面向无人自主系统的深度学习:全面回顾
1 引言
2 人工智能与机器学习:前景和局限
2.1 人工智能
2.2 机器学习
2.3 深度学习
3 无人自主系统的认知循环
4 面向情境意识的深度学习
4.1 定位
4.2 特征提取
4.3 目标识别
5 面向决策的深度学习
5.1 路径规划
5.2 避碰
6 在研无人自主系统的深度学习
7 自适应无人自主车辆的深度学习
8 结论
参考文献
面向无人航空系统的深度学习与强化学习——从理论到部署的路线图
1 引言
1.1 UAS的应用
1.2 UAS的分类
1.3 本文结构
1.4 符号
2 机器学习技术综述
2.1 前馈神经网络
2.2 卷积神绎网络
2.3 循环神经网络
2.4 强化学习
3 面向UAS自主性的深度学习
3.1 由传感器数据提取特征
3.2 UAS路径规划和情境意识
3.3 开放性问题和挑战
4 面向UAS自主性的强化学习
4.1 UAs控制系统
4.2 导航和高层级任务
4.3 开放性问题和挑战
5 面向UAS的仿真平台
5.1 仿真组件
5.2 开放性问题和挑战
6 面向快速原型化的无人机硬件
6.1 类型选择
6.2 飞行堆栈
6.3 计算单元
6.4 UAS的安全性和法规
7 结论
参考文献
无人机反应式避障方法
1 引言
2 相关研究
2.1 环境表示
2.2 轨迹规划
2.3 基于学习的避障方法
3 基于八叉树地图和均匀B样条的四旋翼无人机实时轨迹重规划
3.1 基于八叉树地图和环形缓冲区的局部地图构建
3.2 实时局部轨迹重规划
3.3 试验与分析
4 无人机基于深度强化学习的反应式避障方法
4.1 强化学习基本理论背景
应用鲁棒控制理论为基于学习的控制系统提供性能保证
一种用于工业机器人位置估计的级联深度神经网络
无人系统的深度学习不确定性管理
基于深度强化学习实现不确定性感知的自主移动机器人导航
微电网中自主移动网络的深度强化学习
无人机集群自主变形控制与协同作战的强化学习
基于τ-Jerk理论和多层递归ANN的生物激励机械臂轨迹规划
基于深度学习的无人机编队控制
基于深度学习的动物品种图像识别
基于深度学习的移动机器人立体视觉控制的图像配准算法
自主系统和机器人基于搜索的规划与强化学习
利用深度强化学习和ViZDoom游戏-AI研究平台与基于Anticipator-A3C的智能体玩Doom游戏
关于四旋翼无人机路径跟随和避障的深度强化学习
在先进的游戏人工智能研究平台上用深度强化学习技术玩第一人称视角游戏
基于混合循环神经网络的语言建模与文本生成
基于深度神经网络的车辆前照灯类型检测与识别情况监督
生物学深度学习的最新进展
展开