Benutzer: Gast  Login
Mehr Felder
Einfache Suche
Originaltitel:
Spatial State-Space Models
Originaluntertitel:
Dense Probabilistic Prediction and Inference in 3D
Übersetzter Titel:
Räumliche Zustandsraummodelle
Übersetzter Untertitel:
Dichte Probabilistische Vorhersage und Inferenz in 3D
Autor:
Mirchev, Atanas Georgiev
Jahr:
2024
Dokumenttyp:
Dissertation
Fakultät/School:
TUM School of Computation, Information and Technology
Institution:
Informatik 9 - Lehrstuhl für Computer Vision and Artificial Intelligence (Prof. Cremers)
Betreuer:
Cremers, Daniel (Prof. Dr.)
Gutachter:
Cremers, Daniel (Prof. Dr.); van Hoof, Herke (Prof. Dr.); Groh, Georg (Prof. Dr. habil.)
Sprache:
en
Fachgebiet:
DAT Datenverarbeitung, Informatik
Stichworte:
state-space models ; Bayesian inference ; SLAM ; navigation ; control
Übersetzte Stichworte:
Zustandsraummodelle ; Bayes'sche Inferenz ; SLAM ; Navigation ; Steuerung
TU-Systematik:
DAT 760; DAT 770
Kurzfassung:
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.
Übersetzte Kurzfassung:
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
Eingereicht am:
18.09.2023
Mündliche Prüfung:
16.04.2024
Dateigröße:
29558345 bytes
Seiten:
213
Urn (Zitierfähige URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20240416-1720613-1-9
Letzte Änderung:
23.07.2024
 BibTeX