir. Vu ve arkadaşları [8], çalışmalarında yaylı mafsallı düzlemsel veya yarı seri manipülatörlerin yük altında sertliğini karakterize etmek için yeni bir analitik metot üzerinde çalışmışlardır. Weiser ve arkadaşları [9] çalışmalarında, uygulamadaki deformasyon ve titreşimi en aza indirmek, manipülatör bileşenlerini modellemek ve bunları bir manipülatör modelinde birleştirmeyi hedeflemişlerdir. Hu ve arkadaşları [10], çalışmalarında çoklu parmaklı manipülatörün kavrama olasılığına odaklanarak, çoklu parmaklı manipülatör ve tıbbi görüntü saptamanın daha da bütünleşmesini teşvik etmeyi amaçlamışlardır.

2.2. KİŞİSEL ALAN

Bir sosyal kural olarak kişisel alan kavramı, insanların çevresini kuşatan bir çeşit sınır olarak ifade edilebilir. Robotlar açısından kişisel alan kavramına bakıldığında kişisel alanın mobil robotun kişi ile arasında ne kadar yer bırakacağını belirlemek için bir sınır olarak kullanılabileceği görülmektedir. Bu sınırı kullanarak, robot etrafındaki kişinin hareketine göre yerini korur veya hareket eder.

Sommer [11] çalışmasında kişisel alanı, her bireyi çevreleyen, başkalarının izinsiz giremeyeceği bir bölge, görünmeyen bir sınır olarak belirlemiştir. Dosey ve Meisels [12] kişisel alanı algılanan tehditlere karşı koruma görevi gören tampon bölge olarak yorumlamıştır. Bu tampon bölgenin boyutunun, kültür, kişilik ve yaş gibi değişkenlerin bir fonksiyonu olarak değiştiği Willis [13] tarafından bulunmuştur. Edward Hall, iki kişiyi birbirinden ayıran mesafe ile ilgili ortak kaynağın ilk başlarda sesin gürültüsü olduğunu söylemiştir [14]. Hall, dilbilimci bilim adamı George Trager ile çalışarak, seste uzaklık ile meydana gelen değişiklikleri gözlemleyerek; fısıltının, insanlar birbirine çok yakın olduğunda ve bağırmanın ise çok uzak mesafeler için kullanılmasından dolayı kişisel alan kavramı üzerindeki çalışmalarına seste meydana gelen kaymaları inceleyerek başlamıştır. Daha sonralarda kamusal alanlarda insan davranışlarını inceleyerek her insanın kendisini istemsizce çevreleyen bir hareketli bölge oluşturduğunu ortaya koymuş ve kişisel alan kavramının iki veya daha fazla kişi arasında sözsüz bir iletişim olduğunu ifade etmiştir. Bu bölge Şekil 2.1 gösterilmiştir.

Şekil 2.1. Kişisel alanın tanımı [15].

Sonuç olarak kişisel alan “kişinin vücudunu çevreleyen, görünmez sınırları olan, davetsiz misafirlerin gelemeyeceği alan” olarak bir kavram haline gelmiştir [16].

Kişisel alan kavramı daha detaylı olarak kendi içinde sırasıyla, samimi alan, kişisel alan, sosyal alan ve kamusal alan gibi sınırları kişiye olan uzaklık ile belirlenen alt alanlar şeklinde incelenebilir.

2.2.1. Samimi Alan

Bu alan kişinin etrafındaki yaklaşık olarak 45 santimetreye kadar olan bölgesidir. Konuşma ses seviyesi fısıltı boyutlarında olabilmektedir. Vücut sıcaklığı hissedilebilecek derecededir. Yakın ilişkiye izin verilen kişilerin bu alana girebildiği, genellikle dokunmak, fısıldamak, sarılmak, öpüşmek vb. için kullanılan alandır [14].

2.2.2. Kişisel Alan

Bu alan kişinin 45 santimetre uzağından başlayıp 1.2 metrede bitmektedir. Konuşma ses seviyesinin orta şiddette olduğu, vücut ısısının algılanamadığı, genellikle yakın arkadaşların girmesine izin verilen alandır [14].

2.2.3. Sosyal Alan

Bu alan kişiden 1 metre uzakta başlayıp 3.5 metrede sona erer. Kişisel alana göre konuşma ses seviyesi oldukça yüksektir. Kişinin yeni tanıştığı insanların, günlük arkadaşların vb. bulunduğu alandır [14].

2.2.4. Kamusal Alan

Bu alan kişiden 3.5 metre sonra başlayan alandır. Alışveriş merkezi, park vb. kamu içindeki etkileşim alanıdır [14].

2.3. YOL PLANLAMASI

Bir robotun sabit veya hareketli engellere çarpmadan istenilen hedefe ilerleyebilmesi, robotik çalışmalarda yoğun olarak ele alınan bir konudur. Bir robotun insanların giremediği bölgelerde taşıma, ulaşım gibi farklı hizmet görevleri yerine getirmesi, o bölgede bulunan engellere çarpmadan istenilen hedefe gidebilmesi ile mümkün olacaktır. Bu robotun çalışma ortamındaki görevleri verimli bir şekilde yerine getirebilmesi için olması gereken temel bir yetenek olan yol planlaması, mobil robotların belirli bir görevi yerine getirmek ya da bir noktadan başka bir noktaya gitmeleri için güvenli ve etkin bir hareket yolu sağlar [17]. Robotların üstlendikleri bu görevleri daha başarılı bir şekilde yerine getirebilmesi için robotların öğrenme kapasitesi, insanlarla ve çevresiyle etkileşime geçme özelliği olacak şekilde tamamen otonom bir sistem şeklinde geliştirilmesi önem kazanmaktadır.

Mobil robotlar için yapılan yol planlamasında engellere çarpmadan ilerleme en önemli aşamalardan birisidir. Bu nedenle literatürde çarpışma önleme üzerine birçok çalışma yapılmıştır. Örneğin, Jarvis ve Byrne, bir mesafe dönüştürme algoritması [18] kullanarak çarpışmadan kaçınma ile iki boyutlu bir yol planlama yöntemi önermişlerdir. Bu yöntemde "mesafe alanı" kavramı dikkate alınarak çarpışma olmayan bir yol oluşturulmuştur. Bu algoritmanın avantajı, başlangıç noktasından gidilecek olan hedefe bir yol üretme yeteneğidir. Jarvis ve Byrne'ın yöntemi, iki boyutlu ortamlarda çarpışma olmadan yol planlaması yapmak için basit ve etkili bir yöntemdir. Takeshi Ohki ve arkadaşları [19] çalışmalarında tahmin, dönüşüm ve planlama olarak üç adımdan oluşan çarpışmadan kaçınma yöntemi önermişlerdir. Bu yöntemlerinde robot, üç adımı periyodik olarak tekrarlayarak ve planlanan hareketi uygulayarak çarpışma önleme hareketini gerçekleştirir.

Özellikle robotların insanlarla birlikte çalışmaya başlamış olmaları, İnsan – Robot etkileşimi konusunu gündeme getirmiş ve bu konuda çalışmaların yapılmasının önünü açmıştır. Yakın gelecekte mobil robotlar, günlük yaşantımızda ya da çalışma hayatımızda insanlara yardım eden bir unsur haline gelecektir [3]. İnsanlar ile aynı ortamda bulunacak

olan robotlar çeşitli görevleri yerine getireceğinden, toplumsal kurallara uygun bir şekilde algılama ve hareket etme yeteneklerinin olması gerekmektedir. Mobil robot konusunda yapılan araştırmalar göstermektedir ki bu robotlar birçok alanda kullanılabileceklerdir [20]. Bununla birlikte bu robotların faaliyet gösterdiği ortamlar (özellikle servis robotları için) insanların da bulunduğu ortak alanlardır. Bu nedenle, robotlar isteseler de istemeseler de insanlarla etkileşim kuracaklardır. Bu durum robotların insanların uyduğu bir takım sosyal kurallara uymasını gerektirmektedir. Örneğin, insanlar günlük işlerinde sıra beklemektedirler. Bu esnada sosyal kurallara uymayan bir kişi, bulunduğu ortamdaki düzeni bozabilir. Bu şekilde herhangi bir ortamda bulunacak olan robotun da sosyal kuralları göz önünde bulundurarak hareket etmesi ya da görevini yerine getirmesi gerekmektedir. Aksi halde robotlar insanlara engel olacak şekilde hareket etmiş olacaktır. Bu nedenle, insanlarla aynı ortamda bulunacak olan hizmet robotları, sosyal davranış kurallarını anlayacak ve sosyal kurallara uygun davranacak şekilde tasarlanmalıdırlar [1]. Yapılan son çalışmalarda, insanlarla robotlar arasındaki mesafenin, bu süreçte çok önemli olduğu tespit edilmiştir [21]. Robotlar, özellikle hizmet verecek şekilde kullanılacak olanlar, görevlerini yerine getirmek için hareket etmek zorundadır ve hedeflerine ulaşırken güvenli ve etkin bir şekilde yol planlama yapmalıdırlar. Bu engellerin çoğunun insan oluşu, durumu oldukça zorlayıcı hale getirmektedir. Bunun nedeni insanların sadece statik bir engel olmayıp onun yerine kendine özgü bir kişisel alana sahip olmalarıdır. Bunun anlamı robotun hareket ederken insanın direkt kendi bedeni yerine bu kişisel alanı dikkate alması demektir. Bu nedenle klasik yol planlaması yerine sosyal yol planlaması çalışmaları öne çıkmıştır.

2.4. SOSYAL YOL PLANLAMASI

Sosyal alanın insanlar tarafından nasıl yönetildiği ilk olarak Edward Hall tarafından incelenmiştir [14]. Bu sosyal alanın iki kişi arasındaki mesafe, cinsiyet gibi bazı faktörlerden etkilendiği de gösterilmiştir. Bu faktörlerin belirlenmesi çalışmalarından elde edilen sonuçların incelenmesi ile insan – insan ilişkilerindeki roller proksemik olarak adlandırılmıştır [14]. Edward Hall, bu proksemikleri “insanların ortamı algılayışı ve kullanımı” olarak tanımlamaktadır [14].

Javier V. Gomez son yıllardaki çalışmaları üç kategoride değerlendirmiştir [22]. İlk kategori, düşük seviyeli ve temel statik konfigürasyonlara odaklanırken, diğer iki kategoride yüksek seviyeli robot davranışları incelenmiştir. Birinci kategoride farklı

koşullarda insanların robotlarla karşılaştığında verdikleri tepkiler ele alınmıştır. Walters ve arkadaşları [23] bir robotun insanlarla iletişime girerken uygulanan sosyal kuralların, insanın açık alanda ya da kapalı alanda durmasına bağlı olduğunu söylemiştir. Walters’ın bu çalışması daha sonra robotun şekli, yüksekliği ve yapacağı göreve göre genişletilmiştir [24]. Mead ve arkadaşları [25], sosyal bilimlerden elde edilen verileri detaylandırmış ve gerçek zamanlı otomatik ölçümlerle bir çalışma yürütmüşlerdir. Bu çalışma, insan tepkilerine bağlı olarak çevirim içi robot çalıştırmada büyük bir ilerleme olarak kabul edilmiştir [25] ve çevreden algılanan parametrelere göre değişiklik gösteren değişkenlerin modifikasyonunu ifade eder. Bu örnekler içinde olumlu ya da olumsuz etkileşimin kabul edilmesi, otomatik olarak tanımlanması ile ilgili çalışmalar, sosyal robotun uygun davranışına yönelik önemli bir ilerleme sağlamıştır.

İkinci kategoride yol planlama konusunda bir robotun belirli bir noktaya doğru, insan dostu bir şekilde nasıl gitmesi gerektiğine odaklanan araştırmalardan örnek olarak söz edilmiştir. Yol planlama senaryolarında insan – robot etkileşimi için kurallar belirlenmiştir. Sehestedt ve arkadaşları [17], bir yol haritasındaki düğümlerin insan davranışlarına bağlı olarak farklı ağırlıklar aldığı, öğrenmeye dayalı bir yaklaşım önermektedir. Bu yaklaşım bir ofis ortamında test edilmiş, böylece yol daha uzun olsa bile en muhtemel insan güzergahlarına yakın olan bir robot ortaya çıkarmışlardır. Daha yakın zamanda, Guzzi ve arkadaşları [26], insandan esinlenen reaktif ve proaktif bir hareket algılayıcısı önererek, robotun uyguladığı hareketleri insanlar için buluşsal bir yöntemle hesaplanmışlardır.

Üçüncü kategorinin asıl sorunu, robotun insana yaklaşma ve davranış şeklidir. Bu şu şekilde ifade edilebilir: bir robotun başarılı bir etkileşime geçmesi için robot bir insana nasıl yaklaşmalıdır? Statik durumdaki insanlar için Mead bir yaklaşım önermiştir [27]. Etkileşim amaçlarına bağlı olarak robotu farklı durumlar için eğitirler, böylece robot daha sonraki etkileşimlerinde amacına bağlı olarak hangi duruma göre hareket edeceğine karar verir. Ayrıca, Satake ve arkadaşları alışveriş merkezlerinde olumlu bir etkileşime başlamak için bir robotun insanlara nasıl yaklaşması gerektiğini incelemektedirler [28]. Statik durumdaki insanlar için farklı yaklaşımlar dikkate alınmıştır. Avrunin ve arkadaşları [29], yaklaşılacak insanın omuzlarına ve baş yönelimine bağlı olarak basit bir yaklaşım yöntemi önermişlerdir.

Diğer yaklaşımlar robot insanlardan kaçınmak istediğinde insanın nasıl modellenmesi gerektiğine odaklanır. Paulin ve arkadaşları [30] çalışmalarında, bir kişinin dikkat

kaynaklarının çevrelerindeki öğeler arasında nasıl dağıldığını tahmin etmek için insan görsel dikkatinin hesaplamalı bir modeli önerilmiştir. Tucnik ve arkadaşları [31] çalışmasında, çok etkenli modelleme ve simülasyon alanındaki geniş kapsamlı bir ortama uygulanan yol planlama yaklaşımlarının deneysel olarak değerlendirilmesi açıklamaktadır. Liu ve arkadaşları [32] çalışmalarında, gruplandırma ve çıkış seçimi stratejilerini kullanarak bir bina tasarımı ve tahliye yönetimi sistemi önermişlerdir. Tahliye için bir çıkış aşırı kalabalık ve tıkanmışsa, bireyler tıkanıklık derecesini değerlendirir, kaçış için gereken zamanı tahmin eder ve kaçış için daha uzak bir çıkış seçilip seçilmeyeceğini belirleyeceklerdir. Kalabalık tahliye simülasyon sistemi ile yeni yol planlama yaklaşımı ile kalabalık tahliyesini simüle etmişlerdir. Basit engellerden kaçınma algoritması, insanlar hareketli olduğu için onlar açısından agresif olarak algılanabilir. Kruse ve arkadaşları [33], insan proksemiklerini ve görüş alanlarını dikkate alan maliyet temelli bir yöntem önermiştirler.

Yukarıda ele alınan çalışmalar incelendiğinde tüm çalışmaların evrensel sosyal kurallar dikkate alınarak gerçekleştirildiği görülmektedir. Ancak, açıktır ki birçok sosyal kural toplumdan topluma farklılık göstermektedir. Aynı durum kadın ve erkek insan gruplarında da vardır. Dolayısıyla bu tez çalışmasında diğer çalışmalardan farklı olarak insan – robot etkileşiminde cinsiyete ve Türk Kültürü’ne dayalı bir yol planlaması nasıl olmalıdır konusu ele alınmıştır.

3. MOBİL ROBOTLARDA TÜRK KÜLTÜRÜ VE CİNSİYETE BAĞLI

KİŞİSEL ALAN KAVRAMI

Kişisel alan çeşitli parametrelere göre farklılık gösterir; cinsiyet, yaş, kültür, kişilik, psikolojik sağlık ve kişinin deneyimleri bu parametrelerden birkaçı olarak kabul edilebilir [34]. Ayrıca bu kişinin diğer bir kişi ile etkileşimi durumunda karşıdaki kişinin kişisel özellikleri de kişisel alan üzerinde bir etki oluşturacaktır [35].

Rüstemli çalışmasında yaptığı ilk deneyinde 32 kadın ve 32 erkekten oluşan gruplar üzerinde çalışmıştır. Bu çalışmada Türk kadın ve erkek kişisel alanının gereksinimlerini ve bu alana giren davetsiz misafirlere karşı, geleneksel cinsiyet rollerinin baskın olduğu tepkileri gözlemleyerek kadın ve erkekte hem karşı cinsiyete hem de aynı cinsiyetteki bireylere karşı oluşan kişisel alanları hesaplamıştır. Ayrıca iki kişinin birlikte bulunduğu durumlarda; bu iki kişinin erkek olduğu durumda oluşan kişisel alanın bu iki kişinin kadın olması durumunda oluşan kişisel alandan daha büyük olduğu sonucuna ulaşmıştır [16]. İkinci deneyini Orta Doğu Teknik Üniversitesi kütüphanesinde gerçekleştiren Rüstemli, kadın veya erkek bireylerin çalışma masalarına gelip oturan hem farklı hem de aynı cinsiyetten bireylerden rahatsızlık duyup duymayacağı konusu üzerine gerçekleştirmiştir. Bu deneyde kendilerini aynı cinsiyetteki bireylerden uzaklaştırmada, erkekler kadınlara göre daha yüksek sıklıkla ve daha kısa kaçış davranışı süresi olduğu sonucuna varmıştır [16].

Rüstemli çalışmasında Türk erkek ve kadınlarının, kendilerini mekansal olarak yönlendirmede uzaklık ve cinsiyet ipuçlarına duyarlı olduğunu göstermiştir. İkinci deneyinde, bir kişinin yakın çevresinde bir yabancının bile varlığının rahatsızlık hissi verebileceğini göstermiştir. İzinsiz kişisel alana girme koşullarında Türk deneklerin yüzde 63’ü yabancı bir birey yanlarına oturduğunda kendini ortamdan uzaklaştırdığı gözlenmiştir [16].

Çalışmalarındaki deneyler sonucunda Ahmet Rüstemli [16], Türk toplumunda cinsiyet ve kişisel alan arasındaki ilişkiyi değerlendirirken; kişilerin kişisel alanlarının cinsiyete bağlı değişiklik gösterdiğini ve erkeklerin kişisel alanının kadınlara göre daha küçük olduğunu saptamıştır.

Servet Çelik [36] ise çalışmasında kişisel alanı kültür esaslı değerlendirmiştir. Yazar, Amerikalı ve Türk insanlar arasındaki kişisel alan farklarına yönelik çalışmasında sonuç olarak; Türk bir bireyin, Amerikalı bir bireye göre daha samimi davrandığı ve bu sebeple de kişisel alanının Amerikalı bireye göre daha küçük olduğunu tespit etmiştir. Bu iki çalışma birlikte değerlendirildiğinde bu tez çalışmasında Türk Toplumu’nda kişisel alan kavramı için iki temel sonuç şu şekilde elde edilmiştir:

1) Türk Toplumu’nda kişisel alan cinsiyete göre farklılık göstermekte ve bu farklılık erkeklerin kişisel alanlarının kadınlardan daha küçük olduğu şeklindedir.

2) Türk Toplumu ile Amerikan Toplumu karşılaştırıldığında Türk bireylerin kişisel alanları, Amerikalı bireylerin kişisel alanlarından daha küçüktür.

Elde edilen bu iki temel sonuç, mobil robotların Türk Toplumu’nda insanlarla birlikte çalışırken insanları rahatsız etmeden, yani kişisel alanlarına girmeden çalışabilmesi için kullanılabilir.

3.1. ELDE EDİLEN İKİ SONUCUN MOBİL ROBOT YOL PLANLAMASINDA KULLANILMASI

Bu tez çalışmasında bir önceki bölümde elde edilen iki sonuç mobil robotların yol planlaması amacıyla kullanılmıştır. Bunun uygulanabilmesi için bu çalışmada, mobil robotların sosyal yol planlaması amacıyla Gomez ve arkadaşları [22] tarafından önerilen ve herhangi bir kültürel veya cinsiyet ayrımı içermeyen genel yaklaşım kullanılmıştır. Gomez ve arkadaşları çalışmalarında mobil robotların sosyal yol planlaması için tek kişi ve grup halinde insanlar için kişisel alan hesabı yapmışlardır. Bunun için bir kişi etrafındaki kişisel alanı aşağıdaki ifade ile hesaplamışlardır [22].

Denklem (3.1)’de Φ kişisel alanı ifade eden bir Gaussian fonksiyonu, 𝑝 ve 𝑞 ise sırasıyla kişinin bulunduğu konumun ve kişiyi çevreleyen diğer noktaların Kartezyen düzlemdeki ifadesi olan iki boyutlu vektörler, 𝛴 ise kişinin yönüne göre ön kısmında kalan noktalar ve arka kısmında kalan noktalar için aşağıdaki gibi tanımlanan bir kovaryans matrisidir [22].

𝛷(𝑞) = 𝑒(−

1

Denklem (3.2) ve (3.3)’de 𝛴_𝑖𝑂𝑛 ve Σ_𝑖𝐴, sırasıyla kişinin ön ve arka yönlerinde kalan noktalar için tanımlanmış kovaryans matrisleridir. Gomez ve arkadaşları çalışmalarında bu matrislerde yer alan 𝜎_𝑥2 ifadesini 𝜎_𝑥2 = 0.45 2⁄ = 0.225𝑚 olarak almışlardır. Bu katsayı kişisel alanın genişliğinin belirlenmesinde kullanılan temel parametredir. Buna göre kişinin ön kısmında kalan noktalar için 𝛴_𝑖𝑂𝑛 _{kullanılarak Denklem (3.1)’den elde}

edilen alan Φ𝑜𝑛 ve arkasında kalan noktalar için Σ_𝑖𝐴 kullanılarak hesaplanan Φ𝐴 birleştirilerek o kişi için bütün kişisel alanın tanımlanması mümkün olabilmektedir [22].

Denklem (3.4)’de 𝑦_𝑞, 𝑞 noktasının Kartezyen düzlemdeki 𝑦 bileşenini ifade etmektedir. 𝛿(𝑦𝑞) ise 𝑦𝑞 ≥ 0 olduğu durumlarda 1, diğer durumlarda ise 0’dır.

Denklem (3.4) ile verilen kişisel alan ifadesini Türk Toplumu için düzenlemek gerekirse bu ifade de yer alan σ𝑥2 katsayısını değiştirmek gerekmektedir. Buna göre daha önce elde

edilen iki sonuca göre şunlar söylenebilir;

1) Türk Toplumu’ndaki erkek bireyler için kişisel alan hesabında kullanılacak σ𝑥2

katsayısı 0.225𝑚 den daha küçük seçilmelidir.

2) Türk Toplumu’ndaki kadın bireyler içen kişisel alan hesabında kullanılacak σ_𝑥2

katsayısı ise 0.225𝑚 den daha büyük seçilmelidir.

Şunu belirtmek gerekir ki, Türk Toplumu için bu katsayıların tam değerleri sosyal bilim araştırmacıları tarafından belirlenmelidir. Ancak, mobil robotlar için yapılacak araştırmalara fikir vermesi açısından bu tez çalışmasında katsayılar yukarıda bulunan sonuçlara göre; varsayımsal olarak sırasıyla erkek bireyler için σ𝑥2 = 0.40 2⁄ = 0.20𝑚

ve kadın bireyler için ise σ𝑥2 = 0.55 2⁄ = 0.275𝑚 kabul edilerek kişisel alan hesabı

gerçekleştirilmiştir.

Önerilen bu mesafelere göre bu tez çalışmasında mobil robotlar açısından insanların 𝛴_𝑖𝑂𝑛 = (𝜎𝑥 2 ₀ 0 4𝜎𝑥2 ) (3.2) 𝛴_𝑖𝐴 = (𝜎𝑥 2 ₀ 0 𝜎_𝑥2) (3.3) 𝛷(𝑞) = 𝛿(𝑦_𝑞)𝛷𝑜𝑛(𝑞) + (1 − 𝛿(𝑦_𝑞)) 𝛷𝐴(𝑞) (3.4)

kişisel alanlarının belirlenmesini sağlayacak model düzenlenmiş ve bu modele göre örnek kişisel alan çizimleri ve örnek yol planlaması yapılmıştır. Bunun için ilk olarak, bir ve iki kişilik gruplar için hem Gomez ve arkadaşları [22]’nın çalışmasında da önerilen standart kişisel alan hesabı çizimleri hem de bu çalışmada önerilen katsayılar kullanılarak hesaplanan kişisel alan çizimleri gerçekleştirilmiştir. Buna göre; Şekil 3.1’de sırasıyla erkek ve kadın bireyler için standart kişisel alan çizimleri sunulmuştur.

Şekil 3.1. Erkek (sol) ve kadın (sağ) için Gomez ve arkadaşları [22] tarafından hesaplanan kişisel alan (σ_𝑥2 = 0.225𝑚).

Şekil 3.1’de mavi renk erkek birey için kırmızı renk ise kadın birey için kullanılmış, F (Front) ön taraf için, R (Rear) arka tarafları göstermektedir. Şekle göre hem kadın hem de erkek için aynı büyüklükte kişisel alanlar elde edilmiştir. Şekil 3.2’de ise bu çalışmada önerilen katsayılara göre erkek ve kadın bireyler için kişisel alan çizimleri yer almaktadır.

Şekil 3.2. Türk Toplumundaki Erkek (sol, (σ𝑥2 = 0.20𝑚)) ve kadın (sağ, (σ𝑥2 =

Şekil 3.2‘e göre Türk Toplumu için hesaplanan kişisel alan büyüklükleri kadın ve erkek bireyler için farklı olmaktadır. Kadın bireylerin kişisel alanları erkeklerden daha büyük olmakta ve benzer şekilde Türk erkeklerinin kişisel alanları ise standart kişisel alana göre daha küçük olmaktadır. Son olarak Şekil 3.3 ve Şekil 3.4’te sırasıyla iki kişilik (bir erkek ve bir kadın) şeklindeki gruplar için Gomez ve arkadaşları [22], tarafından hesaplanan ve bu çalışmada sunulan kurallara göre hesaplanan kişisel alan çizimleri gerçekleştirilmiştir. Gruplar için yapılan kişisel alan hesabı formülasyonu için Gomez ve arkadaşları [22]’nın çalışmasına bakılabilir.

Şekil 3.3. İki kişilik (Erkek ve Kadın) grup için Gomez ve arkadaşları [22] tarafından hesaplanan kişisel alan.

Şekil 3.4. Türk toplumunda iki kişilik (Erkek ve Kadın) grup için hesaplanan kişisel alan.

Şekil 3.3 ve Şekil 3.4’e göre iki kişilik gruplar oluşturulduğunda (bir erkek ve bir kadından oluşan) kişisel alan boyutları da iki kişinin kişisel alanlarının toplamı şeklinde değil ancak iki kişinin oluşturduğu grubun tamamı için yeniden oluşmaktadır. Şekil 3.3 ve Şekil 3.4’te bu durum hem Gomez ve arkadaşları [22]’na göre yapılan çizimde hem de

Türk Toplumu’na özgü kurallara göre gerçekleştirilen çizimlerde ortaya çıkmaktadır. Buna göre; grupların ikiden fazla kişiden oluşması durumunda grup kişisel alanının da buna göre değişeceği açıktır. Benzer şekilde kişi sayılarının üç ve dört olduğu gruplar için elde edilen kişisel alanlar sırasıyla Şekil 3.5, Şekil 3.6, Şekil 3.7 ve Şekil 3.8’de gösterilmiştir.

Şekil 3.5. Üç kişilik (2 Kadın 1 Erkek) grup için Gomez ve arkadaşları [22] tarafından hesaplanan kişisel alan.

Şekil 3.6. Türk toplumuna göre üç kişilik (2 Kadın 1 Erkek) grup için hesaplanan kişisel alan.

Şekil 3.7. Dört kişilik (2 Kadın 2 Erkek) grup için Gomez ve arkadaşları [22] tarafından hesaplanan kişisel alan.

Şekil 3.8. Türk toplumuna göre dört kişilik (2 Kadın 2 Erkek) grup için hesaplanan kişisel alan.

Elde edilen bu kişisel alan çizimleri arasında yorum yapabilmek için aşağıdaki Çizelge 3.1’de yapılan tüm hesaplamalarda kullanılan σ_𝑥2 katsayıları, kişi veya grup koordinatları ve hesaplama sonucunda elde edilen kişisel alan nokta sayıları sunulmuştur.

Çizelge 3.1. Kişisel Alan çizimlerinde gruplara göre katsayı, grup merkezi ve kişisel alandaki nokta sayısı veri çizelgesi.

Gruptaki Kişi Sayısı ve

Türü 𝛔𝒙

𝟐 _Katsayısı Grup Merkez

Koordinatları

Kişisel Alan Nokta Sayısı

Gomez ve ark [22]’a göre Bir kişi

(1 Kadın veya 1 Erkek)

Kadın: 0.45 Erkek: 0.45 Kadın (15,10) Erkek (5,10) Kadın: 12597 Erkek: 12597 Bir kişi (1 Türk Kadın veya 1 Türk Erkek) Kadın: 0.55 Erkek: 0.40 Kadın (15,10) Erkek (5,10) Kadın: 12604 Erkek: 12592 Gomez ve ark [22]’a göre

İki kişi (1 Kadın ve 1 Erkek) Kadın: 0.45 Erkek: 0.45 X= 12,5 Y= 11,25 12628 2 Kişi (1 Türk Kadın ve 1 Türk Erkek) Kadın: 0.55 Erkek: 0.40 X= 12,5 Y= 11,25 12640 Gomez ve ark [22]’a göre

Üç kişi (2 Kadın ve 1 Erkek) Kadın: 0.45 Erkek: 0.45 X= 17,6667 Y= 15,6340 12724 Üç kişi (2 Türk Kadın ve 1 Türk Erkek) Kadın: 0.55 Erkek: 0.40 X= 17,6667 Y= 15,6340 12666 Gomez ve ark [22]’a göre

Dörk kişi (2 Kadın ve 2 Erkek) Kadın: 0.45 Erkek: 0.45 X= 17,3750 Y= 15,1005 12689 Dört kişi (2 Türk Kadın ve 2 Türk Erkek) Kadın: 0.55 Erkek: 0.40 X= 17,3750 Y= 15,1005 12638

Şekil 3.5, Şekil 3.6, Şekil 3.7, Şekil 3.8 ve Çizelge 3.1’e bakıldığında Türk Toplumu için kişisel alan hesabında kullanılması önerilen iki temel kuralın etkisi açıkça görülmektedir. Örneğin Çizelge 3.1’de yer alan kişisel alan nokta sayıları değerlendirildiğinde tek bir

kadın için yapılan hesaplamalarda Türk Kadın kişinin kişisel alan nokta sayısı Gomez ve arkadaşları [22] yaptığı hesaplamada elde edilen sonuçtan daha büyük çıkmaktadır. Ancak 4 kişilik gruplara bakıldığında her ne kadar kadın kişi sayısı ile erkek kişi sayısı eşit olsa da grupların kişisel alan nokta sayılarında bu sefer Türk kişilerden oluşan grubun kişisel alan nokta sayısının Gomez ve arkadaşları [22] yaptığı hesaplamada elde edilen sonuçtan daha az olduğu görülmektedir. Bu durum bu çalışmada önerilen iki temel kuralın başarıyla uygulandığını göstermektedir.

4. KARINCA ASLANI OPTİMİZASYON (ALO) ALGORİTMASI VE

SOSYAL YOL PLANLAMASI

Son yıllarda birçok sezgisel optimizasyon algoritması geliştirilmiş ve bu algoritmalar farklı uygulama alanlarında başarıyla kullanılmışlardır. Karınca aslanı optimizasyon algoritması, karınca aslanlarının kendilerine özgü avlanma tekniklerinden esinlenerek geliştirilmiş bir sezgisel optimizasyon algoritmasıdır. Bu bölümde ALO algoritması ve bir önceki bölümde elde edilen sonuçlar kullanılarak Türk Toplumu ve cinsiyete özgü kurallara uygun örnek bir sosyal yol planlaması gerçekleştirilmiştir.

4.1. KARINCA ASLANI OPTİMİZASYON (ALO) ALGORİTMASI

Karınca Aslanı Optimizasyon (ALO) algoritması, karınca aslanlarının avlanma tekniğini taklit eden bir optimizasyon algoritmasıdır [2]. Bu avlanma tekniğinden kısaca bahsetmek gerekirse; karınca aslanı larvaları, konik bir şekilde dairesel bir yol çizerek karıncalar için tuzak oluştururlar. Bu koni şeklinde tuzağın gözükmeyen en alt sivri ucuna kendilerini gömerler ve karıncaları beklemeye başlarlar. Karıncalar gelip tuzağa girdiklerinde tuzaktan kaçmasını engellemek ve karıncaları tuzağın dibine doğru çekmek için karıncalara kum fırlatmaya başlarlar. Karıncaları avladıktan sonra tuzağını tekrar kurup yeni karıncaların gelmesini beklerler [2].

Buna göre algoritma oluşturulurken, öncelikle karıncaların rastgele yürüyüşlerinin matematiksel modeli Denklem (4.1)’de verilen biçimde ifade edilmiştir [2]:

Burada 𝑛 maksimum iterasyon sayısı, 𝑡 rastgele atılan adımları, 𝑘𝑡𝑜𝑝 adımların kümülatif toplam değerini ve Denklem (4.2)’de tanımı verilen 𝑟(𝑡) bir rastgelelik fonksiyonunu, 𝑟𝑎𝑠𝑡 ise 0 − 1 aralığında rastgele oluşturulan bir sayıyı ifade etmektedir.

Rastgele yürüyüşe başlayan karıncaların arama uzayının dışına çıkmaması için Denklem 𝑋(𝑡) = [0, 𝑘𝑡𝑜𝑝(2𝑟(𝑡1) − 1), 𝑘𝑡𝑜𝑝(2𝑟(𝑡2) − 1), ⋯ , 𝑘𝑡𝑜𝑝(2𝑟(𝑡𝑛) − 1)] (4.1)

𝑟(𝑡) = {𝑟𝑎𝑠𝑡 > 0.5 𝑖𝑠𝑒 1

(4.3)’deki formüle göre konumları normalize edilir. Denklem (4.3)’de 𝑖 değişken sayısını, 𝑡 rastgele atılan adım sayısını, mini, 𝑖’nci değişkenin minimum rastgele yürüyüşünü, cit

ve d_it ise her bir iterasyonda güncellenen karınca aslanı pozisyonlarının sırasıyla minimum ve maksimum değerlerini ifade etmektedir [2].

Karıncaların yürüyüşleri karınca aslanlarından doğrudan etkilenmektedir. Karıncalar tuzağa girdiği anda, karınca aslanının onları tuzağın dibine çekmek için gerçekleştirdiği kum fırlatma hareketinin matematiksel modellemesi ise Denklem (4.4), (4.5), (4.6) ve (4.7)‘de sunulmuştur. Bu denklemlerde yer alan 𝐼 kaydırma oranını ifade etmektedir [2].

Yukarıda verilen denklemlere ilaveten, rulet tekerleği ile seçilen karınca aslanı ve elit karınca aslanı etrafında yürüyen karıncaların yeni pozisyonları Denklem (4.8) kullanılarak bulunabilir. Bu denklemde, 𝐾𝑎𝑟𝚤𝑛𝑐𝑎_𝑖𝑡_{, 𝑡’inci iterasyondaki 𝑖’nci karınca}

için; karıncaların yeni pozisyonunu, 𝑆𝑒𝑐𝑖𝑙𝑒𝑛_𝐴𝑡_{, 𝑡’inci iterasyondaki rulet tekerleği}

tarafından seçilen karınca aslanı çevresindeki rastgele yürüyüşü, 𝐸𝑙𝑖𝑡_𝐸𝑡_{, 𝑡’inci}

iterasyondaki elit karınca aslanı etrafında rastgele yürüyüşü ifade eder [2].

Son aşamada ise karınca aslanları tuzağın dibine düşürdüğü karıncaları yedikten sonra kendi pozisyonlarını Denklem (4.9)‘de verilen ifadeye göre güncellerler. Bu denklemde, 𝐾𝑎𝑠𝑙𝑎𝑛𝚤_𝑗𝑡, 𝑡’inci iterasyondaki 𝑗’inci karınca aslanını ifade eder [2].

𝑋_𝑖𝑡 = (𝑋𝑖 𝑡_{− 𝑚𝑖𝑛} 𝑖)(𝑑𝑖𝑡− 𝑐𝑖𝑡) 𝑑_𝑖𝑡− 𝑚𝑖𝑛𝑖 + 𝑐_𝑖 (4.3) 𝑐_𝑖𝑡 = 𝐾𝑎𝑠𝑙𝑎𝑛𝚤_𝑗𝑡+ 𝑐𝑡 _(4.4) 𝑑_𝑖𝑡 = 𝐾𝑎𝑠𝑙𝑎𝑛𝚤_𝑗𝑡+ 𝑑𝑡 _(4.5) 𝑐𝑡 ₌𝑐 𝑡 𝐼 (4.6) 𝑑𝑡 =𝑑 𝑡 𝐼 (4.7) 𝐾𝑎𝑟𝚤𝑛𝑐𝑎_𝑖𝑡= 𝑆𝑒𝑐𝑖𝑙𝑒𝑛𝐴 𝑡 _{+ 𝐸𝑙𝑖𝑡} 𝐸𝑡 2 (4.8)

Bir sonraki bölümde ALO algoritması ile sosyal yol planlaması sunulmuştur.

4.2. ALO ALGORİTMASI İLE SOSYAL YOL PLANLAMASI

Önerilen yöntemin mobil robotlarda yol planlaması için kullanılmasını göstermek amacıyla bu çalışmada, içinde tamamı Türk kişilerden oluşan iki (bir kadın ve bir erkek), üç (iki kadın ve bir erkek) ve dört (iki kadın ve iki erkek) kişilik üç farklı grup bulunan bir ortamda statik yol planlaması yapılmıştır. Bu planlamada mobil robotun başlangıç (start) noktasından hedef (goal) noktaya grupların kişisel alanlarına girmeden mümkün olan en kısa yoldan ulaşması amaçlanmıştır. Önerilen yol planlaması ortamı Şekil 4.1’da gösterilmiştir.

Şekil 4.1. Örnek yol planlaması için kullanılan ortam.

Yol planlamasının en önemli aşaması mobil robotların engellerden sakınmasıdır. Bu tez çalışmasında engel olarak kullanılan grupların kişisel alanları işlem yükünü azaltmak amacıyla kendilerine has şekilleri ile değil onun yerine kartezyen koordinat sistemindeki (x, y eksenlerindeki) maksimum ve minimum koordinat bilgileri kullanılarak oluşturulan dikdörtgensel alanlar şeklinde tanımlanmışlardır. Bu tanıma göre yol planlaması yapılırken her bir grup bu dikdörtgensel alanlara göre dikkate alınmıştır. Buna göre çözülmesi gereken problem “Başlangıç konumundan hedef konuma ulaşmak için dikdörtgensel alanlar üzerinden geçmeyen mümkün olan en kısa yolu bulma” şeklinde tanımlanabilir. Bu problem bu hali ile bir optimizasyon problemidir ve çözebilmek için 𝑓(𝐾𝑎𝑟𝚤𝑛𝑐𝑎_𝑖𝑡) < 𝑓(𝐾𝑎𝑠𝑙𝑎𝑛𝚤_𝑖𝑡) 𝑖𝑠𝑒 𝐾𝑎𝑠𝑙𝑎𝑛𝚤_𝑖𝑡 = 𝐾𝑎𝑟𝚤𝑛𝑐𝑎_𝑖𝑡 (4.9)

öncelikle bir amaç fonksiyon tanımlanmalıdır. Bu çalışmada kullanılan amaç fonksiyon aşağıdaki şekilde tanımlanmıştır.

Denklem (4.10)’de 𝑓, önerilen bir yol için hesaplanan amaç fonksiyon değerini, 𝑖, yol olarak önerilen güzergahı oluşturan doğru parçası sayısı, 𝑙_𝑖, doğru parçasının uzunluğu, 𝑡, önerilen yolun engellere çarpma sayısı ve 𝑒_𝑟, bir ceza katsayısıdır. Önerilen amaç fonksiyonuna göre başlangıç durumundan hedefe giden bir yol birden fazla doğru parçasından oluşmaktadır. Örnek bir yol Şekil 4.2‘de gösterilmiştir.

Şekil 4.2. Örnek bir yol.

Engellere çarpma durumunun tespiti için ise Şekil 4.3. ’da sunulan yaklaşım kullanılmıştır.

Şekil 4.3. Engelden sakınma yaklaşımı. 𝑓 = ∑ 𝑙_𝑖

𝑛

𝑖=1

Bu yaklaşıma göre ilk olarak her bir engel için o engelin köşegenleri, köşegenlerinin kesişim noktası ve köşegen uzunluğu (𝑟) hesaplanmaktadır. Hesaplanan köşegen kesişim noktası ile yolu oluşturan bir doğru parçası arasındaki uzaklık (ℎ) da hesaplanarak bu uzaklık bir köşegen uzunluğunun yarısı ile karşılaştırılmaktadır. Eğer ℎ < 𝑟/2 ise bu durumda ilgili doğru parçasının engele çarptığı kabul edilmektedir. Karşılaştırma elemanı olarak köşegen uzunluğunun seçilmesi engelden sakınma işleminin başarılı bir şekilde gerçekleşmesini sağlamaktadır.

Yol planlaması problemi bir optimizasyon problemi olduğu için bu çalışmada bu problemi çözmek için ALO algoritması tercih edilmiştir. ALO algoritması nüfus tabanlı bir algoritma olduğu için bu algoritma ile çözüm yapılırken her bir bireyi bir aday çözüm olan bir nüfus tanımlanır. Yol planlaması problemi için bu aday çözüm aşağıdaki gibi oluşturulmuştur.

Denklem (4.11)’de 𝑃 bir örnek yol tanımlamaktadır. 𝑥_𝑖 𝑦_𝑖(𝑖 = 1,2, … , 𝑛) ikilisi ise sırasıyla yolu oluşturan doğru parçalarının uç noktalarındaki kartezyen koordinat sistemindeki 𝑥 ve 𝑦 bileşenleridir. Son olarak 𝑛 ise yolu oluşturan doğru parçalarının uç nokta sayılarıdır. Buradan yolu oluşturan doğru parçası sayısı da 𝑛 − 1 olmaktadır. Herhangi bir yolu başlangıç ve hedef noktaları arasında tanımlayabilmek için bu çalışmada 𝑥₁ 𝑦₁ ve 𝑥_𝑛 𝑦_𝑛 ikilisi sırasıyla başlangıç ve hedef nokta koordinatları ile değiştirilmişlerdir.

Örnek yol planlaması uygulaması için 𝐵𝑎ş𝑙𝑎𝑛𝑔𝚤ç = [8 8]noktasından 𝐻𝑒𝑑𝑒𝑓 = [68 68] noktasına toplam 5 doğru parçasından (𝑛 = 6) oluşacak bir yol tanımlanmıştır. Örnek uygulamanın aday çözüm sayısı 100, maximum iterasyon sayısı 100 ve ceza katsayısı e_r= 200 olarak alınmış ve ALO algoritması ile çözüm gerçekleştirilmiştir. Problem 30 defa çözülmüş ve tüm çözümler Şekil 4.4 üzerinde gösterilmiştir.

Şekil 4.4. Örnek yol planlaması uygulaması.

Şekil 4.4’de görüldüğü gibi ALO algoritması ve önerilen engelden kaçınma yaklaşımı ile mobil robotlar için sosyal yol planlaması 30 denemenin tamamında da başarılı bir şekilde gerçekleştirilmiştir.

5. SONUÇLAR VE DEĞERLENDİRME

Bu çalışmada mobil robotların Türk Toplumu’nda kullanılması durumunda bu robotların toplum ile uyumunun sağlanması amacıyla, bu robotların tüm hareket süreçlerinde temel alınabilecek bir kişisel alan hesabı ve çizimleri sunulmuştur. Literatüre katkılarımız şu şekilde sıralanabilir:

1) Bu çalışmada ilk olarak sosyal yol planlamasına kültürel ve cinsiyet esaslı bir yaklaşım getirilerek yapılacak sosyal yol planlamasının Türk Toplumu’na özgü olması hedeflenmiştir.

2) İkinci olarak hedeflenen amaca yönelik literatür taraması yapılmış ve özellikle sosyal bilimler alanındaki literatürden faydalanılarak sosyal yol planlamasının Türk Toplumu’na ve cinsiyet esaslı olarak yapılması durumunda uygulanması gereken iki temel kural ortaya konmuştur. Bu kurallar şunlardır:

o Türk Toplumu’nda kişisel alan cinsiyete göre farklılık göstermekte ve bu farklılık erkeklerin kişisel alanlarının kadınlardan daha küçük olduğu şeklindedir.

o Türk Toplumu ile Amerika Toplumu karşılaştırıldığında Türk bireylerin kişisel alanları, Amerikalı bireylerin kişisel alanlarından daha küçüktür. 3) Elde edilen iki temel kural kullanılarak kişisel alan hesaplamaları bir, iki, üç, dört

ve beş kişilik gruplar (farklı cinsiyetlerde insanlardan oluşan) için gerçekleştirilmiştir. Yapılan hesaplama sonuçları görsel olarak sunulmuştur. 4) Önerilen sosyal yol planlaması için ALO algoritması kullanılarak bir uygulama

gerçekleştirilmiştir. Yapılan uygulamada statik yol planlaması yapılmıştır. İleride yapılacak çalışmalar olarak, dinamik yol planlaması ve bu çalışmada varsayımsal olarak kullanılan kişisel alan katsayısının gerçek değerinin sosyal bilimciler ile birlikte çalışılarak hesaplanması hedeflenmektedir.

6. KAYNAKLAR

[1] Y. Nakauchi ve R. Simmons, “A social robot that stands in line”, Proceedings of

the International Conference on Robots and Systems (IROS), c. 12, sayı 3, ss. 313–

324, 2000.

[2] S. Mirjalili, “The ant lion optimizer”, Advances in Engineering Software, c. 83, ss. 80–98, 2015.

[3] A. Şabanoviç ve S. Yannier, “Robotlar: Sosyal etkileşimli makineler”, TÜBİTAK

Bilim Teknik Dergisi, ss. 1-9, 2003.

[4] F. Yılmaz, “Robotlar hayatımızda”, FSM İlmî Araştırmalar İnsan ve Toplum Bilim.

Derg., sayı 12, ss. 109–120, 2018.

[5] G. V. Gök ve Ç. Afyon, “Kaynak uygulamalarında robot teknolojı̇sı̇”, Kaynak

Teknolojisi II. Ulusal Kongresi, ss. 221–230, 2000.

[6] M. Toz, “Inverse kinematic solution of a 6 DOF serial robot manipulator with offset wrist by using ALO algorithm”, Sigma Journal of Engineering and Natural

Sciences, c. 8, sayı 2, ss. 81–90, 2016.

[7] G. Li, H. Huang, H. Guo, ve B. Li, “Design, analysis and control of a novel deployable grasping manipulator”, Mechanism and Machine Theory, c. 138, ss. 182–204, 2019.

[8] L. Nguyen Vu ve C. H. Kuo, “An analytical stiffness method for spring-articulated planar serial or quasi-serial manipulators under gravity and an arbitrary load”,

Mechanism and Machine Theory, c. 137, ss. 108–126, 2019.

[9] T. Weiser ve B. Corves, “Deflection modeling of a manipulator for mechanical design”, Mechanism and Machine Theory, c. 137, ss. 172–187, 2019.

[10] J. Hu, Y. Sun, G. Li, G. Jiang, ve B. Tao, “Probability analysis for grasp planning facing the field of medical robotics”, Measurement: Journal of the International

Measurement Confederation, c. 141, ss. 227–234, 2019.

[11] N. J. Felipe ve R. Sommer, “Invasions of personal space”, Social Problems, c. 14, sayı 2, ss. 206–214, 2014.

[12] M. A. Dosey ve M. Meisels, “Personal space and self-protection”, Journal

Personal and Social Psychology, c. 11, sayı 2, ss. 93–97, 1969.

[13] F. N. Willis, “Initial speaking distance as a function of the speakers’ Relationship”,

Psychonomic Science, c. 5, sayı 6, ss. 221–222, 1966.

[14] E. T. Hall, The Hidden Dimension, New York, USA: Anchorbooks, 1966.

[15] T. Amaoka, H. Laga, S. Saito, ve M. Nakajima, “Personal space-based modeling of relationships between people for new human-computer interaction”,

Proceedings International Workshop on Advanced Imaging Techniques, 2009.

[16] A. Rüstemli, “Male and female personal space needs and escape reactions under intrusion: A turkish sample”, International Journal of Psychology, c. 21, ss. 503– 511, 1986.

[17] S. Sehestedt, S. Kodagoda, ve G. Dissanayake, “Robot path planning in a social context”, IEEE Conf. Robotics Automation Mechatronics, 2010, ss. 206–211. [18] A. Zelinsky, R. A. Jarvis, J. C. Byrne, ve S. Yuta, “Planning paths of complete

coverage of an unstructured environment by a mobile robot”, Proceedings of

International Conference on Advanced Robotics, 1993, ss. 533-538.

[19] T. Ohki, K. Nagatani, ve K. Yoshida, “Collision avoidance method for mobile robot considering motion and personal spaces of evacuees”, IEEE/RSJ 2010

International Conference on Intelligent Robots and Systems, IROS 2010 - Conference Proceedings, 2010, ss. 1819–1824.

[20] R. Simmons, R. Goodwin, K. Z. Haigh, S. Koenig ve J. O’Sullivan, “A layered architecture for office delivery robots”, Proceedings of the First International

Conference on Autonomous Agents, 1997, ss. 245–252.

[21] B. Bekci ve A. Özbilen, “A research on the application of a harmony between personal space and architectural space into a case study like park”, Kastamonu

Üniversitesi Orman Fakültesi Dergisi, c. 12, sayı 2, ss. 329–338, 2012.

[22] J. V Gómez, N. Mavridis, ve S. Garrido, “Social path planning: Generic human-robot interaction framework for human-robotic navigation tasks”, 2nd International

Workshop Cognitive Robotics Systems: Replicating Human Actions and Activities,

2013.

[23] M. L. Walters, K. L. Koay, S. N. Woods, D. S. Syrdal, ve K. Dautenhahn, “Robot to human approaches: Preliminary results on comfortable distances and preferences”, Multidisciplinary Collaboration for Socially Assistive Robotics, 2007, Stanford University, Palo Alto, CA, USA.

[24] M. L. Walters, K. Dautenhahn, R. te Boekhorst, K. L. Koay, D. S. Syrdal, ve C. L. Nehaniv, “An empirical framework for human-robot proxemics”, New Frontiers

in Human-Robot Interaction: Symposium at the AISB09 Conventions, 2009, ss.

144–149.

[25] R. Mead, A. Atrash, ve M. Mataric, “Automated analysis of proxemic behavior: Leveraging metrics from the social sciences”, Robotics: Science and Systems, 2011.

[26] J. Guzzi, A. Giusti, L. M. Gambardella, G. Theraulaz, ve G. A. Di Caro, “Human-friendly robot navigation in dynamic environments”, Proceedings - IEEE

International Conference on Robotics and Automation, 2013, ss. 423–430.

[27] R. Mead ve M. J. Mataric, “A probabilistic framework for autonomous proxemic control in situated and mobile human-robot interaction”, 7th ACM/IEEE

International Conference on Human-Robot Interaction (HRI), 2012, ss. 193–194.

[28] S. Satake, T. Kanda, D. F. Glas, M. Imai, H. Ishiguro ve N. Hagita, “How to approach humans? Strategies for social robots to initiate interaction”, Proceedings

of the 4th ACM/IEEE International Conference on Human Robot Interaction,

2012, ss. 109–116.

[29] E. Avrunin ve R. Simmons, “Using human approach paths to improve social navigation”, ACM/IEEE International Conference on Human-Robot Interaction, 2013, ss. 73–74.

[30] R. Paulin, T. Fraichard, ve P. Reignier, “Using human attention to address human-robot motion”, IEEE Robotics and Automation Letters, c. 4, sayı 2, ss. 2038–2045,

2019.

[31] P. Tucnik, T. Nachazel, P. Cech, ve V. Bures, “Comparative analysis of selected path-planning approaches in large-scale multi-agent-based environments”, Expert

Systems with Applications, c. 113, ss. 415–427, 2018.

[32] H. Liu, B. Xu, D. Lu, ve G. Zhang, “A path planning approach for crowd evacuation in buildings based on improved artificial bee colony algorithm”,

Applied Soft Computing Journal, c. 68, ss. 360–376, 2018.

[33] T. Kruse vd., “Legible robot navigation in the proximity of moving humans”,

Proceedings of IEEE Workshop on Advanced Robotics and its Social Impacts (ARSO), 2012, ss. 83–88.

[34] J. D. Fisher ve D. Byrne, “Too close for comfort: Sex differences in response to invasions of personal space”, Journal of Personality Social Psychology, c. 32, sayı 1, ss. 15–21, 1975.

[35] A. Rüstemli, “Crowding effects of density and interpersonal distance”, Journal of

Personality Social Psychology, c. 132, sayı 1, ss. 51–58, 1992.

[36] S. Çelik, “‘Get your face out of mine’ culture-oriented distance in EFL context a helpful guide for turkish EFL teachers”, TÖMER Language Journal, c. 128, ss. 37–50, 2005.

ÖZGEÇMİŞ

Adı Soyadı : Canberk TOLUNBÜKE

Doğum Tarihi ve Yeri : 18.11.1990 Altındağ/ANKARA Yabancı Dili : İngilizce

E-posta : canberk164@gmail.com

ÖĞRENİM DURUMU

Derece Alan Okul/Üniversite Mezuniyet Yılı

Lisans Maden Mühendisliği

Eskişehir Osmangazi

Üniversitesi 2013

Lise Batıkent Lisesi 2007

YAYINLAR

C. Tolunbüke ve M. Toz, “Personal Space Calculation and Path Planning for Mobile Robots Based on the Turkish Social and Cultural Structure and the Gender”, 2018 6th

International Conference on Control Engineering & Information Technology (CEIT),