دانلود مقاله انگلیسی رایگان:انتقال مهارت ها به ربات های انسان نما با استخراج نمایه های معنایی از مشاهدات فعالیت های انسانی - 2017

دانلود بهترین مقالات isi همراه با ترجمه فارسی

کارابرن عزیز، مقالات isi بالاترین کیفیت ترجمه را دارند، ترجمه آنها کامل و دقیق می باشد (محتوای جداول و شکل های نیز ترجمه شده اند) و از بهترین مجلات isi انتخاب گردیده اند. همچنین تمامی ترجمه ها دارای ضمانت کیفیت بوده و در صورت عدم رضایت کاربر مبلغ عینا عودت داده خواهد شد.

پشتیبانی
اپلیکشن اندروید
آرشیو مقالات
ورود اعضا
توجه توجه توجه !!!!
تمامی مقالات ترجمه شده ، انگلیسی و کتاب های این سایت با دقت تمام انتخاب شده اند. در انتخاب مقالات و کتاب ها پارامترهای جدید بودن، پر جستجو بودن، درخواست کاربران ، تعداد صفحات و ... لحاظ گردیده است. سعی بر این بوده بهترین مقالات در هر زمینه انتخاب و در اختیار شما کاربران عزیز قرار گیرد. ضمانت ما، کیفیت ماست.
نرم افزار winrar

از نرم افزار winrar برای باز کردن فایل های فشرده استفاده می شود. برای دانلود آن بر روی لینک زیر کلیک کنید
دانلود

پیوندهای کاربردی
پیوندهای مرتبط
دانلود مقاله انگلیسی رباتیک رایگان
  • Transferring skills to humanoid robots by extracting semantic representations from observations of human activities Transferring skills to humanoid robots by extracting semantic representations from observations of human activities
    Transferring skills to humanoid robots by extracting semantic representations from observations of human activities

    سال انتشار:

    2017


    عنوان انگلیسی مقاله:

    Transferring skills to humanoid robots by extracting semantic representations from observations of human activities


    ترجمه فارسی عنوان مقاله:

    انتقال مهارت ها به ربات های انسان نما با استخراج نمایه های معنایی از مشاهدات فعالیت های انسانی


    منبع:

    Sciencedirect - Elsevier - Artificial Intelligence, 247 (2017) 95–118. 10.1016/j.artint.2015.08.009


    نویسنده:

    Karinne Ramirez-Amaro, MichaelBeetz, ordonCheng


    چکیده انگلیسی:

    Article history:Received in revised form 22 July 2015 Accepted 19 August 2015Available online 6 September 2015Keywords:Activity recognition Human understanding Knowledge-based Semantic representation Skill transferIn this study, we present a framework that infers human activities from observations using semantic representations. The proposed framework can be utilized to address the difficult and challenging problem of transferring tasks and skills to humanoid robots. We propose a method that allows robots to obtain and determine a higher-level understanding of a demonstrator’s behavior via semantic representations. This abstraction from observations captures the “essence” of the activity, thereby indicating which aspect of the demonstrator’s actions should be executed in order to accomplish the required activity. Thus, a meaningful semantic description is obtained in terms of human motions and object properties. In addition, we validated the semantic rules obtained in different conditions, i.e., three different and complex kitchen activities: 1) making a pancake; 2) making a sandwich; and 3) setting the table. We present quantitative and qualitative results, which demonstrate that without any further training, our system can deal with time restrictions, different execution styles of the same task by several participants, and different labeling strategies. This means, the rules obtained from one scenario are still valid even for new situations, which demonstrates that the inferred representations do not depend on the task performed. The results show that our system correctly recognized human behaviors in real-time in around 87.44% of cases, which was even better than a random participant recognizing the behaviors of another human (about 76.68%). In particular, the semantic rules acquired can be used to effectively improve the dynamic growth of the ontology- based knowledge representation. Hence, this method can be used flexibly across different demonstrations and constraints to infer and achieve a similar goal to that observed. Furthermore, the inference capability introduced in this study was integrated into a joint space control loop for a humanoid robot, an iCub, for achieving similar goals to the human demonstrator online. 2015 Elsevier B.V. All rights reserved.
    Keywords:Activity recognition | Human understanding | Knowledge-based | Semantic representation | Skill transfer


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 24
    حجم فایل: 3902 کیلوبایت

    قیمت: رایگان


    توضیحات اضافی:




آرشیو کامل مقالات

اگر این مقاله را پسندیدید آن را در شبکه های اجتماعی به اشتراک بگذارید (برای به اشتراک گذاری بر روی ایکن های زیر کلیک کنید)

این مقاله را در فیس بوک به اشتراک بگذارید این مقاله را در توییتر به اشتراک بگذارید این مقاله را در لینکداین به اشتراک بگذارید این مقاله را در گوگل پلاس به اشتراک بگذارید این مقاله را در زینگ به اشتراک بگذارید این مقاله را در تلگرام به اشتراک بگذارید

تعداد نظرات : 0

الزامی
الزامی
الزامی
رباتیک
موضوعات
footer