Inizialmente si propone l'analisi e l'implementazione di un nuovo approccio all'apprendimento da dimostrazioni non corrette (RLfF), il Donut Mixture Model (DMM), testato su un robot umanoide. Successivamente si propone l'analisi dell'apprendimento da dimostrazioni corrette fornite da utenti diversi, catturate attraverso il sensore RGB-D Kinect. Nella realizzazione del comportamento prestabilito, il DMM viene applicato e confrontato rispetto al modello Gaussian Mixture
Robot Learning from Human Demonstrations: confronto tra DMM e GMM
Rizzi, Alberto
2013/2014
Abstract
Inizialmente si propone l'analisi e l'implementazione di un nuovo approccio all'apprendimento da dimostrazioni non corrette (RLfF), il Donut Mixture Model (DMM), testato su un robot umanoide. Successivamente si propone l'analisi dell'apprendimento da dimostrazioni corrette fornite da utenti diversi, catturate attraverso il sensore RGB-D Kinect. Nella realizzazione del comportamento prestabilito, il DMM viene applicato e confrontato rispetto al modello Gaussian MixtureFile in questo prodotto:
File | Dimensione | Formato | |
---|---|---|---|
Robot_Learning_from_Human_Demonstrations.pdf
accesso aperto
Dimensione
12.6 MB
Formato
Adobe PDF
|
12.6 MB | Adobe PDF | Visualizza/Apri |
The text of this website © Università degli studi di Padova. Full Text are published under a non-exclusive license. Metadata are under a CC0 License
Utilizza questo identificativo per citare o creare un link a questo documento:
https://hdl.handle.net/20.500.12608/16779