文献

J-GLOBAL ID：202002256419643564   整理番号：20A0377499

ロボット追従ロボットの制御のための機械学習アルゴリズムに関する比較研究【JST・京大機械翻訳】

A Comparative Study on Machine Learning Algorithms for the Control of a Wall Following Robot

著者 (3件)： Hammad Issam (Dalhousie University,Electrical and Computer Engineering Department,Halifax,NS,Canada,B3J 1Z1) ,  El-Sankary Kamal (Dalhousie University,Electrical and Computer Engineering Department,Halifax,NS,Canada,B3J 1Z1) ,  Gu Jason (Dalhousie University,Electrical and Computer Engineering Department,Halifax,NS,Canada,B3J 1Z1)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ROBIO  ページ： 2995-3000  発行年： 2019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： 本論文では,ロボットの後の壁の方向を予測するための種々の機械学習モデルの性能の比較を提示した。モデルは,24の超音波センサの読み取りと各試料の対応する方向を含むオープンソースデータセットを用いて訓練した。このデータセットを,ロボットウエストにセンサを置くことにより,SCITOS G5移動ロボットを用いて捕捉した。記録当たり24個のセンサを持つ完全フォーマットに加えて,データセットは記録当たり4と2入力センサ読み取りを持つ2つの単純化フォーマットを持つ。いくつかの制御モデルを,すべての3つのデータセットフォーマットを用いてこのデータセットに対して以前に提案した。本論文では,2つの主要な研究貢献を提示した。最初に,すべての3つのフォーマットを用いて,このデータセットに対するすべての以前に提案されたモデルよりも高い精度を持つ機械学習モデルを提示した。4および2入力センサフォーマットに対する完全解を,決定木分類器を用いて,100%の平均精度を達成することにより示した。一方,平均精度99.82%は,Gradient Boost分類器を採用することにより,24のセンサ入力を用いて達成された。第二に,このデータセットに関する異なる機械学習と深い学習アルゴリズムの性能に関する比較研究を提示する。したがって,類似のセンサ融合問題に対するこれらのアルゴリズムの性能に関する全体的洞察を提供する。本論文におけるすべてのモデルを,モンテカルロ交差検証を用いて評価した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 簡素化 ,  *ロボット ,  *アルゴリズム ,  *学習アルゴリズム ,  センサフュージョン ,  ディシジョンツリー ,  移動ロボット ,  センサ ,  *機械学習 ,  モンテカルロ法
準シソーラス用語： 制御モデル ,  力センサ ,  オープンソース ,  超音波センサ ,  *追従ロボット , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： ロボット ,  追従ロボット ,  機械学習 ,  アルゴリズム ,  研究