최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기한국콘텐츠학회논문지 = The Journal of the Korea Contents Association, v.19 no.3, 2019년, pp.72 - 79
Autonomous locomotion has two essential functionalities: mapping builds and updates maps by uncertain position information and measured sensor inputs, and localization is to find the positional information with the inaccurate map and the sensor information. In addition, obstacle detection, avoidance...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
이동 로봇은 어떠한 로봇인가? | 이동 로봇은, 바퀴 또는 캐터필러와 같은 구름 접촉을 이용한 지면에서의 이동 방식 및 드론과 같은 3차원 공간 상의 비행에 따른 위치 변경이 가능한 로봇을 말한다. 이러한 이동성에 대한 제어 기능을 토대로, 물류 이송, 농업 및 해양 환경, 보안 설비, 위험한 환경의 탐사에 활용되며, 주행 방식에 따라 크게 원격지 조종에 의한 원격 제어와 로봇 내 부착된 센서를 이용하여 로봇이 스스로 움직이는 자율 주행 방식으로 구별된다. | |
미래에 가능한 보상의 기대 값을 사용하는 확률론적 방법론인 강화 학습의 특징은 무엇인가? | 이와 달리, 강화 학습은 미래에 가능한 보상의 기대 값을 사용하는 확률론적 방법론에 해당한다. 장애물의 판단 여부가 불확실한 경우에도, 미래의 보상값을 추정 하는 방식으로 장애물 회피에 적합한 특징을 가지고 있다. 산업용 자율 주행 로봇이 일반적으로 제한된 작업 공간내의 움직임으로 제한되어 있어 다양한 기하학적 공간 내의 회피 경로 생성에 장점을 가진다. | |
자율 주행에서 요구되는 기능은? | 자율 주행은, 부착된 거리 기반 센서를 이용하여 작업 공간 내 실제 주행을 통한 지도 작성 기능과, 생성, 수정된 지도와 센서 정보를 융합하여 현재 위치를 보정 하는 위치 추정 기능이 요구된다. 이러한 방법론은, 현재 위치가 불확실한 상태에서 관측을 통해, 위치의 추정 및 보정과 함께 지도를 수정하는 방식으로 구현되 며, 이러한 불확실성 때문에 확률 기반 방법론이 필수 적으로 사용되고 있다. |
S. Thrun, "A Probabilistic Approach to Concurrent Mapping and Localization for Mobile Robots," Machine Learning and Autonomous Robots, Vol.31, No.5, pp.1-25, 1998
S. Thrun, W. Burgard, and D. Fox, Probabilistic Robotics, pp.171-172, MIT Press, 2005.
D. Holz, D. Droeschel, S. Behnke, M. May, and H. Surmann, "Fast 3D perception for collision avoidance and SLAM in domestic environment," In Mobile robots navigation, In-Tech Education and Publishing, Vienna, Austria, 2010.
G. Grisetti, C. Stachniss, and W. Burgard, "Improved Technique for Grid Mapping with Rao-Blackwellization Particle Filters," IEEE Trans. on Robotics (T-RO), Vol.23, pp.34-46, 2007.
J. Civera, A. J. Davison, and J. M. M. Montiel, "Inverse depth parametrization for monocular SLAM," IEEE Trans. Robot., Vol.24, No.5, pp.932-945, 2008(10).
A. J. Davison, I. D. Reid, N. D. Molton, and O. Stasse, "MonoSLAM: Real-time single camera SLAM," IEEE Trans. Pattern Anal. Mach. Intell., Vol.29, No.6, pp.1052-1067, 2007(6).
D. Marzorati, M. Matteucci, D. Migliore, and D. G. Sorrenti, "Monocular SLAM with inverse scaling parametrization," In Proc. of the British machine vision conference, Leeds, pp.945-994, 2008.
J. Sola, T. Vidal-Calleja, J. Civera, and J. M. M. Montiel, "Impact of landmark parametrization on monocular EKF-SLAM with points and lines," International Journal of Computer Vision, Vol.97, pp.339-368, 2012.
R. S. Sutton and A. G. Barto, Reinforcement Learning: An Introduction, Cambridge Univ. Press, pp.157-159, 1998.
J. Roberts, I. Manchester, and R. Tedrake, "Feedback controller parameterizations for reinforcementlearning," In 2011 IEEE Symposium on Adaptive Dynamic Programming and Reinforcement Learning (ADPRL), 2011.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.