전문가의 시연 데이터를 활용한 역강화 학습을 통해 자율 수상 선박의 자율 도킹 작업을 위한 보상 함수를 학습하고, 이를 기반으로 안전하고 효율적인 도킹 전략을 생성하는 방법을 제시한다.
본 논문에서는 향상된 정확성과 효율성을 위해 새로운 시스템 모델(DST-EKF)과 관측 모델(포즈 기반)을 통합하고, 시각적 정보 손실 상황에서 강력성을 향상시키기 위해 DST-RTS 백트래킹 기법을 적용한 새로운 VIO 알고리즘인 SP-VIO를 제안합니다.
AuscultaBase 是一個基於深度學習的聽診分析框架,旨在通過整合多源數據和對比學習技術來提高身體聲音診斷的準確性和可靠性。
本論文では、動的に変化するカーシェアリング問題に対して、最大次数を小さく抑えながら、辺の向き付けを効率的に更新できるアルゴリズムを提案し、その解析を行っている。
AuscultaBase는 대규모 신체 청진 데이터 세트와 딥러닝 기술을 활용하여 기존 청진 방식의 한계를 극복하고, 다양한 질병 진단 정확도를 향상시키는 것을 목표로 하는 AI 기반 프레임워크입니다.
SP-VIOは、状態変換モデルと姿勢のみの視覚記述を用いることで、従来のフィルタベースVIOの精度不足問題を克服し、高精度、高効率、ロバスト性を兼ね備えた新しいVIOアルゴリズムである。
This research paper presents a simplified algorithm for solving the dynamic carpooling problem, improving upon previous solutions by maintaining low discrepancy in edge orientations with limited recourse as edges are added or removed from a graph.
専門家の操船データから報酬関数を学習する逆強化学習を用いることで、完全自動化水上艦の自律的なドッキング操作を実現できる。
This paper introduces SP-VIO, a novel filter-based visual inertial odometry (VIO) algorithm that enhances accuracy and robustness, particularly under challenging visual conditions, by employing a double state transformation model (DST-EKF) and a pose-only visual description, while maintaining computational efficiency.
This research paper presents a method for training autonomous surface vessels (ASVs) to dock autonomously by leveraging expert demonstration data and a deep inverse reinforcement learning (IRL) framework.