易科研究资源~书签归类

易科研究资源~书签归类

各类WEB书签集合,包括ROS、人工智能、机器视觉、视觉控制、机器学习、强化学习、机器学习与数据挖掘软件、无人机、飞行控制、机器人、Rovio小车等方面,个人收集,拿出来方便大家查资料。

使用kinect的室内机器人导航(文献篇)

使用kinect的室内机器人导航(文献篇)

最近打算使用Kinect实现机器人的室内导航,收集了近年来的一些比较好的文章。《基于Kinect系统的场景建模与机器人自主导航》、《Mobile Robots Navigation in Indoor Environments Using Kinect》、《Using a Depth Camera for Indoor Robot Localization and Navigation》、《Depth Camera Based Indoor Mobile Robot Localization and Navigation》、《Using a Depth Camera for Indoor Robot Localization and Navigation》、《Using the Kinect as a Navigation Sensor for Mobile Robotics》。

机器学习的安全性(Top笔记)

机器学习的安全性(Top笔记)

机器学习,相对于传统的控制律,能够实现更为复杂的任务,也可以使无人机更智能。同样,对于像飞行器等执行高度危险任务的设备而言,安全性仍是第一考虑的问题。同样,我们也不希望它们学出些具有破坏性的行为来,当前对于安全的强化学习(Safe Reinforcement Learning)的研究主要集中在保证状态迁移的安全性上[1]、[2]、[3]。并理论上进行了部分证明[4]、[5]。

(荐书)机器学习百科全书[2011] Encyclopedia of Machine Learning

(荐书)机器学习百科全书[2011] Encyclopedia of Machine Learning
面对发展迅猛的机器学习,区区几本老旧的教材怎么够用呢? 在你的案头相信应该摆一本Encyclopedia of Machine Learning。 像字典一样随时查阅新概念。     买不起的童鞋也不必伤心,到http://ishare.iask.sina.com.cn搜索一下吧,相信会有惊喜! 豆瓣的机器学习书单: http://book.douban.com/doulist/1600688/  

Robot Learning 机器人学习

Robot Learning 机器人学习

Robot learning is a subset of machine learning and robotics. Usually “robot learning” refers to learning to perform tasks such asobstacle avoidance, control and various other motion-related tasks.

强化学习之Learning VS Shaping

强化学习之Learning VS Shaping
以前只知道learning,不知道shaping为何物。查了一下意思shaping可翻译成“行为塑造”。不同于trail-and-error的盲目的搜索方法,在学习初期,通过reward shaping尽可能早的尝试有前景的动作。 具体算法可以看看Eric Wiewiora最新的Potential-Based Shaping 文章 http://academic.research.microsoft.com/Author/904203/eric-wiewiora?query=Eric%20Wiewiora 定义: Reward shaping is a technique inspired ...

利用先验知识进行学习控制 之一:模仿学习与学徒学习

利用先验知识进行学习控制 之一:模仿学习与学徒学习
利用先验知识进行学习之一:模仿学习与学徒学习 Exploit Prior Knowledge to Learn Control 1. Imitation Learning and Apprenticeship Learning 刘锦涛 2012-12-28 导言:使用已有知识进行强化学习,我认为控制策略的“先验知识”可以是以下三种形式:1)失败或成功的例子(下文讨论的LfD);2)数学模型(目前研究相对成熟)3)知识符号(人工智能领域研究较为充分,但缺少实用的方法)。如何在强化学习中...

关于强化学习(Reinforcement Learning)学习过程中的几点想法

关于强化学习(Reinforcement Learning)学习过程中的几点想法

最近拿到2012Reinforcement Learning State-Of-the-Art,这本书代表了当前世界在RL领域的研究前沿(有想看的话请发帖留言)。目前对此书以下方向及章节比较感兴趣: 由于机器学习属于相对年轻的学科,所以可以从较快捷的从基础理论走到前沿研究。以下介绍一下个人总结的学习与研究路径。

Copyright © ExBot易科机器人实验室 保留所有权利.   Theme   Robin modified by poyoten

用户登录

分享到: