通过 HMM 信念状态梯度度量实现快速、鲁棒且通用的事件检测
机器人学
2018-09-14 v3 人工智能
摘要
事件检测是数据驱动系统中的一个关键特性，因为它有助于识别正常与异常行为。随着机器人在日益非结构化的环境中以更高的自主性运行，事件检测在机器人技术中的相关性日益增加。在这项工作中，我们提出了一种准确、鲁棒、快速且通用的度量，用于技能与异常识别。理论证明建立了 HMM 滤波信念状态的对数似然导数与最新发射概率之间的联系。关键见解在于用于技能与异常识别的梯度分析中的反比关系。我们的度量在所有指标上均表现出优于相关最先进工作的性能。该结果广泛适用于使用 HMM 进行事件检测的域。
引用
@article{arxiv.1709.07876,
title = {Fast, Robust, and Versatile Event Detection through HMM Belief State Gradient Measures},
author = {Shuangqi Luo and Hongmin Wu and Hongbin Lin and Shuangda Duan and Yisheng Guan and Juan Rojas},
journal= {arXiv preprint arXiv:1709.07876},
year = {2018}
}
备注
8 pages, 7 figures, double col, ieee conference format