Body schema acquisition through active learning
Body schema acquisition through active learning
复制标题
通过主动学习获取身体图式
DOI：
--
复制
发表时间：
2010
期刊：
影响因子：
--
通讯作者：
L. Montesano
中科院分区：
文献类型：
--
作者：
Ruben Martinez;M. Lopes;L. Montesano
我们提出了一个主动学习算法的身体模式学习的问题，即估计串联机器人的运动学模型。学习过程是在线使用递归最小二乘（RLS）估计，这优于梯度方法通常应用在文献中。此外，该方法提供了所需的信息，应用主动学习算法，以找到最佳的机器人配置和观察，以改善学习过程。通过选择信息量最大的观测值，该方法最大限度地减少了所需的数据量。我们已经开发了一个有效的版本的主动学习算法来选择点的实时。该算法已被测试和比较使用模拟环境和一个真实的人形机器人。
We present an active learning algorithm for the problem of body schema learning, i.e. estimating a kinematic model of a serial robot. The learning process is done online using Recursive Least Squares (RLS) estimation, which outperforms gradient methods usually applied in the literature. In addiction, the method provides the required information to apply an active learning algorithm to find the optimal set of robot configurations and observations to improve the learning process. By selecting the most informative observations, the proposed method minimizes the required amount of data. We have developed an efficient version of the active learning algorithm to select the points in real-time. The algorithms have been tested and compared using both simulated environments and a real humanoid robot.