Temel Kavramlar
ロボットの地形分類における新しい半教師付き方法と損失正則化の提案
Özet
レゴードロボットの運動メカニクスは困難な地形を通過する際に適しています。
伝統的な分類器は過学習、低精度、高分散、ライブデータセットに適していません。
提案された手法は新しい損失正則化を含む積み重ね型LSTMアーキテクチャを使用しています。
現存のアーキテクチャと比較して改善が見られます。
I. INTRODUCTION
レゴードロボットは難しい地形での操作に有用です。
地形分類は自律レゴードロボットの動きの多様性を活かすために重要です。
II. PROPOSED METHOD
新しい半教師付き方法が提案されています。
LSTMモデルの積み重ね型アーキテクチャが使用されています。
III. EXPERIMENTS & RESULTS
QCATデータセットを使用して実験が行われました。
提案手法はSVMやFCNよりも優れた精度を示しました。