Kandidat Adin Softić, bachelor inženjer mašinstva, javno će braniti završni magistarski rad pod naslovom „Razvoj neuronskih mreža za automatsko generiranje trajektorija robota korištenjem 3D prostorskih podataka“ dana 23.10.2026. godine u 10,00 sati u Amfiteatru Mašinskog fakultetu Univerziteta u Tuzli (Kampus Univerziteta), pred Komisijom u sastavu:

1. Dr.sc. Malik Čabaravdić, redovni profesor, uža naučna oblast ”Automatizacija i robotika”, Mašinski fakultet Univerziteta u Zenici (ekv. u.n.o. ”Mehatornički inžinjering” na Mašinskom fakultetu Univerziteta u Tuzli, broj Odluke o ekvivalenciji: 02/3-6145-1-2.2./24 od 01.11.2024. godine), predsjednik,
2. Dr.sc. Almir Osmanović, vanredni profesor za užu naučnu oblast “Mehatronički inžinjering” na Mašinskom fakultetu Univerziteta u Tuzli, mentor,
3. Dr.sc. Mirza Bećirović, docent, za užu naučnu oblast “Mehatronički sistemi” naMašinskom fakultetu Univerziteta u Tuzli, član.

Za zamjenika članova Komisija iz prethodnog stava ovog imenovan je dr.sc. Salko Ćosić, vanredni profesor za užu naučnu oblast “Opšte mašinstvo” na Mašinskom fakultetu Univerziteta u Tuzli.

Završni magistarski rad može se pogledati u Sekretarijatu Fakulteta radnim danom od 10,00 do 14,00 sati.

Pristup javnosti je slobodan.

SAŽETAK

Programiranje industrijskog robota danas je uglavnom ručni posao: inženjer tačku po tačku definiše putanju kojom se robot kreće. U proizvodnji u kojoj se proizvodi često mijenjaju, to oduzima mnogo vremena i zahtijeva specijalizirano znanje. U master radu istražuje se može li umjetna inteligencija preuzeti dio tog posla. Razvijen je model zasnovan na neuronskim mrežama koji iz 3D prostornih podataka, odnosno digitalnog prikaza oblika objekta, automatski generira trajektoriju robota, tj. niz tačaka kojima se robot kreće. Model najprije “razumije” geometriju objekta, a zatim korak po korak gradi putanju. Za to koristi linearne rekurentne jedinice, vrstu neuronske mreže prilagođenu radu sa sekvencama podataka. Rad je postavljen kao dokaz koncepta: pokazuje da je ovakav pristup izvodljiv i da kvalitet generiranih putanja raste s količinom podataka za treniranje. Tako dobijene putanje mogu se provjeriti u simulaciji i koristiti na postojećim industrijskim robotima, što otvara put ka bržem i fleksibilnijem programiranju robota u budućnosti.