Amor, Heni BenHölldobler, Steffen2020-08-212020-08-212011978-3-88579-415-8https://dl.gi.de/handle/20.500.12116/33786In 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.de1617-5468