Zusammenfassung
Diese Arbeit beschreibt eine hybride Methode zur Zustandsrepräsentation bei visuell geführter Feinpositionierung eines Roboterarms. Mit dieser Repräsentation kann ein Regler zum Greifen eines bestimmten Objektes, das sich an einer beliebigen Position befindet, über Reinforcement-Lernen automatisch erzeugt werden. Eine Positionierungsaufgabe mit drei Freiheitsgraden wird in mehrere Teilaufgaben gegliedert, die jeweils von einem darauf spezialisierten Lerner gelöst wird. Jeder dieser Lerner erhält eine eigene, speziell auf seine Aufgabe zugeschnittene Zustandskodierung. Basierend auf einer Hauptkomponentenanalyse (PCA) kann die Orientierung eines beliebigen Objektes korrekt kodiert werden.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Literatur
B. K. P. Horn. Binary images: Geometrical properties. In Robot Vision, chapter 3, pages 46–61. McGraw-Hill, 1986.
L. Pack Kaelbling, M. L. Littman, and A. W. Moore. Reinforcement Learning: A Survey. Journal of Artificial Intelligence Research, 4:237–285, Mai 1996.
I. Kamon, T. Flash, and S. Edelman. Learning visually guided grasping: A test case in sensorimotor learning. IEEE Transactions on System, Man and Cybernetics, 28(3):266–276, May 1998.
M. A. Moussa and M. S. Kamel. An experimental approach to robotic grasping using a connectionist architecture and generic grasping functions. IEEE Transactions on System, Man and Cybernetics, 28(2):239–253, May 1998.
S. Thrun and A. Schwartz. Finding Structure in Reinforcement Learning. In Advances in Neural Information Processing Systems 7, pages 385–392, 1995.
T. Wengerek. Reinforcement-Lernen in der Robotik. PhD thesis, Universität Bielefeld — Technische Fakultät, Dezember 1995.
J. Zhang, R. Schmidt, and A. Knoll. Appearence-based visual learning in a neuro-fuzzy model for fine-positioning of manipulators. In Proceedings of the IEEE International Conference on Robotics and Automation, Detroit, 1999.
Author information
Authors and Affiliations
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2000 Springer-Verlag Berlin Heidelberg
About this paper
Cite this paper
Zhang, J., Brinkschröder, G., Knoll, A. (2000). Visuelles Reinforcement-Lernen zur Feinpositionierung eines Roboterarms über kompakte Zustandskodierung. In: Schmidt, G., Hanebeck, U., Freyberger, F. (eds) Autonome Mobile Systeme 1999. Informatik aktuell. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-642-59708-4_17
Download citation
DOI: https://doi.org/10.1007/978-3-642-59708-4_17
Publisher Name: Springer, Berlin, Heidelberg
Print ISBN: 978-3-540-66732-2
Online ISBN: 978-3-642-59708-4
eBook Packages: Springer Book Archive