Präzise Quantifizierung der probabilistischen Unsicherheit von Vorhersagemodellen mit Anwendung auf die visuelle Lokalisierung
Unser Ansatz schätzt die probabilistische Unsicherheit, indem ein Sensorfehlerkodell erstellt wird, das einen internen Ausgabeparameter des Vorhersagemodells auf die Unsicherheit abbildet. Dieser Sensorfehlerkodell wird unter Verwendung mehrerer Bilddatenbanken für die visuelle Lokalisierung erstellt, wobei jede Datenbank über Referenzstandorte verfügt. Darüber hinaus integrieren wir Gauß-Mischmodelle, um den Sensorfehlerkodell zu verbessern und eine genauere Darstellung der Unsicherheit zu erzielen.
Anpassung der visuellen Merkmale an die Aufgabe in der Multi-Aufgaben-Politiklernens
Eine einzelne Multi-Aufgaben-Politik kann für eine Vielzahl heterogener Aufgaben trainiert werden, einschließlich Manipulation und Fortbewegung auf vier Beinen. Darüber hinaus ist Lernen mit wenigen Beispielen möglich, um neue, ungesehene Aufgaben zu bewältigen. Ein Schlüsselelement ist die aufgabenbedingte Anpassung visueller Merkmale.
© 2024 by Linnk AI