Robot Learning

1 Inleiding tot robotleren. - 1 Motivatie. - 2 Het leerprobleem van de robot. - 3 Achtergrond. - 4 Domeinen. - 5 Routekaart. - 2 Op kennis gebaseerde training van kunstmatige neurale netwerken voor autonoom robotrijden. - 1 Inleiding. - 2 Netwerk architectuur. - 3 Netwerk training. - 4 Prestatieverbetering door middel van transformaties. - 5 Resultaten en vergelijking. - 6 Discussie. - 3 Leren van gedrag met meerdere doelen via taakdecompositie en dynamische beleidssamenvoeging. - 1 Inleiding. - 2 Basisprincipes van versterkend leren. - 3 taken met meerdere doelen. - 4 Een decompositiebenadering. - 5 Samenvoegen op basis van zoekopdrachten. - 6 Een hybride architectuur. - 7 Samenvatting. - 4 Op geheugen gebaseerd versterkend leren: convergeren met minder gegevens en minder realtime. - 1 Inleiding. - 2 Vegen met prioriteit. - 3 Een voorspellingsexperiment van Markov. - 4 Leerbeheersing van Markov-beslissingstaken. - 5 Experimentele resultaten. - 6 Discussie. - 7 Conclusie. - 5 Snel leren van taken voor echte robots. - 1 Inleiding. - 2 Op gedrag gebaseerd versterkend leren. - 3 Benutting van de lokale ruimtelijke structuur. - 4 Actiemodellen gebruiken. - 5 Zeer gestructureerd leren. - 6 Samenvatting. - 6 De semantische hiërarchie in robotleren. - 1 Inleiding. - 2 De cognitieve kaart en de semantische hiërarchie. - 3 Van gesimuleerde robot tot fysieke robots. - 4 Van tabula rasa tot cognitieve mapping. - 5 Van lage snelheid naar hoge snelheid. - 6 Conclusies. - 7 Onzekerheid bij op grafieken gebaseerd kaartleren. - 1 Inleiding. - 2 Kwalitatieve navigatie en kaartleren. - 3 Theoretische ontwikkeling. - 4 Probleem classificatie. - 5 Samenvatting van de resultaten. - 6 Conclusies. - 8 Echte robots, echte leerproblemen. - 1 Inleiding. - 2 Motivatie. - 3 De belangrijkste soorten leren. - 4 De belangrijkste leermethoden. - 5 Simulatie. - 6 Conclusie. Taal: Engels