"Robot Learning by Visual Observation" - это книга, посвященная программированию роботов с помощью демонстрации движения. Основной упор делается на абстракции задач на уровне траекторий. В книге рассматриваются методы оптимизации воспроизведения задач, такие как реформулирование планирования задач в виде проблемы ограниченной оптимизации. Основное внимание уделяется регрессионным подходам, таким как регрессия по Гауссовской смеси, сплайновая регрессия и локально взвешенная регрессия. Книга сосредоточена на использовании видео датчиков для захвата движений и действий во время демонстрации задач экспертом-человеком.
Эта книга исследует программирование через демонстрацию для обучения роботов на основе наблюдений с акцентом на уровне абстракции траекторий задачи. Она обсуждает методы оптимизации воспроизведения задач, такие как переформулирование планирования задачи в виде проблемы оптимизации при ограничениях, акцентирует внимание на регрессионных подходах, таких как регрессия смесей Гаусса, регрессия сплайнов и локальная взвешенная регрессия, и сосредотачивается на использовании датчиков зрения для захвата движений и действий во время демонстрации задачи экспертным человеком.
In this book, the author is discussing programmed learning by using graphics in attention, with the focus of trajectory level problem comprehension. It’s referring to methods that can be used for defect reproduction, like rewriting problem formulation as grounded solution problem. Authors are concentrating on regression methods—such as normal mix regression, piecewise regression, local-based regression—and also the usage of sight sensors to capture motions and activities during a problem guide by an human specialised.
Электронная Книга «Robot Learning by Visual Observation» написана автором Aleksandar Vakanski в году.
Минимальный возраст читателя: 0
Язык: Английский
ISBN: 9781119091783
Описание книги от Aleksandar Vakanski
This book presents programming by demonstration for robot learning from observations with a focus on the trajectory level of task abstraction Discusses methods for optimization of task reproduction, such as reformulation of task planning as a constrained optimization problem Focuses on regression approaches, such as Gaussian mixture regression, spline regression, and locally weighted regression Concentrates on the use of vision sensors for capturing motions and actions during task demonstration by a human task expert
