Using Machine Learning to Identify Activities of a Flying Drone from Sensor Readings
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216208%3A11320%2F17%3A10371744" target="_blank" >RIV/00216208:11320/17:10371744 - isvavai.cz</a>
Výsledek na webu
<a href="https://aaai.org/ocs/index.php/FLAIRS/FLAIRS17/paper/view/15488/14980" target="_blank" >https://aaai.org/ocs/index.php/FLAIRS/FLAIRS17/paper/view/15488/14980</a>
DOI - Digital Object Identifier
—
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Using Machine Learning to Identify Activities of a Flying Drone from Sensor Readings
Popis výsledku v původním jazyce
The dawn of autonomous robots brings a question of automated modeling of robot behavior such that the learned robot capabilities can be used to plan robot activities. To bridge the continuous world of sensor readings and control signals with the symbolic world of planning, one needs to identify robot activities as somehow compact behaviors that can be repeated later when a given activity is planned to be performed. In this paper we focus on identifying activities from a sequence of sensor reading and corresponding control signals by using the methods of machine learning, both supervised and unsupervised. The methods are experimentally evaluated using data from a flying drone.
Název v anglickém jazyce
Using Machine Learning to Identify Activities of a Flying Drone from Sensor Readings
Popis výsledku anglicky
The dawn of autonomous robots brings a question of automated modeling of robot behavior such that the learned robot capabilities can be used to plan robot activities. To bridge the continuous world of sensor readings and control signals with the symbolic world of planning, one needs to identify robot activities as somehow compact behaviors that can be repeated later when a given activity is planned to be performed. In this paper we focus on identifying activities from a sequence of sensor reading and corresponding control signals by using the methods of machine learning, both supervised and unsupervised. The methods are experimentally evaluated using data from a flying drone.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
—
OECD FORD obor
10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)
Návaznosti výsledku
Projekt
<a href="/cs/project/GA15-19877S" target="_blank" >GA15-19877S: Automatické modelování znalostí a plánů pro autonomní roboty</a><br>
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)
Ostatní
Rok uplatnění
2017
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
Proceedings of the Thirtieth International Florida Artificial Intelligence Research Society Conference, FLAIRS 2017
ISBN
978-1-57735-787-2
ISSN
—
e-ISSN
neuvedeno
Počet stran výsledku
6
Strana od-do
436-441
Název nakladatele
AAAI Press
Místo vydání
USA
Místo konání akce
Marco Island, Florida, USA
Datum konání akce
22. 5. 2017
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
—