이 연구는 로봇 조작을 통해 물체의 물리적 특성을 자동으로 추출하는 프레임워크를 제안한다. 이 프레임워크는 테이블 위의 물체에 대해 학습을 극대화하는 탐색적 행동 선택을 포함한다. 베이지안 네트워크는 측정 행동과 관련된 불확실성을 포함하여 물체 특성 간의 조건부 의존성을 모델링한다. 알고리즘은 예상 정보 획득을 기반으로 최적의 탐색적 행동을 선택하고 베이지안 추론을 통해 물체 특성을 업데이트한다. 실험 평가에서는 기준선과 비교하여 효과적인 행동 선택을 보여주었으며, 더 이상 학습할 것이 없는 경우 실험을 올바르게 종료하였다. 또한 알고리즘은 겉모습과 다른 물질 특성을 가진 "속임수" 물체를 지능적으로 처리하였다. 로봇 파이프라인은 로깅 모듈 및 63개 물체에 대한 24,000건 이상의 측정치가 포함된 온라인 물체 데이터베이스와 통합되어 있으며, 모든 코드와 데이터는 공개되어 있다.
To Another Language
from source content
arxiv.org
Önemli Bilgiler Şuradan Elde Edildi
by Andrej Kruzl... : arxiv.org 04-12-2024
https://arxiv.org/pdf/2404.07344.pdfDaha Derin Sorular