Statistical methods and genetic algorithms for prior knowledge selection.

Pierre Dangauthier 1 Anne Spalanzani 1 Pierre Bessiere 1
1 E-MOTION - Geometry and Probability for Motion and Action
GRAVIR - IMAG - Graphisme, Vision et Robotique, Inria Grenoble - Rhône-Alpes
Résumé : Pour tre qualifi d'autonome, un robot mobile doit tre capable d'voluer dans un environnement non contrl, changeant et sur lequel il ne dispose que d'informations incertaines. La programmation baysienne des robots est adapte ce problme, et dans ce cadre, notre objectif consiste automatiser la dcouverte de nouveaux comportements. Nous dsirons que le robot trouve par lui-mme des corrlations entre ses variables sensori-motrices afin d'apprendre rsoudre sa tche d'une nouvelle manire. Notre approche consiste proposer et comparer diffrentes mthodes pour trouver ces corrlations. Nous validerons les mthodes sur des donnes issues d'un simulateur logiciel et des donnes relles provenant d'un petit robot autonome : Le Koala.
Document type :
Conference papers
Complete list of metadatas

Cited literature [21 references]  Display  Hide  Download

https://hal.inria.fr/inria-00182072
Contributor : Christian Laugier <>
Submitted on : Wednesday, October 24, 2007 - 6:46:38 PM
Last modification on : Thursday, April 11, 2019 - 12:04:12 PM
Long-term archiving on : Monday, April 12, 2010 - 12:35:51 AM

File

dangauthier04rfia.pdf
Files produced by the author(s)

Identifiers

  • HAL Id : inria-00182072, version 1

Collections

INRIA | UGA | IMAG

Citation

Pierre Dangauthier, Anne Spalanzani, Pierre Bessiere. Statistical methods and genetic algorithms for prior knowledge selection.. Actes du congrès francophone de Reconnaissance des Formes et Intelligence Artificielle, Jan 2004, Toulouse (FR), France. ⟨inria-00182072⟩

Share

Metrics

Record views

325

Files downloads

607