流形相关性确定：学习机器人学的潜空间
机器人学
2017-05-25 v2
摘要
在本文中，我们介绍流形相关性确定(MRD)（如\cite{mrd}中引入）的基础，以及该技术可能特别有用的一些应用。第1节作为\cite{mrd}中发展思想的简短教程，而第2节展示在传感器融合、多智能体SLAM和“人类适宜”的机器人运动（例如可读性和可预测性~\cite{dragan-hri-2013}）中的可能应用。特别地，我们展示MRD如何用于以数据驱动的方式构建底层模型，而非像传感器融合、SLAM和人机交互中通常情况那样直接利用第一性原理理论（例如物理学、心理学）。我们注意到[Bekiroglu et al., 2016]利用MRD将不稳定的机器人抓取修正为稳定的机器人抓取。
引用
@article{arxiv.1705.03158,
title = {Manifold Relevance Determination: Learning the Latent Space of Robotics},
author = {Pete Trautman},
journal= {arXiv preprint arXiv:1705.03158},
year = {2017}
}