机构名称：
¥ 1.0
摘要：使单一传感模态足够精确和稳健，以获得人类级别的性能和自主性可能非常昂贵或难以实现。融合来自多种传感模态的信息很有前景——例如，最近的研究表明，将视觉与触觉传感器或音频数据相结合会带来好处。基于学习的方法通过消除对手动特征工程的需求，促进了该领域的更快进步。然而，传感器属性和传感模态的选择通常仍然是手动完成的。我们的蓝天观点是，我们可以模拟/仿真具有各种属性的传感器，然后推断哪些属性和传感器组合可以产生最佳学习结果。这种观点将激励开发新型、价格合理的传感器，这些传感器可以对机器人分类器、模型和策略的性能、稳健性和训练的简易性产生显着影响。这将激励制造提供与现有信号互补的硬件。结果：我们可以显著扩展基于学习的方法的适用范围。
共同进化的感觉模式和传感器特性
主要关键词
相关文件推荐
