Learning The-Self: Leveraging Proprioception to Guide the Autonomous Discovery of the Robot Body Schema

Díaz Ledezma, Fernando

User: Guest

Meßtechnik, Steuerungs- und Regelungstechnik, Automation

Back
Back to start of result list
Permanent link for displayed object

If you experience problems opening the document, please try this link.

Original title:: Learning The-Self: Leveraging Proprioception to Guide the Autonomous Discovery of the Robot Body Schema
Translated title:: Das Selbst lernen: Nutzung der Propriozeption für die autonome Entdeckung des Roboterkörperschemas
Author:: Díaz Ledezma, Fernando
Year:: 2024
Document type:: Dissertation
Faculty/School:: TUM School of Computation, Information and Technology
Institution:: Robotik und Systemintelligenz (Prof. Haddadin)
Advisor:: Haddadin, Sami (Prof. Dr.)
Referee:: Haddadin, Sami (Prof. Dr.); Burgard, Wolfram (Prof. Dr.); Lipson, Hod (Prof., Ph.D.)
Language:: en
Subject group:: MSR Meßtechnik, Steuerungs- und Regelungstechnik, Automation
TUM classification:: DAT 815
Abstract:: This thesis explores the potential for enhanced robot autonomy through a self-discovery-oriented body schema, proposing a unified online learning framework exclusively reliant on proprioception and leveraging structural knowledge. It infers the robot morphology and associated inertial description. The work urges reconsidering end-to-end learning for physical systems, emphasizing the need for a synergistic integration of principled knowledge and sensorimotor data.
Translated abstract:: In dieser Arbeit wird das Potenzial für eine verbesserte Roboterautonomie durch ein selbstentdeckungsorientiertes Körperschema untersucht, indem ein einheitlicher Online-Lernrahmen vorgeschlagen wird, der ausschließlich auf Propriozeption beruht und strukturelles Wissen nutzt. Daraus werden die Morphologie des Roboters und die zugehörige Inertialbeschreibung abgeleitet. Die Arbeit regt dazu an, das End-to-End-Lernen für physische Systeme zu überdenken und betont die Notwendigkeit einer synergistischen Integration von prinzipiellem Wissen und sensomotorischen Daten. «
In dieser Arbeit wird das Potenzial für eine verbesserte Roboterautonomie durch ein selbstentdeckungsorientiertes Körperschema untersucht, indem ein einheitlicher Online-Lernrahmen vorgeschlagen wird, der ausschließlich auf Propriozeption beruht und strukturelles Wissen nutzt. Daraus werden die Morphologie des Roboters und die zugehörige Inertialbeschreibung abgeleitet. Die Arbeit regt dazu an, das End-to-End-Lernen für physische Systeme zu überdenken und betont die Notwendigkeit einer synergist... »
WWW:: https://mediatum.ub.tum.de/?id=1735528
Date of submission:: 20.02.2024
Oral examination:: 27.08.2024
File size:: 43491047 bytes
Pages:: 163
Urn (citeable URL):: https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20240827-1735528-1-4
Last change:: 25.11.2024
BibTeX