文献

J-GLOBAL ID：201602234004540615   整理番号：16A0653629

準静的環境における生涯特徴マッピングに向けて【Powered by NICT】

Towards lifelong feature-based mapping in semi-static environments

著者 (3件)： Rosen David M. (Computer Science and Artificial Intelligence Laboratory, Massachusetts Institute of Technology, Cambridge, 02139 USA) ,  Mason Julian (Computer Science and Artificial Intelligence Laboratory, Massachusetts Institute of Technology, Cambridge, 02139 USA) ,  Leonard John J. (Google, 1600 Amphitheatre Parkway, Mountain View, CA 94043 USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： ICRA  ページ： 1063-1070  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： ロボットマッピングへの特徴ベースグラフ手法はその環境のモデルを学習する自律エージェントのためのrepresentationally豊富で計算的に効率的なフレームワークを提供する。しかし,環境変化の概念が不足しているため,この定式化は自然長期自律性を支持しない実際には,「すべて変化と依然自立していない」と真に持続性自律性を支援することを目的とした任意のマッピングと位置確認システムは,同様に適応しなければならない。この目的のために,本論文では,時間の経過とともに環境進化の新しい特徴ベースモデルを提案した。著者らの方式は時間に亘る抽象的準静的環境特徴の生存を記述する表現力の高い確率的生成特徴持続性モデルの開発に基づいている。はこのモデルは再帰的Bayes推定量,持続性フィルタ,時間の各時点での,環境の各特徴の持続性にわたる明示的なBayes信念を計算するための正確なオンライン方法を提供することを許容することを示した。現在の最先端のグラフマッピング技術にこの特徴持続性推定を導入することにより,著者らは,変化する世界での生涯環境モデリングのための柔軟な,計算効率,情報理論的に厳密なフレームワークを得た。Copyright 2016 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *Bayes推定 ,  フィルタ ,  位置決め ,  定式化 ,  情報理論 ,  図式解法
準シソーラス用語： 計算効率 ,  環境モデリング ,  オンライン ,  表現力 ,  持続性 ,  自律性 ,  環境変化 ,  自律エージェント , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (2件)： 環境 ,  マッピング