User: Guest  Login
If you experience problems opening the document, please try this link.
Original title:
Learning state and action spaces for robot learning
Translated title:
Lernen von Zustands- und Aktionsräumen für die Robotik
Author:
Aljalbout, Elie
Year:
2024
Document type:
Dissertation
Faculty/School:
TUM School of Computation, Information and Technology
Institution:
Informatik 9 - Lehrstuhl für Computer Vision and Artificial Intelligence (Prof. Cremers)
Advisor:
Triebel, Rudolph (Prof. Dr.)
Referee:
Triebel, Rudolph (Prof. Dr.); Althoff, Matthias (Prof. Dr.); Scaramuzza, Davide (Prof. Dr.)
Language:
en
Subject group:
DAT Datenverarbeitung, Informatik
TUM classification:
DAT 760; DAT 770
Abstract:
This thesis addresses the sample complexity challenges of robot learning from the perspectives of perception and control. The thesis first proposes methods for designing and learning state and action spaces suitable for robot manipulation learning. The thesis builds state and action spaces based on inductive biases from the perception and control literature and learns representations based on self-supervised machine learning.
Translated abstract:
Diese Arbeit befasst sich mit den Herausforderungen des Roboterlernens aus der Perspektive der Wahrnehmung und Steuerung. Die Arbeit schlägt zunächst Methoden vor, um Zustands- und Aktionsräume zu erhalten, die für das Lernen von Robotermanipulation geeignet sind. Die Arbeit erstellt Zustands- und Aktionsräume auf der Grundlage induktiver Verzerrungen aus der Wahrnehmungs- und Kontrollliteratur und lernt Repräsentationen auf der Grundlage von selbstüberwachtem maschinellem Lernen.
WWW:
https://mediatum.ub.tum.de/?id=1729775
Date of submission:
18.12.2023
Oral examination:
21.10.2024
File size:
16128158 bytes
Pages:
184
Urn (citeable URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20241021-1729775-1-4
Last change:
10.12.2024
 BibTeX