Using Machine Learning to Identify Activities of a Flying Drone from Sensor Readings

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

—

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.

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)

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)

Rok uplatnění

2017

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

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

—