User: Guest  Login
More Searchfields
Simple search
Original title:
Spatial State-Space Models
Original subtitle:
Dense Probabilistic Prediction and Inference in 3D
Translated title:
Räumliche Zustandsraummodelle
Translated subtitle:
Dichte Probabilistische Vorhersage und Inferenz in 3D
Author:
Mirchev, Atanas Georgiev
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:
Cremers, Daniel (Prof. Dr.)
Referee:
Cremers, Daniel (Prof. Dr.); van Hoof, Herke (Prof. Dr.); Groh, Georg (Prof. Dr. habil.)
Language:
en
Subject group:
DAT Datenverarbeitung, Informatik
Keywords:
state-space models ; Bayesian inference ; SLAM ; navigation ; control
Translated keywords:
Zustandsraummodelle ; Bayes'sche Inferenz ; SLAM ; Navigation ; Steuerung
TUM classification:
DAT 760; DAT 770
Abstract:
This work is about a spatial state-space model, also seen as a world model, that supports the control of mobile agents by simulating agent movement, RGB-D image generation and a dense 3D map. The main contribution relative to prior art is in reconciling a) prediction and inference in a state-space model (a control paradigm) with b) dense 3D maps and direct image generation.
Translated abstract:
Diese Promotionsarbeit beschäftigt sich mit räumlichen Zustandsraummodellen. Als Weltmodell betrachtet ermöglichen solche Modelle die Simulation von Bewegung und RGB-D-Bilderzeugung, basierend auf einer dichten 3D-Karte, und dadurch die Steuerung mobiler Agenten. Die Promotionsarbeit erweitert den Stand der Technik um a) die Vorhersage und Inferenz in einem Zustandsraummodell (einem klassischen Steuerungsparadigma) mit b) dichten 3D-Karten und direkter Bilderzeugung in Einklang zu bringen.
WWW:
https://mediatum.ub.tum.de/?id=1720613
Date of submission:
18.09.2023
Oral examination:
16.04.2024
File size:
29558345 bytes
Pages:
213
Urn (citeable URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20240416-1720613-1-9
Last change:
23.07.2024
 BibTeX