Login
- Originaltitel:
- Unsupervised Control
- Originaluntertitel:
- Efficient Inference for Time Series Modelling and Intrinsic Motivation
- Übersetzter Titel:
- Unüberwachte Regelung
- Übersetzter Untertitel:
- Effiziente Inferenz für Zeitreihenmodellierung und intrinsische Motivation
- Autor:
- Karl, Maximilian
- Jahr:
- 2020
- Dokumenttyp:
- Dissertation
- Fakultät/School:
- Fakultät für Informatik
- Betreuer:
- van der Smagt, Patrick (Prof. Dr.)
- Gutachter:
- van der Smagt, Patrick (Prof. Dr.); Haddadin, Sami (Prof. Dr.)
- Sprache:
- en
- Fachgebiet:
- DAT Datenverarbeitung, Informatik
- TU-Systematik:
- DAT 708d; DAT 815d
- Kurzfassung:
- In this work a previously inefficient unsupervised control technique called empowerment gets applied to simulated and real robots. For this purpose, an unsupervised algorithm for learning latent Markovian state space models from non-Markovian raw sensor sequences and an efficient model-based method for computing empowerment was developed. Experiments on simulated and real robots show the expected behaviour comprising biped balancing, flock behaviour, pendulum swing-up and grip stability.
- Übersetzte Kurzfassung:
- In dieser Arbeit wird eine ursprünglich ineffiziente Methode zur unüberwachten Regelung namens Empowerment auf simulierten und echten Robotern angewandt. Dazu wurde ein unüberwachter Algorithmus entwickelt, welcher latente Markovsche Zustandsräume aus nicht-Markovschen Sensorsequenzen lernen kann sowie eine effiziente Methode zur Berechnung von Empowerment. Experimente mit simulierten und echten Robotern beinhalten das Balancieren eines Biped und Pendels, Flockverhalten und Griffstabilität.
- WWW:
- https://mediatum.ub.tum.de/?id=1484075
- Eingereicht am:
- 30.04.2019
- Mündliche Prüfung:
- 31.03.2020
- Dateigröße:
- 14623385 bytes
- Seiten:
- 119
- Urn (Zitierfähige URL):
- https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20200331-1484075-1-4
- Letzte Änderung:
- 01.07.2020
BibTeX