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 Mixture
2013-07-16
robot, learning, DMM
File 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