Folien zur Vorlesung - Hochschule Ravensburg-Weingarten

Weitere Magazine

Empfehlungen

Info

$kurze Latex-Einführung (PDF)$

Beispiel: Tisch decken Ekvall and Kragic (2008), Idee: Lernphase: Lernen des Demonstrationsziels Reproduktion: Anwendung eines symbolischen Planers Lernen jedoch noch nicht gänzlich objektrelational → Anwendung der Idee auf höherer Abstraktionsebene → Es soll z.B. gelernt werden: on(cup, saucer) Erkennung des Demonstrationsziels Erkennung von Effekten von Aktionen Beziehungen entstehen am Ende von Aktionen: on(cup, saucer)
Key Frame Extraction Key frame extraction durch visuelle Beobachtung Key frame extraction durch kinesthetic teaching Symbol Grounding Problem 10.230 5.784 12.333 11.487 7.890 12.333 12.788 9.122 12.900 ... ? on(cup, saucer) Chella et al. (2006), Idee: Repräsentation der Demonstrationen in Conceptual Spaces Adaption der Idee im Sinne objektrelationaler Repräsentation
Seite 1 und 2: Lernfähige Roboter Wahlpflichtfach
Seite 3 und 4: Was können Roboter heute? schnell
Seite 5 und 6: Was ist Lernen? für Roboter: Vokab
Seite 7 und 8: Lernen motorischer Fertigkeiten Ler
Seite 9 und 10: Drei Trajektorien 4 2 5 10 15 20 25
Seite 11 und 12: Produkt von Normalverteilungen Norm
Seite 13 und 14: Joint Space und Task Space Elegante
Seite 15 und 16: Die Abstandsmatrix d Abstandsmaß d
Seite 17 und 18: Zahl der Pfade Linkes Bild: Zahl de
Seite 19 und 20: Optimaler Pfad Start in D m,n . Nac
Seite 21 und 22: Praktische Ergebnisse Lernen durch
Seite 23 und 24: High-Level Learning: Was ist grundl
Seite 25 und 26: Klassische Planungsaufgabe: Blocks-
Seite 27 und 28: High-Level Planungssprachen: ADL AD
Seite 29 und 30: PDDL-Syntax Struktur einer PDDL-Pro
Seite 31 und 32: PDDL-Beispiel: Blocks-World-Domain
Seite 33 und 34: PDDL-Beispiel: Planerstellung mit M
Seite 35 und 36: PDDL-Beispiel: Existenzquantoren Ve
Seite 37: PDDL: Plan-Metrik Metrik in Aktione
Seite 41 und 42: Räumliche Beziehungen (Relationen)
Seite 43 und 44: Der Demonstration Space und Key Eve
Seite 51 und 52: Experimente in virtueller Umgebung
Seite 53 und 54: Das Perzeptron y(x) = sign(w T x) M
Seite 55 und 56: Kernel und Gram-Matrix Kernelfunkti
Seite 57 und 58: Lineare Klassifikation mit maximale
Seite 59 und 60: Lagrange-Funktion L(w, b, a) = 1 2
Seite 61 und 62: Supportvektoren Neue einfachere For
Seite 63 und 64: Überlappende Klassenverteilungen W
Seite 65 und 66: Duale Repräsentation ähnlicher Re
Seite 67 und 68: Vektoren und Funktionen Vektoren Fu
Seite 69 und 70: Der Gauß’sche Kernel also k(x, z
Seite 71 und 72: Sensorik: Übersicht 1D Sensoren Kl
Seite 73 und 74: Sensorik: 2D Kamera(RGB/IR) Vorteil
Seite 75 und 76: Sensorik: 3D Time of Flight Sensori
Seite 77 und 78: Sensorik: 3D Kamerasystem (bekannte
Seite 79 und 80: Sensorik: 3D Kamerasystem (Stereo/M
Seite 81 und 82: Features: Texturfeatures Beispiel:
Seite 83 und 84: Automatisiertes Objekttraining Dreh
Seite 85 und 86: Positive und negative Beispiele Dre

Folien zur Vorlesung - Hochschule Ravensburg-Weingarten

Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.

Template löschen?

Als Template speichern?