Πτυχίο στην Εφαρμοσμένης Πληροφορικής http://hdl.handle.net/11728/11488 2026-06-10T03:08:44Z 2026-06-10T03:08:44Z Αδάμου, Ανδρέας http://hdl.handle.net/11728/13553 2026-06-09T10:04:14Z 2026-05-01T00:00:00Z

Σχεδίαση και πειραματική αξιολόγηση vision-based στρατηγικών πλοήγησης για αυτόνομα line-following ρομπότ Αδάμου, Ανδρέας Η παρούσα πτυχιακή εργασία έχει ως στόχο την ανάπτυξη και πειραματική αξιολόγηση ενός vision-based συστήματος line-following σε πραγματική ρομποτική πλατφόρμα, με έμφαση στη διερεύνηση του τρόπου με τον οποίο επιμέρους αλγοριθμικές επιλογές επηρεάζουν την ακρίβεια, τη σταθερότητα και τη συνολική απόδοση της πλοήγησης. Για τον σκοπό αυτό αναπτύχθηκε ένας βασικός vision-based αλγόριθμος, ο οποίος αξιοποιεί εικόνα από κάμερα, τεχνικές επεξεργασίας εικόνας, υπολογισμό της θέσης της γραμμής και διορθωτικές εντολές κίνησης. Πάνω στον βασικό αυτό αλγόριθμο υλοποιήθηκαν και συγκρίθηκαν διαφορετικές παραλλαγές του, όπως η χρήση Dynamic ROI και διαφορετικές προσεγγίσεις κατωφλίωσης, ενώ παράλληλα αναπτύχθηκε και ένα IR sensor-based σύστημα ως baseline για σκοπούς σύγκρισης. Η αξιολόγηση πραγματοποιήθηκε σε κοινή πίστα line-following, η οποία περιλάμβανε τμήματα διαφορετικού βαθμού δυσκολίας, και σε διαφορετικές ταχύτητες κίνησης. Για τη σύγκριση των μεθόδων χρησιμοποιήθηκαν μετρικές όπως το μέσο πλευρικό σφάλμα, ο αριθμός αποτυχημένων ανιχνεύσεων γραμμής, ο μέσος χρόνος ανάκαμψης, ο χρόνος ολοκλήρωσης της διαδρομής και ο αριθμός επιτυχημένων δοκιμών. Τα αποτελέσματα έδειξαν ότι ένα vision-based σύστημα μπορεί να υποστηρίξει ικανοποιητική line-following πλοήγηση σε πραγματική πλατφόρμα χαμηλού κόστους, κυρίως σε χαμηλές και μεσαίες ταχύτητες. Ωστόσο, η απόδοσή του επηρεάζεται σημαντικά από την ποιότητα της εικόνας, τη θόλωση, την επιλογή της περιοχής ενδιαφέροντος και τη μέθοδο κατωφλίωσης. Από τις vision-based παραλλαγές, η μέθοδος Dynamic ROI παρουσίασε την καλύτερη συνολική συμπεριφορά, καθώς συνέβαλε στη διατήρηση πιο σχετικής οπτικής πληροφορίας κατά την παρακολούθηση της γραμμής. Αντίθετα, η Adaptive Threshold μέθοδος δεν απέδωσε καλύτερα από το σταθερό thresholding στη συγκεκριμένη υλοποίηση, λόγω ασυνεχειών που εμφανίστηκαν στη δυαδική εικόνα. Η πειραματική Dynamic Threshold εκδοχή παρουσίασε βελτιωμένη συμπεριφορά σε σχέση με την Adaptive Threshold, χωρίς όμως να ξεπεράσει συνολικά τις παραλλαγές που βασίστηκαν στο σταθερό thresholding. Συμπερασματικά, η εργασία δείχνει ότι η απόδοση ενός vision-based line-following συστήματος δεν εξαρτάται μόνο από τη χρήση κάμερας, αλλά και από τις επιμέρους σχεδιαστικές επιλογές του vision pipeline. Παράλληλα, αναδεικνύεται η δυνατότητα αξιοποίησης τέτοιων συστημάτων σε εφαρμογές εκπαιδευτικής ρομποτικής και αυτόνομης πλοήγησης χαμηλού κόστους. ENGLISH ABSTRACT This thesis aims to develop and experimentally evaluate a vision-based line-following system on a real robotic platform, with emphasis on investigating how specific algorithmic choices affect the accuracy, stability and overall performance of navigation. For this purpose, a basic vision-based algorithm was developed, using camera input, image processing techniques, line position estimation and corrective motion commands. Based on this algorithm, different variants were implemented and compared, including the use of Dynamic ROI and different thresholding approaches. In addition, an IR sensor-based system was developed as a baseline for comparison. The evaluation was carried out on the same line-following track for all methods. The track included sections of different difficulty levels and the tests were conducted at different driving speeds. The methods were compared using metrics such as mean lateral error, number of failed line detections, average recovery time, route completion time and number of successful trials. The results showed that a vision-based system can support satisfactory line-following navigation on a real low-cost platform, mainly at low and medium speeds. However, its performance is significantly affected by image quality, motion blur, the selection of the region of interest and the thresholding method. Among the vision-based variants, the Dynamic ROI method achieved the best overall performance, as it helped maintain more relevant visual information during line tracking. In contrast, the Adaptive Thresholding method did not perform better than fixed thresholding in this implementation, due to discontinuities that appeared in the binary image. The experimental Dynamic Thresholding variant showed improved behavior compared to Adaptive Thresholding, but did not overall outperform the variants based on fixed thresholding. In conclusion, this thesis shows that the performance of a vision-based line-following system does not depend only on the use of a camera, but also on the specific design choices of the vision pipeline. At the same time, it highlights the potential of such systems for educational robotics and low-cost autonomous navigation applications.

2026-05-01T00:00:00Z Ανδρέου, Χρύσης http://hdl.handle.net/11728/13552 2026-06-09T07:36:58Z 2026-05-20T00:00:00Z

Ανάπτυξη και Αξιολόγηση Παιχνιδιού Τρόμου Λήψης Αποφάσεων με Δυναμική Αφήγηση και Προσαρμοστικούς Μη Παικτικούς Χαρακτήρες στην Unreal Engine 5 Ανδρέου, Χρύσης Η παρούσα εργασία αφορά τον σχεδιασμό, την ανάπτυξη και την αξιολόγηση ενός τρισδιάστατου παιχνιδιού τρόμου πρώτου προσώπου στην Unreal Engine 5, με έμφαση στη δυναμική αφήγηση, τη λήψη αποφάσεων και την προσαρμοστική τεχνητή νοημοσύνη μη παικτικών χαρακτήρων. Η υλοποίηση βασίστηκε στα Blueprints και περιλαμβάνει Σύστημα Στατιστικών Παίκτη, μηχανισμούς διατήρησης δεδομένων μεταξύ επιπέδων, δέντρα συμπεριφοράς για τους εχθρούς, διακλαδούμενη αφηγηματική λογική και εναλλακτικές καταλήξεις. Παράλληλα, αξιοποιήθηκαν τεχνικές ατμόσφαιρας, όπως ο δυναμικός φωτισμός Lumen, ο χωρικός ήχος και τα γεγονότα τρόμου, ώστε η εμπειρία να μεταβάλλεται ανάλογα με τις ενέργειες του παίκτη. Η αξιολόγηση πραγματοποιήθηκε μέσω τεχνικών ελέγχων και δοκιμών με χρήστες, με ερωτηματολόγια βασισμένα στα SUS, GEQ και IMI. Τα αποτελέσματα έδειξαν ότι οι βασικοί μηχανισμοί λειτούργησαν σταθερά μετά τις διορθώσεις, ενώ οι χρήστες αξιολόγησαν θετικά τη χρηστικότητα, την εμβύθιση, την ατμόσφαιρα φόβου και την αίσθηση αυτενέργειας. Οι συμμετέχοντες αναγνώρισαν ότι οι επιλογές τους επηρέαζαν το περιβάλλον, τη συμπεριφορά των εχθρών και τις πιθανές καταλήξεις. Συνολικά, η εργασία προτείνει ένα λειτουργικό πλαίσιο σύνδεσης αφήγησης, στατιστικών και τεχνητής νοημοσύνης, προσφέροντας βάση για μελλοντική επέκταση προσαρμοστικών, επαναλήψιμων και περισσότερο εξατομικευμένων ψηφιακών εμπειριών τρόμου. ENGLISH ABSTRACT This thesis presents the design, development, and evaluation of a 3D first-person horror game in Unreal Engine 5, focusing on dynamic narrative, decision-making, and adaptive artificial intelligence for non-playable characters. The implementation was developed through Blueprints and includes a Player Stats System, data persistence between levels, Behavior Tree based enemy logic, branching narrative mechanisms, and multiple endings. Atmospheric techniques such as Lumen dynamic lighting, spatial audio, and scripted horror events were integrated to create a game experience that responds to the player’s actions and progression. The prototype was evaluated through technical testing and user trials using questionnaires based on SUS, GEQ, and IMI dimensions. The results indicated positive usability, strong immersion, effective horror atmosphere, and a clear sense of player agency, as participants recognized that their choices influenced the environment, enemy behavior, and narrative outcomes. Although the evaluation was conducted with a small sample and should be interpreted as an initial assessment rather than a full validation, the findings suggest that the proposed design successfully connects narrative, player statistics, and AI behavior within a coherent horror experience. Overall, the thesis contributes a functional framework for developing adaptive horror games that personalize tension, progression, and narrative feedback according to player interaction.

2026-05-20T00:00:00Z Δημητρίου, Λευτέρης http://hdl.handle.net/11728/13397 2026-05-06T07:10:44Z 2026-01-01T00:00:00Z

Σχεδιασμός παιχνιδιού για τον έλεγχο ρομπότ με την χρήση του προγράμματος Unreal Engine.” Δημητρίου, Λευτέρης Η παρούσα διπλωματική εργασία εξετάζει τη χρήση της μηχανής παιχνιδιών Unreal Engine ως εργαλείο προσομοίωσης και εκπαίδευσης στον τομέα του ρομποτικού ελέγχου. Κύριος στόχος της εργασίας είναι να διερευνηθεί κατά πόσο ένα διαδραστικό περιβάλλον παιχνιδιού μπορεί να συμβάλει στην κατανόηση βασικών εννοιών ρομποτικής, με έμφαση στον έλεγχο κίνησης μέσω ελεγκτή Proportional–Integral–Derivative (PID). Η μεθοδολογία που ακολουθήθηκε περιλαμβάνει τον σχεδιασμό και την υλοποίηση ενός εικονικού ρομπότ για line following μέσα στην Unreal Engine. Το ρομπότ σχεδιάστηκαι με εικονικούς αισθητήρες γραμμής, οι οποίοι προσομοιώθηκαν μέσω μηχανισμών ανίχνευσης σύγκρουσης (line traces), ενώ ο ελεγκτής PID υλοποιήθηκε εξ ολοκλήρου μέσω οπτικού προγραμματισμού (Blueprints). Παράλληλα, αναπτύχθηκε μια διεπαφή χρήστη που επιτρέπει τη διαδραστική ρύθμιση των παραμέτρων του ελεγκτή σε πραγματικό χρόνο. Η πειραματική αξιολόγηση πραγματοποιήθηκε σε τρεις πίστες line following με διαφορετικό επίπεδο δυσκολίας. Τα ευρήματα της εργασίας δείχνουν ότι η ρύθμιση των παραμέτρων του ελεγκτή PID επηρεάζει σημαντικά τη συμπεριφορά και την απόδοση του ρομπότ, ιδιαίτερα σε απαιτητικά περιβάλλοντα. Διαπιστώθηκε ότι δεν υπάρχει μία βέλτιστη ρύθμιση για όλα τα σενάρια, αλλά ότι η πολυπλοκότητα του περιβάλλοντος απαιτεί διαφορετικές προσεγγίσεις ελέγχου. Συμπερασματικά, η εργασία δείχνει ότι η Unreal Engine μπορεί να αξιοποιηθεί ως ένα ισχυρό εκπαιδευτικό εργαλείο για τη διδασκαλία βασικών εννοιών ρομποτικού ελέγχου. Μέσω της άμεσης οπτικής ανατροφοδότησης και του πειραματισμού, ενισχύεται η σύνδεση θεωρίας και πράξης, προσφέροντας ένα ασφαλές και διαδραστικό περιβάλλον μάθησης. ENGLISH ABSTRACT This thesis examines the use of the Unreal Engine game engine as a simulation and training tool in the field of robotic control. The main objective of the work is to investigate whether an interactive game environment can contribute to the understanding of basic robotics concepts, with emphasis on motion control through a Proportional–Integral–Derivative (PID) controller. The methodology followed includes the design and implementation of a virtual robot for line following within the Unreal Engine. The robot was designed with virtual line sensors, which were simulated through collision detection mechanisms (line traces), while the PID controller was implemented entirely through visual programming (Blueprints). At the same time, a user interface was developed that allows the interactive adjustment of the controller parameters in real time. The experimental evaluation was carried out on three line following tracks with different levels of difficulty. The findings of the work show that the adjustment of the PID controller parameters significantly affects the behavior and performance of the robot, especially in demanding environments. It was found that there is no single optimal setting for all scenarios, but that the complexity of the environment requires different control approaches. In conclusion, the work shows that Unreal Engine can be used as a powerful educational tool for teaching basic concepts of robotic control. Through direct visual feedback and experimentation, the connection between theory and practice is strengthened, offering a safe and interactive learning environment.

2026-01-01T00:00:00Z Αριστοδήμου, Φίλιππος http://hdl.handle.net/11728/13396 2026-05-06T07:04:22Z 2026-02-01T00:00:00Z

Μελέτη και Ανάπτυξη Αλγορίθμων σε Αρχιτεκτονικές Επεξεργαστών Πολλαπλών Πυρήνων για την Επίτευξη της Αύξησης της Επίδοσης και της Διεκπεραιωτικότητας των Ολοκληρωμένων Ενδο-συνδεόμενων Δικτύων Αριστοδήμου, Φίλιππος Τα Ολοκληρωμένα Ενδο-συνδεόμενα Δίκτυα (ΟΕΔ), γνωστά διεθνώς ως Networks-on-Chip (NoCs), αποτελούν την κυρίαρχη υποδομή επικοινωνίας στους σύγχρονους πολυπύρηνους επεξεργαστές. Η απόδοση του δικτύου επηρεάζει άμεσα τη συνολική απόδοση του συστήματος, καθιστώντας τον σχεδιασμό αποδοτικών αλγορίθμων δρομολόγησης κρίσιμο ζήτημα. Η παρούσα εργασία παρουσιάζει τον αλγόριθμο APAR (Adaptive Phase-Aware Routing), έναν υβριδικό αλγόριθμο δρομολόγησης που συνδυάζει τα πλεονεκτήματα της ντετερμινιστικής και της προσαρμοστικής δρομολόγησης. Η βασική καινοτομία του APAR έγκειται στην ικανότητά του να ανιχνεύει δυναμικά τη φάση λειτουργίας του δικτύου βάσει των επιπέδων συμφόρησης και να προσαρμόζει τη στρατηγική δρομολόγησης ανάλογα. Ο APAR ταξινομεί την κατάσταση του δικτύου σε τρεις φάσεις: χαμηλή, μέτρια και υψηλή συμφόρηση. Σε χαμηλή συμφόρηση χρησιμοποιεί ντετερμινιστική δρομολόγηση XY για ελάχιστη καθυστέρηση. Σε μέτρια και υψηλή συμφόρηση μεταβαίνει σε προσαρμοστική δρομολόγηση βασισμένη στο μοντέλο Odd-Even για εξισορρόπηση φόρτου. Ένας μηχανισμός υστέρησης εξασφαλίζει ομαλές μεταβάσεις μεταξύ φάσεων. Η πειραματική αξιολόγηση βασίστηκε σε πλήρη μήτρα συνθηκών (mesh,traffic,IR,run) και εκτελέστηκε με προσομοίωση ακριβείας κύκλου ρολογιού. Συγκεκριμένα, εξετάστηκαν 3 μεγέθη πλέγματος (4×4, 8×8, 16×16), 7 συνθετικά πρότυπα κυκλοφορίας (Uniform, Transpose, Hotspot, Bit‑Complement, Bit‑Reverse, Neighbor, Tornado) και 18 ρυθμοί έγχυσης (0.01–0.50 flits/node/cycle), με 3 επαναλήψεις ανά διαμόρφωση. Αυτό αντιστοιχεί σε 3×7×18×3=1134 διαμορφώσεις πειράματος. Καθώς συγκρίθηκαν 5 αλγόριθμοι (XY, West‑First, Odd‑Even, CARL, APAR), το συνολικό πλήθος εκτελέσεων προσομοίωσης ήταν 1134×5=5670. Σε κάθε εκτέλεση μετρήθηκαν βασικές μετρικές (throughput, latency, hops) μέσα σε σαφώς ορισμένο παράθυρο μέτρησης μετά από warmup, και εφαρμόστηκε φάση εκκένωσης (drain) για ολοκλήρωση των πακέτων. Επιπλέον, πραγματοποιήθηκαν έλεγχοι εγκυρότητας (no‑drop μετά το drain και μηδενικά drain timeouts), ώστε τα αποτελέσματα να είναι συγκρίσιμα και αναπαραγώγιμα. Τα αποτελέσματα δείχνουν ότι η απόδοση είναι έντονα εξαρτώμενη από το πρότυπο κυκλοφορίας (traffic‑dependent): ο ντετερμινιστικός XY παραμένει ισχυρός σε ομοιόμορφη κυκλοφορία, ενώ ο APAR εμφανίζει κέρδη σε πρότυπα με έντονη δομή, όπως το bit‑reverse (π.χ. +33.5% μέγιστη διεκπεραίωση (peak throughput) έναντι XY σε 8×8). Συνολικά, η εργασία υποστηρίζει ότι η επίγνωση φάσης μπορεί να προσφέρει στοχευμένα οφέλη σε συγκεκριμένα σενάρια συμφόρησης, χωρίς όμως να τεκμηριώνει ότι μία και μοναδική πολιτική δρομολόγησης υπερέχει σταθερά σε κάθε περίπτωση. ENGLISH ABSTRACT Networks-on-Chip (NoC) constitute the dominant communication infrastructure in modern multicore processors. Network performance directly affects overall system performance, making the design of efficient routing algorithms a critical concern. This thesis presents the APAR (Adaptive Phase-Aware Routing) algorithm, a hybrid routing algorithm that combines the advantages of deterministic and adaptive routing. The key innovation of APAR lies in its ability to dynamically detect the network’s operating phase based on congestion levels and adapt the routing strategy accordingly. APAR classifies the network state into three phases: low, medium, and high congestion. In low congestion, it uses deterministic XY routing for minimal latency. In medium and high congestion, it transitions to adaptive routing based on the Odd-Even turn model for load balancing. A hysteresis mechanism ensures smooth transitions between phases. Evaluation was performed through 5670 cycle-accurate simulation experiments on three mesh sizes (4×4, 8×8, 16×16), seven traffic patterns and 18 injection rates (0.01–0.50 flits/node/cycle), with three runs per configuration. Five algorithms were compared: XY, West‑First, Odd‑Even, CARL, and APAR, with strict integrity checks (no‑drop after drain and zero drain timeouts). Results indicate strongly traffic-dependent behavior: deterministic XY remains strong under uniform traffic, while APAR shows benefits on structured patterns such as bit‑reverse (e.g., +33.5% peak throughput vs. XY on 8×8).

2026-02-01T00:00:00Z