自主水下航行器多情境模型的学习
机器人学
2018-09-18 v1 机器学习
系统与控制
摘要
多情境模型学习对于海洋机器人至关重要，因为多种因素会对系统动力学造成扰动。本文研究自主水下航行器（AUV）模型多情境的识别问题。我们从实验数据构建机器人的仿真模型，并利用其填补缺失数据并生成不同的模型情境。我们实现了一种基于长短期记忆（LSTM）网络的架构，直接从数据中学习不同情境。我们表明，与基线方法相比，LSTM网络能够达到较高的分类准确率，对噪声具有鲁棒性，并能在大型数据集上高效扩展。
引用
@article{arxiv.1809.06179,
title = {Learning of Multi-Context Models for Autonomous Underwater Vehicles},
author = {Bilal Wehbe and Octavio Arriaga and Mario Michael Krell and Frank Kirchner},
journal= {arXiv preprint arXiv:1809.06179},
year = {2018}
}
备注
6 pages, 7 figures, AUV 2018 author copy