최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기Journal of the Korean Data & Information Science Society = 한국데이터정보과학회지, v.22 no.6, 2011년, pp.1029 - 1040
In this paper we propose an intelligent navigation algorithm for real world problem which can build a map without localization. Proposed algorithm operates online and furthermore does not require many memories for applying real world problem. After applying proposed algorithm to toy and huge data se...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
압축필터를 이용한 기법의 단점은 무엇인가? | 압축필터 (compress filter)를 이용한 기법은 이미 탐지되어 시스템 상태 벡터를 구성하고 있는 물체에 대해 탐지가 되지 않을 경우 당해 물체에 대한 지도 작성 및 갱신 작업을 연기하여 계산량에 대한 부담을 줄이는 방법이다. 하지만 이 방법은 재 탐지가 되는 순간 연기된 작업을 모두 수행하여야 하기 때문에 많은 계산량이 짧은 시간에 요구되는 단점이 있다. 희소확장 정보필터 (sparse extended information filter)를 이용한 기법은 칼만 필터의 공분산 행렬을 이용하는 대신 정보필터 (information filter)와 정보 필터의 희소성 (sparseness)을 SLAM에 적용함으로써 예측과 갱신 작업을 매우 효율적으로 수행할 수 있는 장점이 있으나실제 적용을 위해서는 희소성에 대한 가정에 대한 검증이 필요하여 현실적이지 못하다 (Guivant와 Nebot, 2001; Thrun 등, 2002). | |
희소확장 정보필터를 이용한 기법의 장점은 무엇인가? | 하지만 이 방법은 재 탐지가 되는 순간 연기된 작업을 모두 수행하여야 하기 때문에 많은 계산량이 짧은 시간에 요구되는 단점이 있다. 희소확장 정보필터 (sparse extended information filter)를 이용한 기법은 칼만 필터의 공분산 행렬을 이용하는 대신 정보필터 (information filter)와 정보 필터의 희소성 (sparseness)을 SLAM에 적용함으로써 예측과 갱신 작업을 매우 효율적으로 수행할 수 있는 장점이 있으나실제 적용을 위해서는 희소성에 대한 가정에 대한 검증이 필요하여 현실적이지 못하다 (Guivant와 Nebot, 2001; Thrun 등, 2002). 순차 지도결합 (sequential map joining) 기법은 로봇이 이동하는 순서에 따라 작성되는 부분 지도들을 합쳐서 전체 지도를 구성하며, 부분 지도 내에 포함되는 지도의 개수가 적기 때문에 O(n2)의 계산량이 필요하지만 지도가 일단 합쳐지면 다시 나누는 것이 매우 어렵기 때문에 실제 적용에 문제가 있다 (Tardos 등, 2002; Williams 등, 2002). | |
URC는 무엇인가? | 처음의 로봇은 하나의 로봇 내에 모든 지능과 센서 기능이 탑재된 형태였으며 이러한 로봇은 한정된 기능밖에 수행하지 못하는 단점이 있다. 이를 극복하기 위해 최근에 고성능 서버를 통해 로봇의 지능과 능력을 외부로 분산시켜 이를 통해 언제 어디서나 나와 함께 하면서 나에게 필요한 서비스를 제공하는 로봇인 URC (Ubiquitous Robotic Companion)이 등장하게 되었다. URC 구현을 위해 다양한 기술이 필요하지만 그 중에서 물리적 행동을 실현하기 위한 지능형 주행 기술은 매우 중요한 기술이다. |
김기열 (2010). , 석사학위논문, 인하대학교, 서울.
황진수, 김지연 (2009). 마이크로어레이 자료에서 서포터벡터머신과 데이터 뎁스를 이용한 분류방법의 비교 연구. , 20, 419-425.
황창하, 신사임 (2010). 커널기계 기법을 이용한 일반화 이분산 자기회귀모형 추정. , 20, 879-886
Andrade, J., Vidal, T. and Sanfeliu, A. (2005). Unscented transformation of vehicle state in SLAM. Proceeding International Conference on Robotics and Automation, 323-328.
Brunskill, E. and Roy, N. (2005). SLAM using Incremental probabilistic PCA and dimensionality reduction. Proceeding International Conference on Robotics and Automation, 342-347.
Castellanos, J. A., Montiel, M. M., Neira, J. and Tardos, J. D. (1999). The spmap: A probabilistic framework for simultaneous localization and map building. IEEE Transactions on Robotics and Automation, 15, 948-952.
De Geeter, J., Brussel, H. and De Schutter, J. (1997). A smoothly constrained Kalman filter. IEEE Transactions on Pattern Analysis and Machine Intelligence, 19, 1171-1177.
Guivant, J. and Nebot, E. (2001). Optimization of the simultaneous localization and map-building algorithm for real-time implementation. IEEE Transactions on Robotics and Automation, 17, 242-257.
Hall, P., Marshall, D. and Martin. R. (1998). Incremental eigenalysis for classification. In British Machine Vision Conference, 1, 286-295.
Julier, S. and Uhlmann, J. (1997) A new extension of the Kalman filter to nonlinear systems. Proceeding 11th International Symposium Aerospace/Defense Sensing, Simulation and Controls, 182-193.
Julier, S. and Uhlmann, J. (2004). Unscented filtering and nonlinear estimation. Proceeding of the IEEE, 92, pp.401-422.
Langelaan, J. and Rock, S. (2005). Passive GPS-free navigation for small UAVs. IEEE Aerospace Conference, 1-9.
Leonard, J. and Feder, H. (2001). Decoupled stochastic mapping. IEEE Journal of Oceanic. Engineering, 26, 561-571.
Martinez-Cantin, R. and Castellanos, J. (2005). Unscented SLAM for large-scale outdoor environments. Proceeding IEEE International Conference of Intelligent Robots and System, 328-333.
Mercer, J. (1909). Functions of positive and negative type and their connection with the theory of integral equations. Philosophy Transaction Royal Society London, 209, 415-446.
Montemerlo, M., Thrun, S., Koller, D. and Wegbreit, B. (2002). Fast-SLAM: A factored solution to the simultaneous localisation and mapping problem. Proceeding Artificial Intelligence for Interactive Digital Entertainment Conference, 593-599.
Moerland, P. (2000). An on-line EM algorithm applied to kernel PCA, Instituto de Investigacion Agropecuaria de Panama Research Report, 00-18.
Murakami, H. and Kumar, B. V. K. V. (1982). Efficient calculation of primary images from a set of images. IEEE Transactions on Pattern Analysis and Machine Intelligence, 4, 511-515.
Newman, P. (1999). On the structure and solution of the simultaneous localization and map building problem. Ph.D, dissertation, University Sydney, Australia.
Pierce, D. and Kuipers, B. (1994). Learning to explore and build maps. Accessible at http://citeseerx.ist.psu.edu/viewdoc/summary?doi10.1.1.45.2516.
Rosipal, R. and Girolami, M. (2001). An expectation maximization approach to nonlinear component analysis. Neural Computation, 13, 505-510.
Scholkopf, B., Smola, A. and Muller, K. R. (1998). Nonlinear component analysis as a kernel eigenvalue problem. Neural Computation, 10, 1299-1319.
Scholkopf, B., Mika, S., Burges, C., Knirsch, P., Miller, K. R., Ratsch, G. and Smola, A. J. (1999). Input space versus feature space in kernel-based methods. IEEE Transactions on Neural Networks, 10, 1000-1017.
Simon, D. and Chia, T. (2002). Kalman filtering with state equality constraints. IEEE Transactions on Aerospace and Electronic Systems, 38, 128-136.
Smola, A. J., Mangasarian, O. L. and Scholkopf, B. (1999). Sparse kernel feature analysis, Technical Report 99-03, University of Wisconsin, Data Mining Institute, Madison.
Tardos, J. D.,. Neira, J., Newman, P. and Leonard, J. (2002). Robust mapping and localization in indoor environment using sonar data. International Journal of Robotics Research, 21, 311-330.
Thrun, S., Koller, D., Ghahramani, Z., Durrant-Whyte, H. and Ng, A. Y. (2002). Simultaneous mapping and localization with sparse extended information filter. Accessible at http://robotics.caltech.edu/readinggroup/thrun.tr-seif02.pdf.
Tipping, M. E. and Bishop, C. M. (1998). Mixtures of probabilistic principal component analysers. Neural Computation, 11, 443-482.
Wen W. and Durrant-Write, H. (1991). Model based active object localization using multiple sensors. Proceeding Intelligent Robotics and Systems, 1448-1452.
Williams, S. B., Dissanayake, G. and Durrant-Whyte, H. (2002). An efficient approach to the simultaneous localization and mapping problem. Proceeding IEEE International Conference on Robotics and Automation, 406-411.
Winkeler, J., Manjunath, B. S. and Chandrasekaran, S. (1999). Subset selection for active object recognition. In Proceeding Computer Vision and Pattern Recognition, 2, 511-516.
Yairi, T. (2007). Map building without localization by dimensionality reduction techniques. Accessible at http://www.machinelearning.org/proceedings/icml2007/papers/224.pdf.
Yogesh, R. S., Dambreville, S. and Tannenbaum, A. (2006). Statistical Shape Analysis using Kernel PCA. accessible at http://citeseerx.ist.psu.edu/viewdoc/summary?doi10.1.1.60.7604.
Vapnik, V. (1998). Statistical learning theory, John Wiley & Sons, New York.
해당 논문의 주제분야에서 활용도가 높은 상위 5개 콘텐츠를 보여줍니다.
더보기 버튼을 클릭하시면 더 많은 관련자료를 살펴볼 수 있습니다.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
오픈액세스 학술지에 출판된 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.