Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

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