Benutzer: Gast  Login
Mehr Felder
Einfache Suche
Originaltitel:
Deep Generative Models for Human-Centered Autonomous Systems
Originaluntertitel:
Machine Learning for Enhanced Perception, Prediction, and Planning and Control
Übersetzter Titel:
Generative Deep Learning Modelle für Menschenzentrierte Autonome Systeme
Übersetzter Untertitel:
Maschinelles Lernen für Verbesserte Wahrnehmung, Vorhersage, und Planung und Steuerung
Autor:
Salzmann, Tim
Jahr:
2025
Dokumenttyp:
Dissertation
Fakultät/School:
TUM School of Engineering and Design
Institution:
Autonomous Aerial Systems (Prof. Ryll)
Betreuer:
Ryll, Markus (Prof. Dr.)
Gutachter:
Ryll, Markus (Prof. Dr.); Betz, Johannes (Prof. Dr.); Pavone, Marco (Assoc. Prof. Ph.D.)
Sprache:
en
Fachgebiet:
DAT Datenverarbeitung, Informatik; VER Technik der Verkehrsmittel
TU-Systematik:
VER 593
Kurzfassung:
Integrating autonomous systems and robots into everyday real-world scenarios beyond controlled environments and repetitive manufacturing processes has the potential to significantly enhance their utility and societal impact. Towards this goal, all modules across the modern autonomy stack --- Perception, Prediction, Planning and Control --- are enhanced by novel generative machine-learning approaches, explicitly targeting the complexity of human-centered scenarios.
Übersetzte Kurzfassung:
Die Integration von autonomen Systemen und Robotern in unseren Alltag jenseits von abgegrenzten Umgebungen und sich wiederholenden Fertigungsprozessen hat das Potenzial, ihren Nutzen zu steigern und eine positive gesellschaftliche Wirkung zu erreichen. Um dieses Ziel zu erreichen, werden alle Module des modernen autonomen Systems --- Wahrnehmung, Vorhersage, Planung und Steuerung --- durch neuartige generative Ansätze des maschinellen Lernens, die explizit auf die Komplexität menschenzentrierter...     »
WWW:
https://mediatum.ub.tum.de/?id=1749340
Eingereicht am:
29.07.2024
Mündliche Prüfung:
23.04.2025
Dateigröße:
42501340 bytes
Seiten:
177
Urn (Zitierfähige URL):
https://nbn-resolving.org/urn:nbn:de:bvb:91-diss-20250423-1749340-0-4
Letzte Änderung:
12.05.2025
 BibTeX