Interactive Bayesian identification of kinematic mechanisms
Interactive Bayesian identification of kinematic mechanisms
复制标题
运动学机制的交互式贝叶斯识别
DOI：
--
复制
发表时间：
2014
期刊：
影响因子：
--
通讯作者：
Tomas Lozano
中科院分区：
文献类型：
--
作者：
Patrick R. Barragan;L. Kaelbling;Tomas Lozano
本文讨论的问题，识别机制的基础上收集的数据，同时与他们互动。我们提出了一个决策理论制定这个问题，使用贝叶斯过滤技术，以保持一个分布估计的机制类型和参数。为了减少达到置信识别所需的交互量，我们显式地选择动作以减少当前估计中的熵。我们证明了一个域上的方法与四个原始和两个复合机制。结果表明，该方法可以正确识别复杂机构，包括机构是很难建模的分析。结果还表明，基于熵的动作选择可以显着减少收集相同信息所需的动作数量。
This paper addresses the problem of identifying mechanisms based on data gathered while interacting with them. We present a decision-theoretic formulation of this problem, using Bayesian filtering techniques to maintain a distributional estimate of the mechanism type and parameters. In order to reduce the amount of interaction required to arrive at a confident identification, we select actions explicitly to reduce entropy in the current estimate. We demonstrate the approach on a domain with four primitive and two composite mechanisms. The results show that this approach can correctly identify complex mechanisms including mechanisms which are difficult to model analytically. The results also show that entropy-based action selection can significantly decrease the number of actions required to gather the same information.
影响因子：
5
作者：
Sturm, Juergen;Stachniss, Cyrill;Burgard, Wolfram
通讯作者：
Burgard, Wolfram
DOI：
10.1109/icra.2015.7139549
发表时间：
2015
期刊：
2015 IEEE International Conference on Robotics and Automation (ICRA)
影响因子：
--
作者：
J. Kulick;S. Otte;M. Toussaint
通讯作者：
M. Toussaint
用于环境自由度物理探索的基于熵的策略
DOI：
10.1109/iros.2014.6942623
发表时间：
2014
期刊：
2014 IEEE/RSJ International Conference on Intelligent Robots and Systems
影响因子：
--
作者：
Stefan Otte;Johannes Kulick;Marc Toussaint;Oliver Brock
通讯作者：
Oliver Brock