Learning to Represent Surroundings, Anticipate Motion and Take Informed Actions in Unstructured Environments

要約

現代のロボットは、構造化された環境で特定のタスクを達成することに非常に熟練しています。
ただし、現実世界の非構造化環境の無限の順列に直面すると、失敗することがよくあります。
これにより、事前に定義された一連のルールに従うのではなく、経験から学習するロボット工学手法が動機付けられます。
この論文では、動的で構造化されていない環境で動作するロボットが周囲の環境をよりよく理解し、他者の行動を予測し、それに応じて情報に基づいた行動を取れるようにすることを目的とした、学習ベースのさまざまな方法を紹介します。

要約(オリジナル)

Contemporary robots have become exceptionally skilled at achieving specific tasks in structured environments. However, they often fail when faced with the limitless permutations of real-world unstructured environments. This motivates robotics methods which learn from experience, rather than follow a pre-defined set of rules. In this thesis, we present a range of learning-based methods aimed at enabling robots, operating in dynamic and unstructured environments, to better understand their surroundings, anticipate the actions of others, and take informed actions accordingly.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google