Imitation Learning of Motor Skills for Synthetic Humanoids

dc.contributor.author	Amor, Heni Ben
dc.contributor.editor	Hölldobler, Steffen
dc.date.accessioned	2020-08-21T08:46:30Z
dc.date.available	2020-08-21T08:46:30Z
dc.date.issued	2011
dc.description.abstract	In der hier besprochenen Arbeit werden Verfahren vorgestellt, die eine adaptive Bewegungsgenerierung für synthetische Humanoide ermöglichen. Die Verfahren basieren auf dem Prinzip des Imitationslernens: Bewegungen werden zuerst aufgezeichnet und dann mithilfe einer neuartigen Methode des maschinellen Lernens, dem Probabilistic Low-Dimensional Posture Model, in generative Modelle umgewandelt. Die gelernten Modelle können daraufhin zur Generierung von neuen Bewegungen zur Laufzeit genutzt werden. Die Verfahren werden an verschiedenen virtuellen und robotischen Humanoiden getestet und ausgewertet.	de
dc.identifier.isbn	978-3-88579-415-8
dc.identifier.pissn	1617-5468
dc.identifier.uri	https://dl.gi.de/handle/20.500.12116/33786
dc.language.iso	de
dc.publisher	Gesellschaft für Informatik
dc.relation.ispartof	Ausgezeichnete Informatikdissertationen 2010
dc.relation.ispartofseries	Lecture Notes in Informatics (LNI) - Dissertations, Volume D-11
dc.title	Imitation Learning of Motor Skills for Synthetic Humanoids	de
gi.citation.endPage	30
gi.citation.publisherPlace	Bonn
gi.citation.startPage	21

Dateien

1 - 1 von 1