TY  - CONF
AU  - Petrović, Milica
AU  - Petronijević, Jelena
AU  - Mitić, Marko
AU  - Vuković, Najdan
AU  - Miljković, Zoran
AU  - Babić, Bojan
PY  - 2016
UR  - https://machinery.mas.bg.ac.rs/handle/123456789/4560
AB  - U radu je prikazan pristup za integrisano projektovanje i terminiranje fleksibilnih teholoških procesa obrade delova primenom algoritma baziranog na inteligenciji roja čestica i teoriji haosa (cPSO algoritam). Pored metoda kodiranja/dekodiranja parametara planova terminiranja u jedinke cPSO algoritma, u radu je predložen matematički model za minimizaciju ukupnog vremena za obradu svih delova čije se terminiranje vrši, maksimizaciju uravnoteženog iskorišćenja mašina alatki i minimizaciju transportnih tokova materijala. Takođe, u cilju prevazilaženja nedostataka vezanih za brzu konvergenciju algoritma u ranim fazama optimizacije, predložena je implementacija haotičnih mapa u PSO algoritam. Predloženi pristup je eksperimentalno verifikovan na primeru dobijanja optimalnih planova terminiranja realnih delova.
AB  - This paper presents an approach for integration of process planning and scheduling based on the particle swarm optimization algorithm and chaos theory (cPSO). Besides scheduling plans representation and particle encoding/decoding scheme, mathematical model for the minimization of makespan, maximization of balanced level of machine utilization and minimization of mean flow time was presented. Also, we proposed implementation of chaotic maps in PSO algorithm in order to prevent algorithm from converging prematurely. Experimental verification of the proposed algorithm was done through the optimal scheduling of real parts.
PB  - JUPITER Asocijacija, Univerzitet u Beogradu - Mašinski fakultet
C3  - 40. JUPITER Konferencija, 36. simpozijum „NU-ROBOTI-FTS“ : Zbornik radova, Beograd, maj 2016
T1  - Интелигенција роја честица и теорија хаоса у интегрисаном пројектовању и терминирању флексибилних технолошких процеса
T1  - Particle Swarm Optimization Algorithm and Chaos Theory for Integration of Process Planning and Scheduling
EP  - 3.32
SP  - 3.22
UR  - https://hdl.handle.net/21.15107/rcub_machinery_4560
ER  - 

@conference{
author = "Petrović, Milica and Petronijević, Jelena and Mitić, Marko and Vuković, Najdan and Miljković, Zoran and Babić, Bojan",
year = "2016",
abstract = "U radu je prikazan pristup za integrisano projektovanje i terminiranje fleksibilnih teholoških procesa obrade delova primenom algoritma baziranog na inteligenciji roja čestica i teoriji haosa (cPSO algoritam). Pored metoda kodiranja/dekodiranja parametara planova terminiranja u jedinke cPSO algoritma, u radu je predložen matematički model za minimizaciju ukupnog vremena za obradu svih delova čije se terminiranje vrši, maksimizaciju uravnoteženog iskorišćenja mašina alatki i minimizaciju transportnih tokova materijala. Takođe, u cilju prevazilaženja nedostataka vezanih za brzu konvergenciju algoritma u ranim fazama optimizacije, predložena je implementacija haotičnih mapa u PSO algoritam. Predloženi pristup je eksperimentalno verifikovan na primeru dobijanja optimalnih planova terminiranja realnih delova., This paper presents an approach for integration of process planning and scheduling based on the particle swarm optimization algorithm and chaos theory (cPSO). Besides scheduling plans representation and particle encoding/decoding scheme, mathematical model for the minimization of makespan, maximization of balanced level of machine utilization and minimization of mean flow time was presented. Also, we proposed implementation of chaotic maps in PSO algorithm in order to prevent algorithm from converging prematurely. Experimental verification of the proposed algorithm was done through the optimal scheduling of real parts.",
publisher = "JUPITER Asocijacija, Univerzitet u Beogradu - Mašinski fakultet",
journal = "40. JUPITER Konferencija, 36. simpozijum „NU-ROBOTI-FTS“ : Zbornik radova, Beograd, maj 2016",
title = "Интелигенција роја честица и теорија хаоса у интегрисаном пројектовању и терминирању флексибилних технолошких процеса, Particle Swarm Optimization Algorithm and Chaos Theory for Integration of Process Planning and Scheduling",
pages = "3.32-3.22",
url = "https://hdl.handle.net/21.15107/rcub_machinery_4560"
}

Petrović, M., Petronijević, J., Mitić, M., Vuković, N., Miljković, Z.,& Babić, B.. (2016). Интелигенција роја честица и теорија хаоса у интегрисаном пројектовању и терминирању флексибилних технолошких процеса. in 40. JUPITER Konferencija, 36. simpozijum „NU-ROBOTI-FTS“ : Zbornik radova, Beograd, maj 2016
JUPITER Asocijacija, Univerzitet u Beogradu - Mašinski fakultet., 3.22-3.32.
https://hdl.handle.net/21.15107/rcub_machinery_4560

Petrović M, Petronijević J, Mitić M, Vuković N, Miljković Z, Babić B. Интелигенција роја честица и теорија хаоса у интегрисаном пројектовању и терминирању флексибилних технолошких процеса. in 40. JUPITER Konferencija, 36. simpozijum „NU-ROBOTI-FTS“ : Zbornik radova, Beograd, maj 2016. 2016;:3.22-3.32.
https://hdl.handle.net/21.15107/rcub_machinery_4560 .

Petrović, Milica, Petronijević, Jelena, Mitić, Marko, Vuković, Najdan, Miljković, Zoran, Babić, Bojan, "Интелигенција роја честица и теорија хаоса у интегрисаном пројектовању и терминирању флексибилних технолошких процеса" in 40. JUPITER Konferencija, 36. simpozijum „NU-ROBOTI-FTS“ : Zbornik radova, Beograd, maj 2016 (2016):3.22-3.32,
https://hdl.handle.net/21.15107/rcub_machinery_4560 .

TY  - JOUR
AU  - Petrović, Milica
AU  - Petronijević, Jelena
AU  - Mitić, Marko
AU  - Vuković, Najdan
AU  - Miljković, Zoran
AU  - Babić, Bojan
PY  - 2016
UR  - https://machinery.mas.bg.ac.rs/handle/123456789/3964
AB  - Process planning and scheduling are two of the most important manufacturing functions which are usually performed sequentially in traditional approaches. Considering the fact that these functions are usually complementary, it is necessary to integrate them so as to improve performance of a manufacturing system. This paper presents implementation of novel nature-inspired Ant Lion Optimization (ALO) algorithm for solving this combinatorial optimization problem effectively. As the ALO algorithm mimics the intelligent behavior of antlions in hunting ants, the main steps of hunting prey, its mathematical modeling, and optimization procedure for integration of process planning and scheduling is proposed. The algorithm is implemented in Matlab environment and run on the 3.10 GHz processor with 2 GBs of RAM memory. Experimental results show applicability of the proposed approach in solving integrated process planning and scheduling problem.
T2  - Applied Mechanics and Materials
T1  - The Ant Lion Optimization Algorithm for Integrated Process Planning and Scheduling
SP  - 187-192
VL  - 834
DO  - 10.4028/www.scientific.net/AMM.834.187
ER  - 

@article{
author = "Petrović, Milica and Petronijević, Jelena and Mitić, Marko and Vuković, Najdan and Miljković, Zoran and Babić, Bojan",
year = "2016",
abstract = "Process planning and scheduling are two of the most important manufacturing functions which are usually performed sequentially in traditional approaches. Considering the fact that these functions are usually complementary, it is necessary to integrate them so as to improve performance of a manufacturing system. This paper presents implementation of novel nature-inspired Ant Lion Optimization (ALO) algorithm for solving this combinatorial optimization problem effectively. As the ALO algorithm mimics the intelligent behavior of antlions in hunting ants, the main steps of hunting prey, its mathematical modeling, and optimization procedure for integration of process planning and scheduling is proposed. The algorithm is implemented in Matlab environment and run on the 3.10 GHz processor with 2 GBs of RAM memory. Experimental results show applicability of the proposed approach in solving integrated process planning and scheduling problem.",
journal = "Applied Mechanics and Materials",
title = "The Ant Lion Optimization Algorithm for Integrated Process Planning and Scheduling",
pages = "187-192",
volume = "834",
doi = "10.4028/www.scientific.net/AMM.834.187"
}

Petrović, M., Petronijević, J., Mitić, M., Vuković, N., Miljković, Z.,& Babić, B.. (2016). The Ant Lion Optimization Algorithm for Integrated Process Planning and Scheduling. in Applied Mechanics and Materials, 834, 187-192.
https://doi.org/10.4028/www.scientific.net/AMM.834.187

Petrović M, Petronijević J, Mitić M, Vuković N, Miljković Z, Babić B. The Ant Lion Optimization Algorithm for Integrated Process Planning and Scheduling. in Applied Mechanics and Materials. 2016;834:187-192.
doi:10.4028/www.scientific.net/AMM.834.187 .

Petrović, Milica, Petronijević, Jelena, Mitić, Marko, Vuković, Najdan, Miljković, Zoran, Babić, Bojan, "The Ant Lion Optimization Algorithm for Integrated Process Planning and Scheduling" in Applied Mechanics and Materials, 834 (2016):187-192,
https://doi.org/10.4028/www.scientific.net/AMM.834.187 . .

TY  - CONF
AU  - Petronijević, Jelena
AU  - Petrović, Milica
AU  - Vuković, Najdan
AU  - Mitić, Marko
AU  - Babić, Bojan
AU  - Miljković, Zoran
PY  - 2015
UR  - https://machinery.mas.bg.ac.rs/handle/123456789/4623
AB  - Multi-agent systems have been used for modelling various problems in the social, biological and technical domain. When comes to technical systems, especially manufacturing systems, agents are most often applied in optimization and scheduling problems. Traditionally, scheduling is done after creation of process plans. In this paper, agent methodology is used for integration of these two functions. The proposed multi-agent architecture provides simultaneous performance of process planning and scheduling and it consists of four intelligent agents: part and job agents, machine agent, and optimization agent. Verification and feasibility of a proposed approach is
conducted using agent based simulation in AnyLogic software.
PB  - Novi Sad : Faculty of Technical Sciences
C3  - Proceedings of the 12th International Scientific Conference MMA 2015 – Flexible Technologies, Novi Sad, 25-26 September 2015
T1  - Multi-Agent Modeling for Integrated Process Planning and Scheduling
EP  - 124
SP  - 121
UR  - https://hdl.handle.net/21.15107/rcub_machinery_4623
ER  - 

@conference{
author = "Petronijević, Jelena and Petrović, Milica and Vuković, Najdan and Mitić, Marko and Babić, Bojan and Miljković, Zoran",
year = "2015",
abstract = "Multi-agent systems have been used for modelling various problems in the social, biological and technical domain. When comes to technical systems, especially manufacturing systems, agents are most often applied in optimization and scheduling problems. Traditionally, scheduling is done after creation of process plans. In this paper, agent methodology is used for integration of these two functions. The proposed multi-agent architecture provides simultaneous performance of process planning and scheduling and it consists of four intelligent agents: part and job agents, machine agent, and optimization agent. Verification and feasibility of a proposed approach is
conducted using agent based simulation in AnyLogic software.",
publisher = "Novi Sad : Faculty of Technical Sciences",
journal = "Proceedings of the 12th International Scientific Conference MMA 2015 – Flexible Technologies, Novi Sad, 25-26 September 2015",
title = "Multi-Agent Modeling for Integrated Process Planning and Scheduling",
pages = "124-121",
url = "https://hdl.handle.net/21.15107/rcub_machinery_4623"
}

Petronijević, J., Petrović, M., Vuković, N., Mitić, M., Babić, B.,& Miljković, Z.. (2015). Multi-Agent Modeling for Integrated Process Planning and Scheduling. in Proceedings of the 12th International Scientific Conference MMA 2015 – Flexible Technologies, Novi Sad, 25-26 September 2015
Novi Sad : Faculty of Technical Sciences., 121-124.
https://hdl.handle.net/21.15107/rcub_machinery_4623

Petronijević J, Petrović M, Vuković N, Mitić M, Babić B, Miljković Z. Multi-Agent Modeling for Integrated Process Planning and Scheduling. in Proceedings of the 12th International Scientific Conference MMA 2015 – Flexible Technologies, Novi Sad, 25-26 September 2015. 2015;:121-124.
https://hdl.handle.net/21.15107/rcub_machinery_4623 .

Petronijević, Jelena, Petrović, Milica, Vuković, Najdan, Mitić, Marko, Babić, Bojan, Miljković, Zoran, "Multi-Agent Modeling for Integrated Process Planning and Scheduling" in Proceedings of the 12th International Scientific Conference MMA 2015 – Flexible Technologies, Novi Sad, 25-26 September 2015 (2015):121-124,
https://hdl.handle.net/21.15107/rcub_machinery_4623 .

TY  - CONF
AU  - Vuković, Najdan
AU  - Mitić, Marko
AU  - Petrović, Milica
AU  - Petronijević, Jelena
AU  - Miljković, Zoran
PY  - 2015
UR  - https://machinery.mas.bg.ac.rs/handle/123456789/4468
AB  - In this paper we test Extended Information Filter (EIF) for sequential training of Hyper Basis Function Neural Networks with growing and pruning ability (HBF-GP). The HBF neuron allows different scaling of input dimensions to provide better generalization property when dealing with complex nonlinear problems in engineering practice. The main intuition behind HBF is in generalization of Gaussian type of neuron that applies Mahalanobis-like distance as a distance metrics between input training sample and prototype vector. We exploit concept of neuron’s significance and allow growing and pruning of HBF neurons during sequential learning process. From engineer’s perspective, EIF is attractive for training of neural networks because it allows a designer to have scarce initial knowledge of the system/problem. Extensive experimental study shows that HBF neural network trained with EIF achieves same prediction error and compactness of network topology when compared to EKF, but without the need to know initial state uncertainty, which is its main advantage over EKF.
PB  - Society for Information Systems and Computer Networks
C3  - Proceedings of the 5th International Conference on Information Society and Technology (ICIST 2015), Kopaonik 8-11. March 2015
T1  - Experimental Evaluation of Growing and Pruning Hyper Basis Function Neural Networks Trained with Extended Information Filter
EP  - 94
SP  - 89
UR  - https://hdl.handle.net/21.15107/rcub_machinery_4468
ER  - 

@conference{
author = "Vuković, Najdan and Mitić, Marko and Petrović, Milica and Petronijević, Jelena and Miljković, Zoran",
year = "2015",
abstract = "In this paper we test Extended Information Filter (EIF) for sequential training of Hyper Basis Function Neural Networks with growing and pruning ability (HBF-GP). The HBF neuron allows different scaling of input dimensions to provide better generalization property when dealing with complex nonlinear problems in engineering practice. The main intuition behind HBF is in generalization of Gaussian type of neuron that applies Mahalanobis-like distance as a distance metrics between input training sample and prototype vector. We exploit concept of neuron’s significance and allow growing and pruning of HBF neurons during sequential learning process. From engineer’s perspective, EIF is attractive for training of neural networks because it allows a designer to have scarce initial knowledge of the system/problem. Extensive experimental study shows that HBF neural network trained with EIF achieves same prediction error and compactness of network topology when compared to EKF, but without the need to know initial state uncertainty, which is its main advantage over EKF.",
publisher = "Society for Information Systems and Computer Networks",
journal = "Proceedings of the 5th International Conference on Information Society and Technology (ICIST 2015), Kopaonik 8-11. March 2015",
title = "Experimental Evaluation of Growing and Pruning Hyper Basis Function Neural Networks Trained with Extended Information Filter",
pages = "94-89",
url = "https://hdl.handle.net/21.15107/rcub_machinery_4468"
}

Vuković, N., Mitić, M., Petrović, M., Petronijević, J.,& Miljković, Z.. (2015). Experimental Evaluation of Growing and Pruning Hyper Basis Function Neural Networks Trained with Extended Information Filter. in Proceedings of the 5th International Conference on Information Society and Technology (ICIST 2015), Kopaonik 8-11. March 2015
Society for Information Systems and Computer Networks., 89-94.
https://hdl.handle.net/21.15107/rcub_machinery_4468

Vuković N, Mitić M, Petrović M, Petronijević J, Miljković Z. Experimental Evaluation of Growing and Pruning Hyper Basis Function Neural Networks Trained with Extended Information Filter. in Proceedings of the 5th International Conference on Information Society and Technology (ICIST 2015), Kopaonik 8-11. March 2015. 2015;:89-94.
https://hdl.handle.net/21.15107/rcub_machinery_4468 .

Vuković, Najdan, Mitić, Marko, Petrović, Milica, Petronijević, Jelena, Miljković, Zoran, "Experimental Evaluation of Growing and Pruning Hyper Basis Function Neural Networks Trained with Extended Information Filter" in Proceedings of the 5th International Conference on Information Society and Technology (ICIST 2015), Kopaonik 8-11. March 2015 (2015):89-94,
https://hdl.handle.net/21.15107/rcub_machinery_4468 .

TY  - GEN
AU  - Petronijević, Jelena
AU  - Petrović, Milica
AU  - Vuković, Najdan
AU  - Mitić, Marko
AU  - Babić, Bojan
AU  - Miljković, Zoran
PY  - 2015
UR  - https://machinery.mas.bg.ac.rs/handle/123456789/4815
AB  - Tehničko rešenje - nova metoda (M85), pripada oblasti mašinstva i odnosi se na domen dinamičkog integrisanog planiranja i terminiranja proizvodnje. Rešavanje problema izvodi se multiagentnom metodologijom. Predložena multiagentna arhitektura se sastoji iz pet agenata: agent za delove, agent za operacije, agent za mašine, agent za alate i agent za sinhronizaciju. Sinhronizovanim dejstvom svih agenata uz posedovanje informacije o alternativnim tehnološkim postupcima, a u zavisnosti od stanja okruženja vrši se dinamičko planiranje i terminiranje proizvodnje. Verifikacija predloženog rešenja izvedena je u AnyLogic softverskom paketu. Rezultati simulacije pokazuju da predložena arhitektura omogućuje promenu i prilagođavanje tehnoloških postupaka, kao i planova terminiranja, u zavisnosti od stanja simuliranog modela tehnološkog okruženja. Razvijana je kroz aktivnosti u okviru naučnog projekta pod oznakom TR-35004 MPNiTR Vlade Republike Srbije.
T2  - Техничко решење (M85) је прихваћено од стране Матичног научног одбора за машинство и индустријски софтвер
T1  - Multiagentni sistem za dinamičko integrisano planiranje i terminiranje proizvodnje
UR  - https://hdl.handle.net/21.15107/rcub_machinery_4815
ER  - 

@misc{
author = "Petronijević, Jelena and Petrović, Milica and Vuković, Najdan and Mitić, Marko and Babić, Bojan and Miljković, Zoran",
year = "2015",
abstract = "Tehničko rešenje - nova metoda (M85), pripada oblasti mašinstva i odnosi se na domen dinamičkog integrisanog planiranja i terminiranja proizvodnje. Rešavanje problema izvodi se multiagentnom metodologijom. Predložena multiagentna arhitektura se sastoji iz pet agenata: agent za delove, agent za operacije, agent za mašine, agent za alate i agent za sinhronizaciju. Sinhronizovanim dejstvom svih agenata uz posedovanje informacije o alternativnim tehnološkim postupcima, a u zavisnosti od stanja okruženja vrši se dinamičko planiranje i terminiranje proizvodnje. Verifikacija predloženog rešenja izvedena je u AnyLogic softverskom paketu. Rezultati simulacije pokazuju da predložena arhitektura omogućuje promenu i prilagođavanje tehnoloških postupaka, kao i planova terminiranja, u zavisnosti od stanja simuliranog modela tehnološkog okruženja. Razvijana je kroz aktivnosti u okviru naučnog projekta pod oznakom TR-35004 MPNiTR Vlade Republike Srbije.",
journal = "Техничко решење (M85) је прихваћено од стране Матичног научног одбора за машинство и индустријски софтвер",
title = "Multiagentni sistem za dinamičko integrisano planiranje i terminiranje proizvodnje",
url = "https://hdl.handle.net/21.15107/rcub_machinery_4815"
}

Petronijević, J., Petrović, M., Vuković, N., Mitić, M., Babić, B.,& Miljković, Z.. (2015). Multiagentni sistem za dinamičko integrisano planiranje i terminiranje proizvodnje. in Техничко решење (M85) је прихваћено од стране Матичног научног одбора за машинство и индустријски софтвер.
https://hdl.handle.net/21.15107/rcub_machinery_4815

Petronijević J, Petrović M, Vuković N, Mitić M, Babić B, Miljković Z. Multiagentni sistem za dinamičko integrisano planiranje i terminiranje proizvodnje. in Техничко решење (M85) је прихваћено од стране Матичног научног одбора за машинство и индустријски софтвер. 2015;.
https://hdl.handle.net/21.15107/rcub_machinery_4815 .

Petronijević, Jelena, Petrović, Milica, Vuković, Najdan, Mitić, Marko, Babić, Bojan, Miljković, Zoran, "Multiagentni sistem za dinamičko integrisano planiranje i terminiranje proizvodnje" in Техничко решење (M85) је прихваћено од стране Матичног научног одбора за машинство и индустријски софтвер (2015),
https://hdl.handle.net/21.15107/rcub_machinery_4815 .

TY  - JOUR
AU  - Vuković, Najdan
AU  - Mitić, Marko
AU  - Miljković, Zoran
PY  - 2015
UR  - https://machinery.mas.bg.ac.rs/handle/123456789/2173
AB  - U radu je prikazan i izveden novi sekvencijalni algoritam za obučavanje višeslojnog perceptrona u prisustvu autlajera. Autlajeri predstavljaju značajan problem, posebno ukoliko sprovodimo sekvencijalno obučavanje ili obučavanje u realnom vremenu. Linearizovani Kalmanov filtar robustan na autlajere (LKF-RA), je statistički generativni model u kome je matrica kovarijansi šuma merenja modelovana kao stohastički proces, a apriorna informacija usvojena kao inverzna Višartova raspodela. Izvođenje svih jednakosti je bazirano na prvim principima Bajesovske metodologije. Da bi se rešio korak modifikacije primenjen je varijacioni metod, u kome rešenje problema tražimo u familiji raspodela odgovarajuće funkcionalne forme. Eksperimentalni rezultati primene LKF-RA, dobijeni korišćenjem stvarnih vremenskih serija, pokazuju da je LKF-RA bolji od konvencionalnog linearizovanog Kalmanovog filtra u smislu generisanja niže greške na test skupu podataka. Prosečna vrednost poboljšanja određena u eksperimentalnom procesu je 7%.
AB  - We derive a new sequential learning algorithm for Multilayered Perceptron (MLP) neural network robust to outliers. Presence of outliers in data results in failure of the model especially if data processing is performed on-line or in real time. Extended Kalman filter robust to outliers (EKF-OR) is probabilistic generative model in which measurement noise covariance is modeled as stochastic process over the set of symmetric positive-definite matrices in which prior is given as inverse Wishart distribution. Derivation of expressions comes straight form first principles, within Bayesian framework. Analytical intractability of Bayes' update step is solved using Variational Inference (VI). Experimental results obtained using real world stochastic data show that MLP network trained with proposed algorithm achieves low error and average improvement rate of 7% when compared directly to conventional EKF learning algorithm.
PB  - Univerzitet u Beogradu - Mašinski fakultet, Beograd
T2  - FME Transactions
T1  - Varijacioni pristup robustnom obučavanju višeslojnog perceptrona na bazi Bajesovske metodologije
T1  - Variational inference for robust sequential learning of multilayered perceptron neural network
EP  - 130
IS  - 2
SP  - 123
VL  - 43
DO  - 10.5937/fmet1502123V
ER  - 

@article{
author = "Vuković, Najdan and Mitić, Marko and Miljković, Zoran",
year = "2015",
abstract = "U radu je prikazan i izveden novi sekvencijalni algoritam za obučavanje višeslojnog perceptrona u prisustvu autlajera. Autlajeri predstavljaju značajan problem, posebno ukoliko sprovodimo sekvencijalno obučavanje ili obučavanje u realnom vremenu. Linearizovani Kalmanov filtar robustan na autlajere (LKF-RA), je statistički generativni model u kome je matrica kovarijansi šuma merenja modelovana kao stohastički proces, a apriorna informacija usvojena kao inverzna Višartova raspodela. Izvođenje svih jednakosti je bazirano na prvim principima Bajesovske metodologije. Da bi se rešio korak modifikacije primenjen je varijacioni metod, u kome rešenje problema tražimo u familiji raspodela odgovarajuće funkcionalne forme. Eksperimentalni rezultati primene LKF-RA, dobijeni korišćenjem stvarnih vremenskih serija, pokazuju da je LKF-RA bolji od konvencionalnog linearizovanog Kalmanovog filtra u smislu generisanja niže greške na test skupu podataka. Prosečna vrednost poboljšanja određena u eksperimentalnom procesu je 7%., We derive a new sequential learning algorithm for Multilayered Perceptron (MLP) neural network robust to outliers. Presence of outliers in data results in failure of the model especially if data processing is performed on-line or in real time. Extended Kalman filter robust to outliers (EKF-OR) is probabilistic generative model in which measurement noise covariance is modeled as stochastic process over the set of symmetric positive-definite matrices in which prior is given as inverse Wishart distribution. Derivation of expressions comes straight form first principles, within Bayesian framework. Analytical intractability of Bayes' update step is solved using Variational Inference (VI). Experimental results obtained using real world stochastic data show that MLP network trained with proposed algorithm achieves low error and average improvement rate of 7% when compared directly to conventional EKF learning algorithm.",
publisher = "Univerzitet u Beogradu - Mašinski fakultet, Beograd",
journal = "FME Transactions",
title = "Varijacioni pristup robustnom obučavanju višeslojnog perceptrona na bazi Bajesovske metodologije, Variational inference for robust sequential learning of multilayered perceptron neural network",
pages = "130-123",
number = "2",
volume = "43",
doi = "10.5937/fmet1502123V"
}

Vuković, N., Mitić, M.,& Miljković, Z.. (2015). Varijacioni pristup robustnom obučavanju višeslojnog perceptrona na bazi Bajesovske metodologije. in FME Transactions
Univerzitet u Beogradu - Mašinski fakultet, Beograd., 43(2), 123-130.
https://doi.org/10.5937/fmet1502123V

Vuković N, Mitić M, Miljković Z. Varijacioni pristup robustnom obučavanju višeslojnog perceptrona na bazi Bajesovske metodologije. in FME Transactions. 2015;43(2):123-130.
doi:10.5937/fmet1502123V .

Vuković, Najdan, Mitić, Marko, Miljković, Zoran, "Varijacioni pristup robustnom obučavanju višeslojnog perceptrona na bazi Bajesovske metodologije" in FME Transactions, 43, no. 2 (2015):123-130,
https://doi.org/10.5937/fmet1502123V . .

TY  - GEN
AU  - Petrović, Milica
AU  - Petronijević, Jelena
AU  - Vuković, Najdan
AU  - Mitić, Marko
AU  - Miljković, Zoran
AU  - Babić, Bojan
PY  - 2014
UR  - https://machinery.mas.bg.ac.rs/handle/123456789/4756
AB  - Tehničko rešenje - nova metoda (M85), odnosi se na problem generisanja optimalnih planova terminiranja primenom multiagentnih sistema i tehnika veštačke inteligencije, konkretno biološki inspirisanog algoritma na bazi inteligencije roja čestica (engl. PSO – Particle Swarm Optimization) i veštačkih neuronskih mreža (engl. ANN – Artificial Neural Networks). Ova nova metoda pripada oblasti mašinstva i odnosi se na domen integrisanog projektovanja i terminiranja optimalnih fleksibilnih tehnoloških procesa. Predložena multiagentna arhitehtura se sastoji od šest agenata: agent za optimizaciju, agent za učenje, agent za delove, agent za mašine, agent za alate i agent za transport. Agent za učenje zajedno sa agentom za optimizaciju vrši generisanje optimalnih fleksibilnih tehnoloških procesa, dok preostala četiri agenta učestvuju u njihovom terminiranju. Dakle, nakon generisanja optimalnih i približno optimalnih alternativnih tehnoloških procesa obrade delova, u AnyLogic softverskom paketu je izvršeno terminiranje primenom razvijenih agenata. Simulacioni rezultati optimizacije planova terminiranja za odabrane „benchmark“ delove iz literature pokazuju opravdanost primene predložene metodologije u simuliranom modelu tehnološkog okruženja. Razvijana je kroz opsežne aktivnosti u okviru naučnog projekta pod oznakom TR-35004 MPNiTR Vlade Republike Srbije.
T2  - Техничко решење (M85) је прихваћено од стране Матичног научног одбора за машинство и индустријски софтвер
T1  - Integrisano projektovanje i teriminiranje otimalnih fleksibilnih tehnoloških procesa bazirano na multiagentnim sistemima i tehnikama veštačke inteligencije
UR  - https://hdl.handle.net/21.15107/rcub_machinery_4756
ER  - 

@misc{
author = "Petrović, Milica and Petronijević, Jelena and Vuković, Najdan and Mitić, Marko and Miljković, Zoran and Babić, Bojan",
year = "2014",
abstract = "Tehničko rešenje - nova metoda (M85), odnosi se na problem generisanja optimalnih planova terminiranja primenom multiagentnih sistema i tehnika veštačke inteligencije, konkretno biološki inspirisanog algoritma na bazi inteligencije roja čestica (engl. PSO – Particle Swarm Optimization) i veštačkih neuronskih mreža (engl. ANN – Artificial Neural Networks). Ova nova metoda pripada oblasti mašinstva i odnosi se na domen integrisanog projektovanja i terminiranja optimalnih fleksibilnih tehnoloških procesa. Predložena multiagentna arhitehtura se sastoji od šest agenata: agent za optimizaciju, agent za učenje, agent za delove, agent za mašine, agent za alate i agent za transport. Agent za učenje zajedno sa agentom za optimizaciju vrši generisanje optimalnih fleksibilnih tehnoloških procesa, dok preostala četiri agenta učestvuju u njihovom terminiranju. Dakle, nakon generisanja optimalnih i približno optimalnih alternativnih tehnoloških procesa obrade delova, u AnyLogic softverskom paketu je izvršeno terminiranje primenom razvijenih agenata. Simulacioni rezultati optimizacije planova terminiranja za odabrane „benchmark“ delove iz literature pokazuju opravdanost primene predložene metodologije u simuliranom modelu tehnološkog okruženja. Razvijana je kroz opsežne aktivnosti u okviru naučnog projekta pod oznakom TR-35004 MPNiTR Vlade Republike Srbije.",
journal = "Техничко решење (M85) је прихваћено од стране Матичног научног одбора за машинство и индустријски софтвер",
title = "Integrisano projektovanje i teriminiranje otimalnih fleksibilnih tehnoloških procesa bazirano na multiagentnim sistemima i tehnikama veštačke inteligencije",
url = "https://hdl.handle.net/21.15107/rcub_machinery_4756"
}

Petrović, M., Petronijević, J., Vuković, N., Mitić, M., Miljković, Z.,& Babić, B.. (2014). Integrisano projektovanje i teriminiranje otimalnih fleksibilnih tehnoloških procesa bazirano na multiagentnim sistemima i tehnikama veštačke inteligencije. in Техничко решење (M85) је прихваћено од стране Матичног научног одбора за машинство и индустријски софтвер.
https://hdl.handle.net/21.15107/rcub_machinery_4756

Petrović M, Petronijević J, Vuković N, Mitić M, Miljković Z, Babić B. Integrisano projektovanje i teriminiranje otimalnih fleksibilnih tehnoloških procesa bazirano na multiagentnim sistemima i tehnikama veštačke inteligencije. in Техничко решење (M85) је прихваћено од стране Матичног научног одбора за машинство и индустријски софтвер. 2014;.
https://hdl.handle.net/21.15107/rcub_machinery_4756 .

Petrović, Milica, Petronijević, Jelena, Vuković, Najdan, Mitić, Marko, Miljković, Zoran, Babić, Bojan, "Integrisano projektovanje i teriminiranje otimalnih fleksibilnih tehnoloških procesa bazirano na multiagentnim sistemima i tehnikama veštačke inteligencije" in Техничко решење (M85) је прихваћено од стране Матичног научног одбора за машинство и индустријски софтвер (2014),
https://hdl.handle.net/21.15107/rcub_machinery_4756 .

TY  - CONF
AU  - Vuković, Najdan
AU  - Mitić, Marko
AU  - Miljković, Zoran
PY  - 2014
UR  - https://machinery.mas.bg.ac.rs/handle/123456789/4633
AB  - In this paper, we present new Learning from Demonstration ((LfD) - based algorithm that generalizes and extracts relevant features of desired motion trajectories for differential drive mobile robots. The algorithm is tested through series of simulations and real world experiments in which desired task is demonstrated by the human teacher while teleoperating the mobile robot in the working environment. The human teacher shows the specifics of the new skill or motion behavior that robot needs to learn; the robot extracts information from demonstrations and builds the internal model based on the learning algorithm and in this paper we will refer to it as the Learning from Demonstration.
PB  - The Aristotle University of Thessaloniki
C3  - Proceedings of the 5th International Conference on Manufacturing Engineering (ICMEN 2014)
T1  - Learning Motion from Demonstration for Differential Drive Mobile Robot
EP  - 108
SP  - 99
UR  - https://hdl.handle.net/21.15107/rcub_machinery_4633
ER  - 

@conference{
author = "Vuković, Najdan and Mitić, Marko and Miljković, Zoran",
year = "2014",
abstract = "In this paper, we present new Learning from Demonstration ((LfD) - based algorithm that generalizes and extracts relevant features of desired motion trajectories for differential drive mobile robots. The algorithm is tested through series of simulations and real world experiments in which desired task is demonstrated by the human teacher while teleoperating the mobile robot in the working environment. The human teacher shows the specifics of the new skill or motion behavior that robot needs to learn; the robot extracts information from demonstrations and builds the internal model based on the learning algorithm and in this paper we will refer to it as the Learning from Demonstration.",
publisher = "The Aristotle University of Thessaloniki",
journal = "Proceedings of the 5th International Conference on Manufacturing Engineering (ICMEN 2014)",
title = "Learning Motion from Demonstration for Differential Drive Mobile Robot",
pages = "108-99",
url = "https://hdl.handle.net/21.15107/rcub_machinery_4633"
}

Vuković, N., Mitić, M.,& Miljković, Z.. (2014). Learning Motion from Demonstration for Differential Drive Mobile Robot. in Proceedings of the 5th International Conference on Manufacturing Engineering (ICMEN 2014)
The Aristotle University of Thessaloniki., 99-108.
https://hdl.handle.net/21.15107/rcub_machinery_4633

Vuković N, Mitić M, Miljković Z. Learning Motion from Demonstration for Differential Drive Mobile Robot. in Proceedings of the 5th International Conference on Manufacturing Engineering (ICMEN 2014). 2014;:99-108.
https://hdl.handle.net/21.15107/rcub_machinery_4633 .

Vuković, Najdan, Mitić, Marko, Miljković, Zoran, "Learning Motion from Demonstration for Differential Drive Mobile Robot" in Proceedings of the 5th International Conference on Manufacturing Engineering (ICMEN 2014) (2014):99-108,
https://hdl.handle.net/21.15107/rcub_machinery_4633 .

TY  - CONF
AU  - Petrović, Milica
AU  - Mitić, Marko
AU  - Vuković, Najdan
AU  - Miljković, Zoran
PY  - 2014
UR  - https://machinery.mas.bg.ac.rs/handle/123456789/4563
AB  - U radu je prikazan pristup za optimizaciju fleksibilnih teholoških procesa obrade dela primenom algoritma baziranog na inteligenciji roja (PSO algoritam) i teoriji haosa. Pored metoda predstavljanja tehnoloških procesa pomoću AND/OR mreža, u radu je predložen matematički model za minimizaciju ukupnog proizvodnog vremena i minimizaciju ukupnih troškova, kao i princip kodiranja/dekodiranja parametara teholoških procesa u jedinke modifikovanog PSO algoritma. Takođe, u cilju prevazilaženja nedostataka vezanih za brzu konvergenciju u ranim fazama optimizacije, predložena je implementacija haotičnih mapa u
modifikovani PSO algoritam. Predloženi pristup je eksperimentalno verifikovan na primeru dobijanja optimalnih tehnoloških procesa realnog dela.
AB  - This paper presents an approach for optimizing flexible process plans based on the particle swarm optimization (PSO) algorithm and chaos theory. Besides representing process plans in the form of AND/OR network, mathematical model for the minimization of the total production time and cost was presented, as well as particle encoding/decoding scheme for flexible process planning. Also, we proposed implementation of chaotic maps in modified PSO algorithm in order to prevent algorithm from converging prematurely. Experimental verification of the proposed algorithm was done through the optimal process planning for real part.
PB  - JUPITER Asocijacija, Univerzitet u Beogradu - Mašinski fakultet
C3  - 39th JUPITER Conference : Proceedings, Beograd, oktobar 2014
T1  - Оптимизација флексибилних технолошких процеса применом алгоритма базираног на интелигенцији роја и теорији хаоса
T1  - Optimization of Flexible Process Planning Based on PSO Algorithm and Chaos Theory
EP  - 3.129
SP  - 3.122
UR  - https://hdl.handle.net/21.15107/rcub_machinery_4563
ER  - 

@conference{
author = "Petrović, Milica and Mitić, Marko and Vuković, Najdan and Miljković, Zoran",
year = "2014",
abstract = "U radu je prikazan pristup za optimizaciju fleksibilnih teholoških procesa obrade dela primenom algoritma baziranog na inteligenciji roja (PSO algoritam) i teoriji haosa. Pored metoda predstavljanja tehnoloških procesa pomoću AND/OR mreža, u radu je predložen matematički model za minimizaciju ukupnog proizvodnog vremena i minimizaciju ukupnih troškova, kao i princip kodiranja/dekodiranja parametara teholoških procesa u jedinke modifikovanog PSO algoritma. Takođe, u cilju prevazilaženja nedostataka vezanih za brzu konvergenciju u ranim fazama optimizacije, predložena je implementacija haotičnih mapa u
modifikovani PSO algoritam. Predloženi pristup je eksperimentalno verifikovan na primeru dobijanja optimalnih tehnoloških procesa realnog dela., This paper presents an approach for optimizing flexible process plans based on the particle swarm optimization (PSO) algorithm and chaos theory. Besides representing process plans in the form of AND/OR network, mathematical model for the minimization of the total production time and cost was presented, as well as particle encoding/decoding scheme for flexible process planning. Also, we proposed implementation of chaotic maps in modified PSO algorithm in order to prevent algorithm from converging prematurely. Experimental verification of the proposed algorithm was done through the optimal process planning for real part.",
publisher = "JUPITER Asocijacija, Univerzitet u Beogradu - Mašinski fakultet",
journal = "39th JUPITER Conference : Proceedings, Beograd, oktobar 2014",
title = "Оптимизација флексибилних технолошких процеса применом алгоритма базираног на интелигенцији роја и теорији хаоса, Optimization of Flexible Process Planning Based on PSO Algorithm and Chaos Theory",
pages = "3.129-3.122",
url = "https://hdl.handle.net/21.15107/rcub_machinery_4563"
}

Petrović, M., Mitić, M., Vuković, N.,& Miljković, Z.. (2014). Оптимизација флексибилних технолошких процеса применом алгоритма базираног на интелигенцији роја и теорији хаоса. in 39th JUPITER Conference : Proceedings, Beograd, oktobar 2014
JUPITER Asocijacija, Univerzitet u Beogradu - Mašinski fakultet., 3.122-3.129.
https://hdl.handle.net/21.15107/rcub_machinery_4563

Petrović M, Mitić M, Vuković N, Miljković Z. Оптимизација флексибилних технолошких процеса применом алгоритма базираног на интелигенцији роја и теорији хаоса. in 39th JUPITER Conference : Proceedings, Beograd, oktobar 2014. 2014;:3.122-3.129.
https://hdl.handle.net/21.15107/rcub_machinery_4563 .

Petrović, Milica, Mitić, Marko, Vuković, Najdan, Miljković, Zoran, "Оптимизација флексибилних технолошких процеса применом алгоритма базираног на интелигенцији роја и теорији хаоса" in 39th JUPITER Conference : Proceedings, Beograd, oktobar 2014 (2014):3.122-3.129,
https://hdl.handle.net/21.15107/rcub_machinery_4563 .

TY  - CONF
AU  - Mitić, Marko
AU  - Miljković, Zoran
AU  - Vuković, Najdan
AU  - Babić, Bojan
AU  - Diryag, Ali
PY  - 2013
UR  - https://machinery.mas.bg.ac.rs/handle/123456789/4473
AB  - In recent years, the industrial robotic systems are designed with abilities to adapt and to learn in a structured or unstructured environment. They are able to predict and to react to the undesirable and uncontrollable disturbances which frequently interfere in mission accomplishment. In order to prevent system failure and/or unwanted robot behaviour, various techniques have been addressed. In this study, a novel approach based on the neural networks (NNs) is employed for prediction of robot execution failures. The training and testing dataset used in the experiment consists of forces and torques memorized immediately after the real robot failed in assignment execution. Two types of networks are utilized in order to find best prediction method - recurrent NNs and feedforward NNs. Moreover, we investigated 24 neural architectures implemented in Matlab software package. The experimental results confirm that this approach can be successfully applied to the failures prediction problem, and that the NNs outperform other artificial intelligence techniques in this domain. To further validate a novel method, real world experiments are conducted on a Khepera II mobile robot in an indoor structured environment. The obtained results for trajectory tracking problem proved usefulness and the applicability of the proposed solution.
PB  - Kraljevo : Faculty of Mechanical and Civil Engineering
C3  - Proceedings of the 35th International Conference on Production Engineering (ICPE-S 2013), 25 – 28 September 2013 Kraljevo-Kopaonik
T1  - Prediction of Robot Execution Failures Using Neural Networks
EP  - 338
SP  - 335
UR  - https://hdl.handle.net/21.15107/rcub_machinery_4473
ER  - 

@conference{
author = "Mitić, Marko and Miljković, Zoran and Vuković, Najdan and Babić, Bojan and Diryag, Ali",
year = "2013",
abstract = "In recent years, the industrial robotic systems are designed with abilities to adapt and to learn in a structured or unstructured environment. They are able to predict and to react to the undesirable and uncontrollable disturbances which frequently interfere in mission accomplishment. In order to prevent system failure and/or unwanted robot behaviour, various techniques have been addressed. In this study, a novel approach based on the neural networks (NNs) is employed for prediction of robot execution failures. The training and testing dataset used in the experiment consists of forces and torques memorized immediately after the real robot failed in assignment execution. Two types of networks are utilized in order to find best prediction method - recurrent NNs and feedforward NNs. Moreover, we investigated 24 neural architectures implemented in Matlab software package. The experimental results confirm that this approach can be successfully applied to the failures prediction problem, and that the NNs outperform other artificial intelligence techniques in this domain. To further validate a novel method, real world experiments are conducted on a Khepera II mobile robot in an indoor structured environment. The obtained results for trajectory tracking problem proved usefulness and the applicability of the proposed solution.",
publisher = "Kraljevo : Faculty of Mechanical and Civil Engineering",
journal = "Proceedings of the 35th International Conference on Production Engineering (ICPE-S 2013), 25 – 28 September 2013 Kraljevo-Kopaonik",
title = "Prediction of Robot Execution Failures Using Neural Networks",
pages = "338-335",
url = "https://hdl.handle.net/21.15107/rcub_machinery_4473"
}

Mitić, M., Miljković, Z., Vuković, N., Babić, B.,& Diryag, A.. (2013). Prediction of Robot Execution Failures Using Neural Networks. in Proceedings of the 35th International Conference on Production Engineering (ICPE-S 2013), 25 – 28 September 2013 Kraljevo-Kopaonik
Kraljevo : Faculty of Mechanical and Civil Engineering., 335-338.
https://hdl.handle.net/21.15107/rcub_machinery_4473

Mitić M, Miljković Z, Vuković N, Babić B, Diryag A. Prediction of Robot Execution Failures Using Neural Networks. in Proceedings of the 35th International Conference on Production Engineering (ICPE-S 2013), 25 – 28 September 2013 Kraljevo-Kopaonik. 2013;:335-338.
https://hdl.handle.net/21.15107/rcub_machinery_4473 .

Mitić, Marko, Miljković, Zoran, Vuković, Najdan, Babić, Bojan, Diryag, Ali, "Prediction of Robot Execution Failures Using Neural Networks" in Proceedings of the 35th International Conference on Production Engineering (ICPE-S 2013), 25 – 28 September 2013 Kraljevo-Kopaonik (2013):335-338,
https://hdl.handle.net/21.15107/rcub_machinery_4473 .

TY  - GEN
AU  - Mitić, Marko
AU  - Miljković, Zoran
AU  - Vuković, Najdan
AU  - Lazarević, Ivan
PY  - 2013
UR  - https://machinery.mas.bg.ac.rs/handle/123456789/4746
AB  - Tehničko rešenje - nova metoda (M85), odnosi se na rešavanje problema praćenja željene trajektorije i vizuelnog upravljanja inteligentnog mobilnog robota primenom empirijske upravljačke teorije kroz integraciju inteligentnog sistema baziranog na metaheurističkom algoritmu optimizacije i empirijski prikupljenim senzorskim informacijama, mašinskom učenju demonstracijom i upravljačkog podsistema zasnovanog na elementima homografske matrice dobijene od nekalibrisane kamere, a razvijana je u projektu TR-35004 MPNiTR Vlade Republike Srbije.
T2  - Техничко решење (M85) је прихваћено од стране Матичног научног одбора за машинство и индустријски софтвер
T1  - Praćenje željene trajktorije i vizuelno navođenje mobilnog robota u tehnološkom okruženju na bazi biološki inspirisanog metaheurističkog algoritma
UR  - https://hdl.handle.net/21.15107/rcub_machinery_4746
ER  - 

@misc{
author = "Mitić, Marko and Miljković, Zoran and Vuković, Najdan and Lazarević, Ivan",
year = "2013",
abstract = "Tehničko rešenje - nova metoda (M85), odnosi se na rešavanje problema praćenja željene trajektorije i vizuelnog upravljanja inteligentnog mobilnog robota primenom empirijske upravljačke teorije kroz integraciju inteligentnog sistema baziranog na metaheurističkom algoritmu optimizacije i empirijski prikupljenim senzorskim informacijama, mašinskom učenju demonstracijom i upravljačkog podsistema zasnovanog na elementima homografske matrice dobijene od nekalibrisane kamere, a razvijana je u projektu TR-35004 MPNiTR Vlade Republike Srbije.",
journal = "Техничко решење (M85) је прихваћено од стране Матичног научног одбора за машинство и индустријски софтвер",
title = "Praćenje željene trajktorije i vizuelno navođenje mobilnog robota u tehnološkom okruženju na bazi biološki inspirisanog metaheurističkog algoritma",
url = "https://hdl.handle.net/21.15107/rcub_machinery_4746"
}

Mitić, M., Miljković, Z., Vuković, N.,& Lazarević, I.. (2013). Praćenje željene trajktorije i vizuelno navođenje mobilnog robota u tehnološkom okruženju na bazi biološki inspirisanog metaheurističkog algoritma. in Техничко решење (M85) је прихваћено од стране Матичног научног одбора за машинство и индустријски софтвер.
https://hdl.handle.net/21.15107/rcub_machinery_4746

Mitić M, Miljković Z, Vuković N, Lazarević I. Praćenje željene trajktorije i vizuelno navođenje mobilnog robota u tehnološkom okruženju na bazi biološki inspirisanog metaheurističkog algoritma. in Техничко решење (M85) је прихваћено од стране Матичног научног одбора за машинство и индустријски софтвер. 2013;.
https://hdl.handle.net/21.15107/rcub_machinery_4746 .

Mitić, Marko, Miljković, Zoran, Vuković, Najdan, Lazarević, Ivan, "Praćenje željene trajktorije i vizuelno navođenje mobilnog robota u tehnološkom okruženju na bazi biološki inspirisanog metaheurističkog algoritma" in Техничко решење (M85) је прихваћено од стране Матичног научног одбора за машинство и индустријски софтвер (2013),
https://hdl.handle.net/21.15107/rcub_machinery_4746 .

TY  - CONF
AU  - Mitić, Marko
AU  - Miljković, Zoran
AU  - Babić, Bojan
PY  - 2012
UR  - https://machinery.mas.bg.ac.rs/handle/123456789/4565
AB  - Емпиријско управљање представља нов приступ у концепцијском пројектовању управљачких система мобилних робота и робота вертикалне зглобне конфигурације. У односу на конвенционалне приступе, емпиријски системи имају способност машинског учења на основу прикупљених информација из технолошког окружења, перманентно унапређујући своје понашање сходно постављеном задатку. У раду је дат детаљан преглед истраживања у овој области са посебним освртом на развој и имплеметацију емпиријских управљачких система на бази машинског Q-учења ојачавањем и soft computing техника вештачке интелигенције. Извршена је анализа актуелних праваца истраживања са становишта карактеристичних проблема управљања роботских система (проблем навигације, избегавања препрека, праћења зида технолошког окружења, и/или визуелног
навођења). Сваки од презентованих истраживачких резултата је укратко описан, са јасно
наглашеном предношћу примене теорије емпиријског управљања у процесу концепцијског
пројектовања управљачких система.
AB  - Empirical control presents a new approach in the domain of the conceptual design of the control systems for mobile robots and robot manipulators. Compared to the conventional design methods, empirical control systems have the ability to learn based on the information obtained from the environment, continuously improving robot’s behaviour. This paper presents a review on current research results, with emphasis on control systems based on the Q-learning algorithm and soft computing techniques. Comparative analysis has been conducted in terms of common robot-based and vision-based tasks. Described algorithms and experimental evaluations in real world clearly points out the advantages of implementation of the empirical theory in the conceptual design process of the control systems.
PB  - JUPITER Asocijacija, Univerzitet u Beogradu - Mašinski fakultet
C3  - 38th JUPITER Conference : Proceedings, Beograd, maj 2012
T1  - Емпиријско управљање интелигентног роботског система – преглед стања у области истраживања
T1  - Empirical Control for Intelligent Robotic Systems – State-of-the-Art
EP  - 3.158
SP  - 3.149
UR  - https://hdl.handle.net/21.15107/rcub_machinery_4565
ER  - 

@conference{
author = "Mitić, Marko and Miljković, Zoran and Babić, Bojan",
year = "2012",
abstract = "Емпиријско управљање представља нов приступ у концепцијском пројектовању управљачких система мобилних робота и робота вертикалне зглобне конфигурације. У односу на конвенционалне приступе, емпиријски системи имају способност машинског учења на основу прикупљених информација из технолошког окружења, перманентно унапређујући своје понашање сходно постављеном задатку. У раду је дат детаљан преглед истраживања у овој области са посебним освртом на развој и имплеметацију емпиријских управљачких система на бази машинског Q-учења ојачавањем и soft computing техника вештачке интелигенције. Извршена је анализа актуелних праваца истраживања са становишта карактеристичних проблема управљања роботских система (проблем навигације, избегавања препрека, праћења зида технолошког окружења, и/или визуелног
навођења). Сваки од презентованих истраживачких резултата је укратко описан, са јасно
наглашеном предношћу примене теорије емпиријског управљања у процесу концепцијског
пројектовања управљачких система., Empirical control presents a new approach in the domain of the conceptual design of the control systems for mobile robots and robot manipulators. Compared to the conventional design methods, empirical control systems have the ability to learn based on the information obtained from the environment, continuously improving robot’s behaviour. This paper presents a review on current research results, with emphasis on control systems based on the Q-learning algorithm and soft computing techniques. Comparative analysis has been conducted in terms of common robot-based and vision-based tasks. Described algorithms and experimental evaluations in real world clearly points out the advantages of implementation of the empirical theory in the conceptual design process of the control systems.",
publisher = "JUPITER Asocijacija, Univerzitet u Beogradu - Mašinski fakultet",
journal = "38th JUPITER Conference : Proceedings, Beograd, maj 2012",
title = "Емпиријско управљање интелигентног роботског система – преглед стања у области истраживања, Empirical Control for Intelligent Robotic Systems – State-of-the-Art",
pages = "3.158-3.149",
url = "https://hdl.handle.net/21.15107/rcub_machinery_4565"
}

Mitić, M., Miljković, Z.,& Babić, B.. (2012). Емпиријско управљање интелигентног роботског система – преглед стања у области истраживања. in 38th JUPITER Conference : Proceedings, Beograd, maj 2012
JUPITER Asocijacija, Univerzitet u Beogradu - Mašinski fakultet., 3.149-3.158.
https://hdl.handle.net/21.15107/rcub_machinery_4565

Mitić M, Miljković Z, Babić B. Емпиријско управљање интелигентног роботског система – преглед стања у области истраживања. in 38th JUPITER Conference : Proceedings, Beograd, maj 2012. 2012;:3.149-3.158.
https://hdl.handle.net/21.15107/rcub_machinery_4565 .

Mitić, Marko, Miljković, Zoran, Babić, Bojan, "Емпиријско управљање интелигентног роботског система – преглед стања у области истраживања" in 38th JUPITER Conference : Proceedings, Beograd, maj 2012 (2012):3.149-3.158,
https://hdl.handle.net/21.15107/rcub_machinery_4565 .

TY  - GEN
AU  - Vuković, Najdan
AU  - Miljković, Zoran
AU  - Mitić, Marko
AU  - Petrović, Milica
PY  - 2012
UR  - https://machinery.mas.bg.ac.rs/handle/123456789/4735
AB  - Tehničko rešenje - nova metoda (M85) koja rešava problem simultanog ocenjivanja položaja mobilnog robota i karakterističnih objekata u tehnološkom okruženju tokom obavljanja transportnog zadatka u okviru sistema unutrašnjeg transporta sirovina, polufabrikata, materijala i gotovih delova, razvijana je u projektu pod oznakom TR-35004 MPNiTR Vlade Republike Srbije. Razvoj originalnog algoritma neuronskog linearizovanog Kalmanovog filtra za simultanu ocenu položaja mobilnog robota i karakterističnih objekata sproveden je putem simulacije i in vivo eksperimenata. Simulacioni rezultati ostvareni implementacijom koda sopstvenog razvoja u MATLAB® programskom okruženju, ukazali su na to da uvođenje veštačke neuronske mreže u proces ocenjivanja obezbeđuje veću konzistentnost, a time i poboljšanje optimalnosti filtra. Na osnovu ovog zaključka, izveden je algoritam neuronskog linearizovanog Kalmanovog filtra, uz primenu sistema prepoznavanja na bazi kalibrisane kamere, koji je eksperimentalno ispitan u laboratorijjskom modelu tehnološkog okruženja korišćenjem Khepera II mobilnog robota, hvatača Khe Gripper i WEB kamere. Na ovaj način su, putem simulacije i sprovođenja brojnih eksperimenata, ocenjene performanse algoritma neuronskog linearizovanog Kalmanovog filtra i pokazano je da razvijeni algoritam generiše bolje ocene (u smislu više tačnosti) od uobičajenog pristupa analiziranom problemu. Dalja istraživanja rezultirala su razvojem novog hibridnog upravljačkog algoritma za vizuelno navođenje i ocenjivanje položaja mobilnog robota, kao i predloga hibridne arhitekture za navigaciju mobilnog robota u tehnološkom okruženju, Primena veštačkih neuronskih mreža, u okviru ova dva pristupa, omogućila je veću robustnost u pogledu nepoznatog spoljašnjeg uticaja koji ne može da bude eksplicitno kvantifikovan.
T2  - Техничко решење (M85) је прихваћено од стране Матичног научног одбора за машинство и индустријски софтвер
T1  - Novi algoritam za simultano ocenjivanje položaja mobilnog robota i položaja karakterističnih objekata baziran na neuronskom linearizovanom Kalmanovom filtru i senzorskoj informaciji dobijenoj od kalibrisane kamere
UR  - https://hdl.handle.net/21.15107/rcub_machinery_4735
ER  - 

@misc{
author = "Vuković, Najdan and Miljković, Zoran and Mitić, Marko and Petrović, Milica",
year = "2012",
abstract = "Tehničko rešenje - nova metoda (M85) koja rešava problem simultanog ocenjivanja položaja mobilnog robota i karakterističnih objekata u tehnološkom okruženju tokom obavljanja transportnog zadatka u okviru sistema unutrašnjeg transporta sirovina, polufabrikata, materijala i gotovih delova, razvijana je u projektu pod oznakom TR-35004 MPNiTR Vlade Republike Srbije. Razvoj originalnog algoritma neuronskog linearizovanog Kalmanovog filtra za simultanu ocenu položaja mobilnog robota i karakterističnih objekata sproveden je putem simulacije i in vivo eksperimenata. Simulacioni rezultati ostvareni implementacijom koda sopstvenog razvoja u MATLAB® programskom okruženju, ukazali su na to da uvođenje veštačke neuronske mreže u proces ocenjivanja obezbeđuje veću konzistentnost, a time i poboljšanje optimalnosti filtra. Na osnovu ovog zaključka, izveden je algoritam neuronskog linearizovanog Kalmanovog filtra, uz primenu sistema prepoznavanja na bazi kalibrisane kamere, koji je eksperimentalno ispitan u laboratorijjskom modelu tehnološkog okruženja korišćenjem Khepera II mobilnog robota, hvatača Khe Gripper i WEB kamere. Na ovaj način su, putem simulacije i sprovođenja brojnih eksperimenata, ocenjene performanse algoritma neuronskog linearizovanog Kalmanovog filtra i pokazano je da razvijeni algoritam generiše bolje ocene (u smislu više tačnosti) od uobičajenog pristupa analiziranom problemu. Dalja istraživanja rezultirala su razvojem novog hibridnog upravljačkog algoritma za vizuelno navođenje i ocenjivanje položaja mobilnog robota, kao i predloga hibridne arhitekture za navigaciju mobilnog robota u tehnološkom okruženju, Primena veštačkih neuronskih mreža, u okviru ova dva pristupa, omogućila je veću robustnost u pogledu nepoznatog spoljašnjeg uticaja koji ne može da bude eksplicitno kvantifikovan.",
journal = "Техничко решење (M85) је прихваћено од стране Матичног научног одбора за машинство и индустријски софтвер",
title = "Novi algoritam za simultano ocenjivanje položaja mobilnog robota i položaja karakterističnih objekata baziran na neuronskom linearizovanom Kalmanovom filtru i senzorskoj informaciji dobijenoj od kalibrisane kamere",
url = "https://hdl.handle.net/21.15107/rcub_machinery_4735"
}

Vuković, N., Miljković, Z., Mitić, M.,& Petrović, M.. (2012). Novi algoritam za simultano ocenjivanje položaja mobilnog robota i položaja karakterističnih objekata baziran na neuronskom linearizovanom Kalmanovom filtru i senzorskoj informaciji dobijenoj od kalibrisane kamere. in Техничко решење (M85) је прихваћено од стране Матичног научног одбора за машинство и индустријски софтвер.
https://hdl.handle.net/21.15107/rcub_machinery_4735

Vuković N, Miljković Z, Mitić M, Petrović M. Novi algoritam za simultano ocenjivanje položaja mobilnog robota i položaja karakterističnih objekata baziran na neuronskom linearizovanom Kalmanovom filtru i senzorskoj informaciji dobijenoj od kalibrisane kamere. in Техничко решење (M85) је прихваћено од стране Матичног научног одбора за машинство и индустријски софтвер. 2012;.
https://hdl.handle.net/21.15107/rcub_machinery_4735 .

Vuković, Najdan, Miljković, Zoran, Mitić, Marko, Petrović, Milica, "Novi algoritam za simultano ocenjivanje položaja mobilnog robota i položaja karakterističnih objekata baziran na neuronskom linearizovanom Kalmanovom filtru i senzorskoj informaciji dobijenoj od kalibrisane kamere" in Техничко решење (M85) је прихваћено од стране Матичног научног одбора за машинство и индустријски софтвер (2012),
https://hdl.handle.net/21.15107/rcub_machinery_4735 .

TY  - GEN
AU  - Mitić, Marko
AU  - Miljković, Zoran
AU  - Vuković, Najdan
AU  - Babić, Bojan
AU  - Lazarević, Ivan
PY  - 2011
UR  - https://machinery.mas.bg.ac.rs/handle/123456789/4725
AB  - Tehničko rešenje - nova metoda (M85) obuhvata integraciju inteligentnog sistema prepoznavanja baziranog na empirijski prikupljenim informacijama dobijenim od kamere i klasičnog upravljačkog sistema robota na bazi greške koja je u korelaciji sa parametrima slike. Postojanje samo jedne karakteristične tačke radi korigovanja orijentacije kamere u početnom trenutku predstavlja značajnu prednost u realnim, nepredvidivim uslovima eksploatacije robotskog sistema. Pored toga, važno je da se naglasi i to da primenom hibridnog empirijskog upravljanja robotski sistem ima mogućnost učenja u „on-line” režimu. Takođe, uvođenjem druge faze upravljanja obezbeđena je robustnost sistema sa stanovišta poremećaja koji se ne mogu predvideti. Rezultati ostvareni primenom ove nove metode ukazuju na to da postoji očit doprinos postojećem stanju razvoja, a potvrđuju i to da je omogućen jednostavan i efikasan način realizacije inteligentnog upravljačkog sistema baziranog na informacijama dobijenim od kamere. Posebno je važno naglasiti da ostvareni rezultati imaju za krajnji cilj uvođenje inteligentne robotizovane manipulacije radnim predmetima (pripremak, obradak, izradak, gotov deo) u okviru tehnoloških sistema za proizvodnju delova od lima, što je značajno sa aspekta primene ove nove metode. Razvijana je u projektu TR-35004 MPiN Vlade Republike Srbije. Verifikacija ostvarenih rezultata je realizovana kroz prezentaciju na međunarodnom skupu "29th Danubia-Adria Symposium on Advances in Experimental Mechanics", održanom u Beogradu, 26-29 septembra 2012 godine, uz objavljivanje konferencijskog priloga odštampanog u Zborniku radova, str. 174-177.
T1  - Novi hibridni empirijski upravljački sistem inteligentnog robota vertikalne zglobne konfiguracije baziran na informacijama od kamere
UR  - https://hdl.handle.net/21.15107/rcub_machinery_4725
ER  - 

@misc{
author = "Mitić, Marko and Miljković, Zoran and Vuković, Najdan and Babić, Bojan and Lazarević, Ivan",
year = "2011",
abstract = "Tehničko rešenje - nova metoda (M85) obuhvata integraciju inteligentnog sistema prepoznavanja baziranog na empirijski prikupljenim informacijama dobijenim od kamere i klasičnog upravljačkog sistema robota na bazi greške koja je u korelaciji sa parametrima slike. Postojanje samo jedne karakteristične tačke radi korigovanja orijentacije kamere u početnom trenutku predstavlja značajnu prednost u realnim, nepredvidivim uslovima eksploatacije robotskog sistema. Pored toga, važno je da se naglasi i to da primenom hibridnog empirijskog upravljanja robotski sistem ima mogućnost učenja u „on-line” režimu. Takođe, uvođenjem druge faze upravljanja obezbeđena je robustnost sistema sa stanovišta poremećaja koji se ne mogu predvideti. Rezultati ostvareni primenom ove nove metode ukazuju na to da postoji očit doprinos postojećem stanju razvoja, a potvrđuju i to da je omogućen jednostavan i efikasan način realizacije inteligentnog upravljačkog sistema baziranog na informacijama dobijenim od kamere. Posebno je važno naglasiti da ostvareni rezultati imaju za krajnji cilj uvođenje inteligentne robotizovane manipulacije radnim predmetima (pripremak, obradak, izradak, gotov deo) u okviru tehnoloških sistema za proizvodnju delova od lima, što je značajno sa aspekta primene ove nove metode. Razvijana je u projektu TR-35004 MPiN Vlade Republike Srbije. Verifikacija ostvarenih rezultata je realizovana kroz prezentaciju na međunarodnom skupu "29th Danubia-Adria Symposium on Advances in Experimental Mechanics", održanom u Beogradu, 26-29 septembra 2012 godine, uz objavljivanje konferencijskog priloga odštampanog u Zborniku radova, str. 174-177.",
title = "Novi hibridni empirijski upravljački sistem inteligentnog robota vertikalne zglobne konfiguracije baziran na informacijama od kamere",
url = "https://hdl.handle.net/21.15107/rcub_machinery_4725"
}

Mitić, M., Miljković, Z., Vuković, N., Babić, B.,& Lazarević, I.. (2011). Novi hibridni empirijski upravljački sistem inteligentnog robota vertikalne zglobne konfiguracije baziran na informacijama od kamere. .
https://hdl.handle.net/21.15107/rcub_machinery_4725

Mitić M, Miljković Z, Vuković N, Babić B, Lazarević I. Novi hibridni empirijski upravljački sistem inteligentnog robota vertikalne zglobne konfiguracije baziran na informacijama od kamere. 2011;.
https://hdl.handle.net/21.15107/rcub_machinery_4725 .

Mitić, Marko, Miljković, Zoran, Vuković, Najdan, Babić, Bojan, Lazarević, Ivan, "Novi hibridni empirijski upravljački sistem inteligentnog robota vertikalne zglobne konfiguracije baziran na informacijama od kamere" (2011),
https://hdl.handle.net/21.15107/rcub_machinery_4725 .

TY  - JOUR
AU  - Mitić, Marko
AU  - Miljković, Zoran
AU  - Babić, Bojan
AU  - Majstorović, Vidosav
PY  - 2011
UR  - https://machinery.mas.bg.ac.rs/handle/123456789/4470
AB  - This paper presents machine learning approach as a solution for an obstacle avoidance problem. Q-learning, as one of the reinforcement learning algorithms, imparts the learning process based on trial and error and a corresponding reward into the behaviour of an intelligent agent - a mobile robot. The adaptable actions of a mobile robot in situations when that behaviour is necessary are the main advantage over conventional methods for designing a navigational path. The implemented algorithm characterizes simplicity and efficiency, and certainty in terms of reaching optimal behaviour after the certain number of learning episodes. Experimental results show proper exploration strategy with gradually improving mobile robot state to action mapping by adjusting Q-value function in a described manner. With more episodes conducted this adaptable control system could lead to a fully autonomous mobile robot, which is one of the main demands in modern intelligent manufacturing systems in which stochastic changes in the environment can results with failure in the entire production process.
PB  - Belgrade : JUSQ
T2  - Introduction paper presented at the 6th International Working Conference ”Total Quality Management – Advanced and Intelligent Approaches”, Published in International Journal Total Quality Management & Excellence, 7th – 11th   June, 2011, Belgrade
T1  - Q-Learning Framework as a Solution for an Obstacle Avoidance Problem in Unknown Environment
EP  - 25
IS  - 2
SP  - 21
VL  - 39
UR  - https://hdl.handle.net/21.15107/rcub_machinery_4470
ER  - 

@article{
author = "Mitić, Marko and Miljković, Zoran and Babić, Bojan and Majstorović, Vidosav",
year = "2011",
abstract = "This paper presents machine learning approach as a solution for an obstacle avoidance problem. Q-learning, as one of the reinforcement learning algorithms, imparts the learning process based on trial and error and a corresponding reward into the behaviour of an intelligent agent - a mobile robot. The adaptable actions of a mobile robot in situations when that behaviour is necessary are the main advantage over conventional methods for designing a navigational path. The implemented algorithm characterizes simplicity and efficiency, and certainty in terms of reaching optimal behaviour after the certain number of learning episodes. Experimental results show proper exploration strategy with gradually improving mobile robot state to action mapping by adjusting Q-value function in a described manner. With more episodes conducted this adaptable control system could lead to a fully autonomous mobile robot, which is one of the main demands in modern intelligent manufacturing systems in which stochastic changes in the environment can results with failure in the entire production process.",
publisher = "Belgrade : JUSQ",
journal = "Introduction paper presented at the 6th International Working Conference ”Total Quality Management – Advanced and Intelligent Approaches”, Published in International Journal Total Quality Management & Excellence, 7th – 11th   June, 2011, Belgrade",
title = "Q-Learning Framework as a Solution for an Obstacle Avoidance Problem in Unknown Environment",
pages = "25-21",
number = "2",
volume = "39",
url = "https://hdl.handle.net/21.15107/rcub_machinery_4470"
}

Mitić, M., Miljković, Z., Babić, B.,& Majstorović, V.. (2011). Q-Learning Framework as a Solution for an Obstacle Avoidance Problem in Unknown Environment. in Introduction paper presented at the 6th International Working Conference ”Total Quality Management – Advanced and Intelligent Approaches”, Published in International Journal Total Quality Management & Excellence, 7th – 11th   June, 2011, Belgrade
Belgrade : JUSQ., 39(2), 21-25.
https://hdl.handle.net/21.15107/rcub_machinery_4470

Mitić M, Miljković Z, Babić B, Majstorović V. Q-Learning Framework as a Solution for an Obstacle Avoidance Problem in Unknown Environment. in Introduction paper presented at the 6th International Working Conference ”Total Quality Management – Advanced and Intelligent Approaches”, Published in International Journal Total Quality Management & Excellence, 7th – 11th   June, 2011, Belgrade. 2011;39(2):21-25.
https://hdl.handle.net/21.15107/rcub_machinery_4470 .

Mitić, Marko, Miljković, Zoran, Babić, Bojan, Majstorović, Vidosav, "Q-Learning Framework as a Solution for an Obstacle Avoidance Problem in Unknown Environment" in Introduction paper presented at the 6th International Working Conference ”Total Quality Management – Advanced and Intelligent Approaches”, Published in International Journal Total Quality Management & Excellence, 7th – 11th   June, 2011, Belgrade, 39, no. 2 (2011):21-25,
https://hdl.handle.net/21.15107/rcub_machinery_4470 .

TY  - JOUR
AU  - Mitić, Marko
AU  - Miljković, Zoran
AU  - Babić, Bojan
PY  - 2011
UR  - https://machinery.mas.bg.ac.rs/handle/123456789/1281
AB  - Ovaj rad predstavlja istraživanje autora u domenu koncepcijskog projektovanja upravljačkog sistema koji može da uči na osnovu sopstvenog iskustva. Sposobnost adaptivnog ponašanja pri izvršavanju postavljenog zadatka u realnim, nepredvidivim uslovima, jedan je od ključnih zadataka svakog inteligentnog robotskog sistema. U funkciji rešavanja ovog problema, predlaže se pristup baziran na učenju, i to kombinovanjem empirijske upravljačke strategije, mašinskog učenja ojačavanjem i aksiomatske teorije projektovanja. Predloženi koncept koristi najbolje osobine pomenutih teorijskih pristupa u cilju ostvarivanja optimalne odluke mobilnog robota za trenutno stanje sistema. Empirijska upravljačka teorija se, u ovom radu, a priori koristi u utvrđivanju idejnog rešenja za rešavanje problema navigacije mobilnog robota. Učenje ojačavanjem realizuje mehanizme koji memorišu i ažuriraju odgovore okruženja, a u kombinaciji sa empirijskom upravljačkom teorijom određuje najbolju moguću odluku u skladu sa trenutnim okolnostima. Aksiomatska teorija projektovanja se koristi pri definisanju upravljačkog problema, kao i pri uspostavljanju koncepcijskog rešenja za dati zadatak, sa aspekta primene pomenutih pristupa. Deo predloženog algoritma empirijskog upravljanja realizovan je pomoću LEGO Mindstorms NXT mobilnog robota, tretirajući problem navigacije u nepoznatom okruženju. Ostvareni eksperimentalni rezultati nagoveštavaju dobru perspektivu za realizaciju efikasnog upravljanja baziranog na iskustvu, čiji dalji razvoj može da dovede do ostvarenja autonomnog ponašanja mobilnog robota pri izbegavanju prepreka u tehnološkom okruženju, što je i očekivani naučni cilj.
AB  - This paper presents the authors' efforts to conceptual design of control system that can learn from its own experience. The ability of adaptive behaviour regarding the given task in real, unpredictable conditions is one of the main demands for every intelligent robotic system. To solve this problem, the authors suggest a learning approach that combines empirical control strategy, reinforcement learning and axiomatic design theory. The proposed concept uses best features of mentioned theoretical approaches to produce optimal action in the current state of the mobile robot. In this paper empirical control theory imparts the basis of conceptual solution for the navigation problem of mobile robot. Reinforcement learning enables the mechanisms that memorize and update environment responses, and combining with the empirical control theory determines best possible action according to the present circumstances. Axiomatic design theory accurately defines the problem and possible solution for the given task in terms of the elements defined by two previously mentioned approaches. Part of the proposed algorithm was implemented on the LEGO Mindstorms NXT mobile robot for the navigation task in an unknown manufacturing environment. Experimental results have shown good perspective for development of efficient and adaptable control system, which could lead to autonomous mobile robot behaviour.
PB  - Univerzitet u Beogradu - Mašinski fakultet, Beograd
T2  - FME Transactions
T1  - Prilog razvoju empirijskog upravljačkog sistema mobilnog robota baziranog na elementima mašinskog učenja ojačavanjem i aksiomatskoj teoriji projektovanja
T1  - Empirical control system development for intelligent mobile robot based on the elements of the reinforcement machine learning and axiomatic design theory
EP  - 8
IS  - 1
SP  - 1
VL  - 39
UR  - https://hdl.handle.net/21.15107/rcub_machinery_1281
ER  - 

@article{
author = "Mitić, Marko and Miljković, Zoran and Babić, Bojan",
year = "2011",
abstract = "Ovaj rad predstavlja istraživanje autora u domenu koncepcijskog projektovanja upravljačkog sistema koji može da uči na osnovu sopstvenog iskustva. Sposobnost adaptivnog ponašanja pri izvršavanju postavljenog zadatka u realnim, nepredvidivim uslovima, jedan je od ključnih zadataka svakog inteligentnog robotskog sistema. U funkciji rešavanja ovog problema, predlaže se pristup baziran na učenju, i to kombinovanjem empirijske upravljačke strategije, mašinskog učenja ojačavanjem i aksiomatske teorije projektovanja. Predloženi koncept koristi najbolje osobine pomenutih teorijskih pristupa u cilju ostvarivanja optimalne odluke mobilnog robota za trenutno stanje sistema. Empirijska upravljačka teorija se, u ovom radu, a priori koristi u utvrđivanju idejnog rešenja za rešavanje problema navigacije mobilnog robota. Učenje ojačavanjem realizuje mehanizme koji memorišu i ažuriraju odgovore okruženja, a u kombinaciji sa empirijskom upravljačkom teorijom određuje najbolju moguću odluku u skladu sa trenutnim okolnostima. Aksiomatska teorija projektovanja se koristi pri definisanju upravljačkog problema, kao i pri uspostavljanju koncepcijskog rešenja za dati zadatak, sa aspekta primene pomenutih pristupa. Deo predloženog algoritma empirijskog upravljanja realizovan je pomoću LEGO Mindstorms NXT mobilnog robota, tretirajući problem navigacije u nepoznatom okruženju. Ostvareni eksperimentalni rezultati nagoveštavaju dobru perspektivu za realizaciju efikasnog upravljanja baziranog na iskustvu, čiji dalji razvoj može da dovede do ostvarenja autonomnog ponašanja mobilnog robota pri izbegavanju prepreka u tehnološkom okruženju, što je i očekivani naučni cilj., This paper presents the authors' efforts to conceptual design of control system that can learn from its own experience. The ability of adaptive behaviour regarding the given task in real, unpredictable conditions is one of the main demands for every intelligent robotic system. To solve this problem, the authors suggest a learning approach that combines empirical control strategy, reinforcement learning and axiomatic design theory. The proposed concept uses best features of mentioned theoretical approaches to produce optimal action in the current state of the mobile robot. In this paper empirical control theory imparts the basis of conceptual solution for the navigation problem of mobile robot. Reinforcement learning enables the mechanisms that memorize and update environment responses, and combining with the empirical control theory determines best possible action according to the present circumstances. Axiomatic design theory accurately defines the problem and possible solution for the given task in terms of the elements defined by two previously mentioned approaches. Part of the proposed algorithm was implemented on the LEGO Mindstorms NXT mobile robot for the navigation task in an unknown manufacturing environment. Experimental results have shown good perspective for development of efficient and adaptable control system, which could lead to autonomous mobile robot behaviour.",
publisher = "Univerzitet u Beogradu - Mašinski fakultet, Beograd",
journal = "FME Transactions",
title = "Prilog razvoju empirijskog upravljačkog sistema mobilnog robota baziranog na elementima mašinskog učenja ojačavanjem i aksiomatskoj teoriji projektovanja, Empirical control system development for intelligent mobile robot based on the elements of the reinforcement machine learning and axiomatic design theory",
pages = "8-1",
number = "1",
volume = "39",
url = "https://hdl.handle.net/21.15107/rcub_machinery_1281"
}

Mitić, M., Miljković, Z.,& Babić, B.. (2011). Prilog razvoju empirijskog upravljačkog sistema mobilnog robota baziranog na elementima mašinskog učenja ojačavanjem i aksiomatskoj teoriji projektovanja. in FME Transactions
Univerzitet u Beogradu - Mašinski fakultet, Beograd., 39(1), 1-8.
https://hdl.handle.net/21.15107/rcub_machinery_1281

Mitić M, Miljković Z, Babić B. Prilog razvoju empirijskog upravljačkog sistema mobilnog robota baziranog na elementima mašinskog učenja ojačavanjem i aksiomatskoj teoriji projektovanja. in FME Transactions. 2011;39(1):1-8.
https://hdl.handle.net/21.15107/rcub_machinery_1281 .

Mitić, Marko, Miljković, Zoran, Babić, Bojan, "Prilog razvoju empirijskog upravljačkog sistema mobilnog robota baziranog na elementima mašinskog učenja ojačavanjem i aksiomatskoj teoriji projektovanja" in FME Transactions, 39, no. 1 (2011):1-8,
https://hdl.handle.net/21.15107/rcub_machinery_1281 .