ترجمه فارسی مقاله یادگیری افزایشی تعاملی از مهارتهای قابل تعمیم با مدولاسیون مسیر محلی

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Interactive incremental learning of generalizable skills with local trajectory modulation
عنوان مقاله به فارسی یادگیری افزایشی تعاملی از مهارتهای قابل تعمیم با مدولاسیون مسیر محلی
نویسندگان Markus Knauer, Alin Albu-Schäffer, Freek Stulp, João Silvério
فرمت مقاله انگلیسی PDF
تعداد صفحات 21
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Machine Learning,Artificial Intelligence,Robotics,یادگیری ماشین , هوش مصنوعی , روباتیک ,
توضیحات Submitted 9 September, 2024; originally announced September 2024. , Comments: 21 pages, 16 figures
توضیحات به فارسی ارسال شده در 9 سپتامبر 2024 ؛در ابتدا در سپتامبر 2024 اعلام شد ، نظرات: 21 صفحه ، 16 شکل
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

The problem of generalization in learning from demonstration (LfD) has received considerable attention over the years, particularly within the context of movement primitives, where a number of approaches have emerged. Recently, two important approaches have gained recognition. While one leverages via-points to adapt skills locally by modulating demonstrated trajectories, another relies on so-called task-parameterized models that encode movements with respect to different coordinate systems, using a product of probabilities for generalization. While the former are well-suited to precise, local modulations, the latter aim at generalizing over large regions of the workspace and often involve multiple objects. Addressing the quality of generalization by leveraging both approaches simultaneously has received little attention. In this work, we propose an interactive imitation learning framework that simultaneously leverages local and global modulations of trajectory distributions. Building on the kernelized movement primitives (KMP) framework, we introduce novel mechanisms for skill modulation from direct human corrective feedback. Our approach particularly exploits the concept of via-points to incrementally and interactively 1) improve the model accuracy locally, 2) add new objects to the task during execution and 3) extend the skill into regions where demonstrations were not provided. We evaluate our method on a bearing ring-loading task using a torque-controlled, 7-DoF, DLR SARA robot.

چکیده به فارسی (ترجمه ماشینی)

مشکل تعمیم در یادگیری از تظاهرات (LFD) در طول سالها توجه قابل توجهی را به خود جلب کرده است ، به ویژه در چارچوب بدوی حرکات ، جایی که تعدادی از رویکردها پدید آمده است.اخیراً ، دو رویکرد مهم به رسمیت شناخته شده است.در حالی که یکی از نقاط را برای تطبیق مهارت های محلی با تعدیل مسیرهای نشان داده شده استفاده می کند ، دیگری به به اصطلاح مدل های پارامتری متکی است که حرکات را با توجه به سیستم های مختصات مختلف رمزگذاری می کند ، با استفاده از یک محصول از احتمالات برای تعمیم.در حالی که اولی از نظر دقیق ، مدولاسیون محلی مناسب است ، هدف دوم در تعمیم مناطق بزرگ فضای کاری و اغلب شامل چندین اشیاء است.پرداختن به کیفیت تعمیم با استفاده از هر دو رویکرد به طور همزمان مورد توجه کمی قرار گرفته است.در این کار ، ما یک چارچوب یادگیری تقلید تعاملی را پیشنهاد می کنیم که همزمان از مدولاسیون های محلی و جهانی توزیع مسیر استفاده می کند.با تکیه بر چارچوب اولیه حرکت هسته (KMP) ، ما مکانیسم های جدیدی را برای مدولاسیون مهارت از بازخورد اصلاحی مستقیم انسان معرفی می کنیم.رویکرد ما به ویژه از مفهوم نقاط از طریق افزایشی و تعاملی استفاده می کند 1) دقت مدل را به صورت محلی بهبود می بخشد ، 2) اشیاء جدید را در حین اجرا اضافه کنید و 3) مهارت را به مناطقی که تظاهرات ارائه نشده است ، گسترش دهید.ما روش خود را در مورد یک کار بارگذاری حلقه بلبرینگ با استفاده از یک روبات کنترل شده با گشتاور ، 7-DOF ، DLR SARA ارزیابی می کنیم.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.