摘要 - 在机器人技术的机器学习中,培训数据质量具有至关重要的作用。许多方法都使用利用算法来选择模型最有用的数据点,通常会忽略测量噪声对数据的影响。本文介绍了一种增强模型学习数据集质量的方法,优化了探索和主动传感指标的组合。我们介绍了一种基于高斯工艺的新型探索格拉米亚度量,预测协方差矩阵,优化以探索有关未知模型的知识最大的状态空间区域。这些与主动传感度量(gramian)集成在一起,以减轻测量噪声效应。通过在独轮车和四倍的机器人上进行模拟来证明这种方法的有效性,证实了组合主动感应和探索可以显着提高模型学习中的性能。
主要关键词