Global ETD Search

1	MILA - ein Labordemonstrator zur Erprobung von Methoden des Imitationslernens für autonome Arbeitsmaschinen Menz, C., Fränzel, N., Wenzel, A. 18 February 2025 (has links) Im vorliegenden Beitrag wird ein Labordemonstrator zur Erprobung von Methoden des Imitationslernens für autonome Arbeitsmaschinen vorgestellt. Der Einsatz miniaturisierter Modelle ermöglicht dabei eine kosteneffiziente und flexible Testplattform, mit der sich realitätsnahe Szenarien im Kleinmaßstab abbilden lassen. Nach einer Einführung in das Thema wird der hard- und softwaretechnische Aufbau des Demonstrators erläutert und auf den aktuellen Realisierungsstand eingegangen. Die Funktionsfähigkeit wird anhand eines einführenden Anwendungsbeispiels zur Positionsregelung eines Traktormodells dargelegt. Das vorgestellte System eignet sich als Grundlage für die Erprobung weiterer Szenarien und Methoden sowie deren möglichen Transfer auf reale Anwendungen.
2	Einen Roboter das Fahren Lehren - ein auf Fähigkeitslernen basierter Ansatz / Teaching a Robot to Drive - A Skill Learning Inspired Approach Markelic, Irene 06 August 2010 (has links) No description available. Fähigkeitslernen Maschinenlernen autonomes Fahren Roboter Kontrolle Imitationslernen Fahrerassistenz visuelle interne Modelle skill learning machine learning autonomous driving robot control programming by demonstration imitation learning driver assistance visual internal models
3	Learning Continuous Human-Robot Interactions from Human-Human Demonstrations Vogt, David 02 March 2018 (has links) (PDF) In der vorliegenden Dissertation wurde ein datengetriebenes Verfahren zum maschinellen Lernen von Mensch-Roboter Interaktionen auf Basis von Mensch-Mensch Demonstrationen entwickelt. Während einer Trainingsphase werden Bewegungen zweier Interakteure mittels Motion Capture erfasst und in einem Zwei-Personen Interaktionsmodell gelernt. Zur Laufzeit wird das Modell sowohl zur Erkennung von Bewegungen des menschlichen Interaktionspartners als auch zur Generierung angepasster Roboterbewegungen eingesetzt. Die Leistungsfähigkeit des Ansatzes wird in drei komplexen Anwendungen evaluiert, die jeweils kontinuierliche Bewegungskoordination zwischen Mensch und Roboter erfordern. Das Ergebnis der Dissertation ist ein Lernverfahren, das intuitive, zielgerichtete und sichere Kollaboration mit Robotern ermöglicht. Mensch-Roboter Interaktion Imitationslernen Maschinelles Lernen Interaktionslernen MRI Mensch-Roboter Kollaboration Virtuelle Realität Human-Robot Interaction Imitation Learning Machine Learning Interaction Learning HRI Human-Robot Collaboration Virtual Reality ddc:004 Mensch-Maschine-Kommunikation Roboter Maschinelles Lernen Modelllernen Programmierung durch Vormachen
4	Learning Continuous Human-Robot Interactions from Human-Human Demonstrations Vogt, David 02 March 2018 (has links) In der vorliegenden Dissertation wurde ein datengetriebenes Verfahren zum maschinellen Lernen von Mensch-Roboter Interaktionen auf Basis von Mensch-Mensch Demonstrationen entwickelt. Während einer Trainingsphase werden Bewegungen zweier Interakteure mittels Motion Capture erfasst und in einem Zwei-Personen Interaktionsmodell gelernt. Zur Laufzeit wird das Modell sowohl zur Erkennung von Bewegungen des menschlichen Interaktionspartners als auch zur Generierung angepasster Roboterbewegungen eingesetzt. Die Leistungsfähigkeit des Ansatzes wird in drei komplexen Anwendungen evaluiert, die jeweils kontinuierliche Bewegungskoordination zwischen Mensch und Roboter erfordern. Das Ergebnis der Dissertation ist ein Lernverfahren, das intuitive, zielgerichtete und sichere Kollaboration mit Robotern ermöglicht. info:eu-repo/classification/ddc/004 ddc:004

1

Page generated in 0.127 seconds