ترجمه فارسی مقاله Gemuco: مدل همبستگی چند حسی برای یادگیری طرحواره بدن

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 GeMuCo: Generalized Multisensory Correlational Model for Body Schema Learning
عنوان مقاله به فارسی Gemuco: مدل همبستگی چند حسی برای یادگیری طرحواره بدن
نویسندگان Kento Kawaharazuka, Kei Okada, Masayuki Inaba
فرمت مقاله انگلیسی PDF
تعداد صفحات 18
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Robotics,Artificial Intelligence,Machine Learning,روباتیک , هوش مصنوعی , یادگیری ماشین ,
توضیحات Submitted 10 September, 2024; originally announced September 2024. , Comments: Accepted at IEEE Robotics and Automation Magazine
توضیحات به فارسی ارسال شده 10 سپتامبر 2024 ؛در ابتدا در سپتامبر 2024 اعلام شد. ، نظرات: در مجله رباتیک و اتوماسیون IEEE پذیرفته شده است
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

Humans can autonomously learn the relationship between sensation and motion in their own bodies, estimate and control their own body states, and move while continuously adapting to the current environment. On the other hand, current robots control their bodies by learning the network structure described by humans from their experiences, making certain assumptions on the relationship between sensors and actuators. In addition, the network model does not adapt to changes in the robot's body, the tools that are grasped, or the environment, and there is no unified theory, not only for control but also for state estimation, anomaly detection, simulation, and so on. In this study, we propose a Generalized Multisensory Correlational Model (GeMuCo), in which the robot itself acquires a body schema describing the correlation between sensors and actuators from its own experience, including model structures such as network input/output. The robot adapts to the current environment by updating this body schema model online, estimates and controls its body state, and even performs anomaly detection and simulation. We demonstrate the effectiveness of this method by applying it to tool-use considering changes in grasping state for an axis-driven robot, to joint-muscle mapping learning for a musculoskeletal robot, and to full-body tool manipulation for a low-rigidity plastic-made humanoid.

چکیده به فارسی (ترجمه ماشینی)

انسانها می توانند به طور خودمختار رابطه بین احساس و حرکت در بدن خود را بیاموزند ، حالات بدن خود را برآورد و کنترل کنند و در حالی که به طور مداوم با محیط فعلی سازگار می شوند ، حرکت کنند.از طرف دیگر ، روبات های فعلی با یادگیری ساختار شبکه توصیف شده توسط انسان از تجربیات خود ، بدن خود را کنترل می کنند و فرضیات خاصی را در مورد رابطه سنسورها و محرک ها ایجاد می کنند.علاوه بر این ، مدل شبکه با تغییرات در بدن ربات ، ابزارهایی که گرفته می شود ، یا محیط زیست سازگار نیست ، و هیچ تئوری یکپارچه ای وجود ندارد ، نه تنها برای کنترل بلکه برای تخمین حالت ، تشخیص ناهنجاری ، شبیه سازی و غیرهرویدر این مطالعه ، ما یک مدل همبستگی چند حسی (GEMUCO) را پیشنهاد می کنیم ، که در آن خود ربات یک طرح بدنی را به دست می آورد که همبستگی بین سنسورها و محرک ها را از تجربه خود توصیف می کند ، از جمله ساختارهای مدل مانند ورودی/خروجی شبکه.این روبات با به روزرسانی این مدل طرحواره بدنه به صورت آنلاین با محیط فعلی سازگار می شود ، وضعیت بدن خود را تخمین و کنترل می کند و حتی تشخیص و شبیه سازی ناهنجاری را انجام می دهد.ما اثربخشی این روش را با استفاده از آن در استفاده از ابزار با در نظر گرفتن تغییرات در درک وضعیت یک روبات محور محور ، یادگیری نقشه برداری عضلات مفاصل برای یک ربات اسکلتی عضلانی و دستکاری ابزار کامل بدن برای پلاستیک کم رنگ و کم رنگ نشان می دهیم.-مانوئید ساخته شده است.

📚 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.