Publication

Tactile Correction and Multiple Training Data Sources for Robot Motion Control

Aude Billard, Brenna Dee Argall
2009
Conference Papers

Résumé

This work considers our approach to robot motion control learning from the standpoint of multiple data sources. Our paradigm derives data from human teachers providing task demonstrations and tactile corrections for policy refinement and reuse. We contribute a novel formalization for this data, and identify future directions for the algorithm to reason explicitly about differences in data source.

Source officielle

https://infoscience.epfl.ch/entities/publication/6aeec778-b981-4de2-a023-f5db26e40698

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Tactile Correction and Multiple Training Data Sources for Robot Motion Control

Chattez avec Graph Search

Sense in Motion with Belief Clustering: Efficient Gas Source Localization with Mobile Robots

Robot Learning using Tensor Networks

Data-driven statistical optimization of a groundwater monitoring network