文献

J-GLOBAL ID：201702252336813270   整理番号：17A1271275

パラメータ化された技術の構成可能モデル学習【Powered by NICT】

Learning composable models of parameterized skills

著者 (2件)： Kaelbling Leslie Pack (Computer Science and Artificial Intelligence Laboratory, Massachusetts Institute of Technology, Cambridge, MA 02139 USA) ,  Lozano-Perez Tomas (Computer Science and Artificial Intelligence Laboratory, Massachusetts Institute of Technology, Cambridge, MA 02139 USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICRA  ページ： 886-893  発行年： 2017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： 学習新しいロボット技術に関する研究の多くが,これらの新たに獲得したスキルは,全体的な知的システムに統合できるかの非常にほとんど考慮されている。このようなシステムの重要な側面は,構成性である:新たに学習した能力は,既存の能力と組み合わせることで,柔軟であることを可能にし,ロボットの能力における(良好な!)組み合わせ爆発を生成する形で特性化されていない。本論文では,新しいパラメータ化技術の前処理および結果の学習モデルに焦点を当て,生成計画と実行システムによる既存の能力と組み合わせることに作用可能にする形であった。Copyright 2017 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： 前処理 ,  *パラメタリゼーション ,  ロボット ,  学習モデル ,  キャラクタリゼーション
準シソーラス用語： インテリジェントシステム ,  ロボット工学 ,  *モデル学習 , 【Automatic Indexing@JST】

分類 (2件)： ロボット工学一般  (IC04011S) ,  ロボットの運動・制御  (IC04012J)

タイトルに関連する用語 (2件)： パラメータ ,  モデル学習