Roboterlernen: Verbesserung intelligenten Verhaltens durch adaptive Algorithmen

Roboterlernen-Dieses Kapitel führt in das Konzept des Roboterlernens ein und erklärt, wie Roboter autonom Wissen aus ihrer Umgebung erwerben können, um ihre Leistung und Entscheidungsfindung zu verbessern

Domo (Roboter)-Der Domo-Roboter wird als Fallstudie zur Entwicklung des Roboterlernens untersucht, mit Einblicken in seine Lernmethoden und seine Fähigkeit, sich durch sensorisches Feedback anzupassen

Entwicklungsrobotik-Dieses Kapitel behandelt die Grundlagen der Entwicklungsrobotik und konzentriert sich darauf, wie Roboter im Laufe der Zeit schrittweise lernen können, ähnlich der menschlichen kognitiven Entwicklung

ICub-Ein tiefer Einblick in den iCub-Roboter, der seine Rolle beim Studium der kognitiven Entwicklung und der Mensch-Roboter-Interaktion betont und seine fortschrittlichen Lernfähigkeiten vorführt

Programmieren durch Demonstration-Dieses Kapitel diskutiert, wie Roboter durch Demonstrationen durch menschliche Bediener programmiert werden können, und hebt die Leichtigkeit und Effizienz hervor, Robotern komplexe Aufgaben beizubringen

Neurorobotik-Die Neurorobotik verbindet Neurowissenschaft mit Robotik. Dieses Kapitel untersucht, wie das Roboterlernen durch das Verständnis der Gehirnprozesse beeinflusst wird und wie diese in Maschinen repliziert werden können

Daniela Rus-Dieses Kapitel konzentriert sich auf die Arbeit von Daniela Rus, einer führenden Forscherin auf dem Gebiet der Robotik, und untersucht ihre Beiträge zum Roboterlernen und zu autonomen Systemen

Situierter Ansatz (künstliche Intelligenz)-Ein Blick auf den situierten Ansatz in der KI, bei dem Roboter durch direkte Interaktion mit ihrer Umgebung lernen und die Bedeutung des realen Kontexts beim Roboterlernen betont wird

Google Brain-Dieses Kapitel untersucht die Schnittstelle zwischen Deep Learning und Robotik, insbesondere die Auswirkungen der Forschung von Google Brain auf die Verbesserung des Roboterlernens durch fortschrittliche Algorithmen und neuronale Netzwerke

James J. Kuffner Jr.-Eine Analyse der Pionierarbeit von James J. Kuffner in der Robotik und seiner Beiträge zu Bewegungsplanungs- und Roboterlerntechniken, die es Robotern ermöglichen, komplexe Aufgaben auszuführen

Cloud-Robotik-Cloud-Robotik verändert die Art und Weise, wie Roboter lernen, indem sie Cloud-Computing nutzt, um große Datenmengen zu verarbeiten und zu speichern. Dieses Kapitel beschreibt, wie sich diese Innovation auf das Roboterlernen und seine Skalierbarkeit auswirkt

JeanChristophe Baillie-Dieses Kapitel konzentriert sich auf die Arbeit von JeanChristophe Baillie und befasst sich eingehend mit seiner Erforschung des Roboterlernens aus einer Systemperspektive, insbesondere in den Bereichen mobile Robotik und sensorische Verarbeitung

Stephen E. Levinson-Dieses Kapitel untersucht Stephen E. Levinsons Beiträge zum Roboterlernen, insbesondere seine Arbeit zur Integration von Robotik mit natürlicher Sprachverarbeitung und Kognitionswissenschaft

Ashutosh Saxena-Ashutosh Saxenas Arbeit zur Entwicklung von Robotern, die aus menschlichen Handlungen lernen, wird in diesem Kapitel erörtert und zeigt, wie Roboter trainiert werden können, um menschliches Verhalten zu verstehen und nachzuahmen

Aude Billard-Aude Billards Forschung zur Mensch-Roboter-Interaktion wird hier behandelt, wobei der Schwerpunkt auf der Entwicklung von Robotern liegt, die aus sozialen Signalen und menschlicher Zusammenarbeit lernen können

Vivian Chu-Vivian Chus Arbeit zum Roboterlernen, insbesondere im Zusammenhang mit Roboterarmbewegungen und Echtzeitlernen durch Feedback, wird in diesem Kapitel untersucht

Juyang Weng-Dieses Kapitel behandelt Juyang Wengs Ansatz zur verkörperten Kognition in der Robotik und zeigt, wie Roboter aus ihren eigenen Erfahrungen in der physischen Welt lernen können