Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
A sensorimotor learning framework for object categorization
KTH, Skolan för datavetenskap och kommunikation (CSC), Datorseende och robotik, CVAP. KTH, Skolan för datavetenskap och kommunikation (CSC), Centra, Centrum för Autonoma System, CAS.
KTH, Skolan för datavetenskap och kommunikation (CSC), Datorseende och robotik, CVAP. KTH, Skolan för datavetenskap och kommunikation (CSC), Centra, Centrum för Autonoma System, CAS.ORCID-id: 0000-0003-0579-3372
KTH, Skolan för datavetenskap och kommunikation (CSC), Datorseende och robotik, CVAP. KTH, Skolan för datavetenskap och kommunikation (CSC), Centra, Centrum för Autonoma System, CAS.ORCID-id: 0000-0002-4266-6746
KTH, Skolan för datavetenskap och kommunikation (CSC), Datorseende och robotik, CVAP. KTH, Skolan för datavetenskap och kommunikation (CSC), Centra, Centrum för Autonoma System, CAS.ORCID-id: 0000-0003-2965-2953
2016 (Engelska)Ingår i: IEEE Transactions on Cognitive and Developmental Systems, ISSN 2379-8920, Vol. 8, nr 1, s. 15-25Artikel i tidskrift (Refereegranskat) Published
Abstract [en]

This paper presents a framework that enables a robot to discover various object categories through interaction. The categories are described using action-effect relations, i.e. sensorimotor contingencies rather than more static shape or appearance representation. The framework provides a functionality to classify objects and the resulting categories, associating a class with a specific module. We demonstrate the performance of the framework by studying a pushing behavior in robots, encoding the sensorimotor contingencies and their predictability with Gaussian Processes. We show how entropy-based action selection can improve object classification and how functional categories emerge from the similarities of effects observed among the objects. We also show how a multidimensional action space can be realized by parameterizing pushing using both position and velocity.

Ort, förlag, år, upplaga, sidor
Institute of Electrical and Electronics Engineers (IEEE), 2016. Vol. 8, nr 1, s. 15-25
Nyckelord [en]
sensorimotor learning, object classification, categorization, cognitive robotics, active perception, learning and adaptive system, embodiment, developmental robotics
Nationell ämneskategori
Robotteknik och automation
Forskningsämne
Datalogi
Identifikatorer
URN: urn:nbn:se:kth:diva-172143DOI: 10.1109/TAMD.2015.2463728ISI: 000388682400003OAI: oai:DiVA.org:kth-172143DiVA, id: diva2:922036
Forskningsfinansiär
VetenskapsrådetEU, Europeiska forskningsrådet, H2020-FETPROACT-2014 641321
Anmärkning

QC 20160422

Tillgänglig från: 2016-04-21 Skapad: 2015-08-13 Senast uppdaterad: 2017-01-04Bibliografiskt granskad

Open Access i DiVA

fulltext(1360 kB)213 nedladdningar
Filinformation
Filnamn FULLTEXT02.pdfFilstorlek 1360 kBChecksumma SHA-512
ed87854d0cf61a2fe10f26dad0e8b06a9f2d4eb29c851f3692a947eb1076d5804c005672c7f37771a3abbc51c953d340f47cf0988bf7f141bf57cb4d2b89b9bf
Typ fulltextMimetyp application/pdf

Övriga länkar

Förlagets fulltext

Personposter BETA

Maki, AtsutoKragic, Danica

Sök vidare i DiVA

Av författaren/redaktören
Högman, VirgileBjörkman, MårtenMaki, AtsutoKragic, Danica
Av organisationen
Datorseende och robotik, CVAPCentrum för Autonoma System, CAS
Robotteknik och automation

Sök vidare utanför DiVA

GoogleGoogle Scholar
Totalt: 221 nedladdningar
Antalet nedladdningar är summan av nedladdningar för alla fulltexter. Det kan inkludera t.ex tidigare versioner som nu inte längre är tillgängliga.

doi
urn-nbn

Altmetricpoäng

doi
urn-nbn
Totalt: 637 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf