用于预测并发感知驱动机器人行为的概率混合动作模型
人工智能
2011-09-29 v1
摘要
本文开发了概率混合动作模型 (PHAMs)，这是一种用于预测现代感知驱动机器人规划所生成行为的现实因果模型。PHAMs 表示了 AI 规划中使用的大多数动作模型无法表示的机器人行为特征：连续控制过程的时间结构、其非确定性效应、其干扰的几种模式，以及闭环机器人规划中触发条件的达成。本文的主要贡献是：(1) PHAMs，一种并发感知驱动行为模型，其形式化，以及证明该模型生成概率上、定性上准确的预测；(2) 一种基于从概率动作模型和状态描述中采样投影的资源高效的 PHAMs 推理方法。我们基于分析和实验结果展示了如何将 PHAMs 应用于自主机器人办公室信使的动作过程规划。
引用
@article{arxiv.1109.6030,
title = {Probabilistic Hybrid Action Models for Predicting Concurrent Percept-driven Robot Behavior},
author = {M. Beetz and H. Grosskreutz},
journal= {arXiv preprint arXiv:1109.6030},
year = {2011}
}