Skill learning and action recognition by arc-length dynamic movement primitives

برنامه ریزی موثر ربات با تظاهرات مستلزم در دسترس بودن تظاهرات های متعدد برای یادگیری در مورد تمام جنبه های مربوط به مهارت یا کار نشان داده شده است. به طور معمول، یک معلم انسانی باید انواع مختلفی از وظیفه مورد نظر را نشان دهد تا بتواند مقدار کافی داده را برای اطمینان از آن یاد بگیرد. در اینجا یک مشکل اغلب به وجود می آید که تغییرات زیادی در سرعت اجرای در سراسر تظاهرات انسانی وجود دارد. این امر می تواند باعث ایجاد مشکلاتی شود که تظاهرات چندگانه را برای استخراج اطلاعات مرتبط برای یادگیری مقایسه می کند. در این مقاله پیشنهادی برای پیشگیری جنبش های پویا پیشنهاد می کنیم که به عنوان اولین اجزاء حرکت پویا می شوند، جایی که اجزای مکان و مکان زمانی از هم جدا هستند. ما از لحاظ تئوری و تجربی نشان می دهیم که بازنمایی پیشنهاد شده می تواند به طور موثر برای یادگیری مهارت های ربات و شناخت عمل حتی در زمانی که تغییرات زیادی در سرعت حرکات نشان داده شده وجود دارد.