面向轮式机器人自主室内导航的地面类型分类
机器学习
2019-05-02 v1 机器人学
机器学习
摘要
在这项工作中，我们描述了用于确定轮式机器人下方地面类型的惯性测量时间序列数据集的准备工作。该数据包含超过 7600 个带标签的时间序列样本及其对应的地面类型标注。这些数据被用于两场共有超过 1500 名参与者的公开竞赛。此外，我们描述了用于时间序列分类的先进深度学习模型的性能，并提出了一种基于机器学习方法集成的基线模型。该基线模型在我们的九类数据集上达到了超过 68% 的准确率。
引用
@article{arxiv.1905.00252,
title = {Surface Type Classification for Autonomous Robot Indoor Navigation},
author = {Francesco Lomio and Erjon Skenderi and Damoon Mohamadi and Jussi Collin and Reza Ghabcheloo and Heikki Huttunen},
journal= {arXiv preprint arXiv:1905.00252},
year = {2019}
}