A Novel Data mining method for next-generation robots

下一代机器人的新型数据挖掘方法

• 批准号: 20500181
• 负责人: NAKAMURA Takayuki
• 金额: $ 2.83万
• 依托单位: Wakayama University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 财政年份: 2008
• 资助国家: 日本
• 起止时间: 2008 至 2010
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-20500181/
• 关键词: 知能ロボット; データマイニング; Kernel PCA; RBF; 視覚センサ搭載ロボット; isoMDS; NMDS; GPLVM; MDS; FastMap; PivotMDS; Glimmer

In this study, we challenge development of the novel modeling technique that is essential to a next-generation robot. We assume that our modeling technique has two functions. Function 1 detects the data which are short for modeling, and generates new data necessary for modeling by operating a robot. Function 2 is a function to choose only data necessary for modeling from a large amount of sampled data. When we controlled a 3-DOF manipulator using visual information, we examined the method based on the Kernel PCA method which can compress high-dimensional learning data using a non-linear mapping function to the low-dimensional data.

在这项研究中，我们挑战开发对于下一代机器人至关重要的新颖建模技术。我们假设我们的建模技术有两个功能。功能1检测建模所需的数据，并通过操作机器人生成建模所需的新数据。功能2是从大量的采样数据中仅选择建模所需的数据的功能。当我们使用视觉信息控制 3-DOF 机械臂时，我们检查了基于核 PCA 方法的方法，该方法可以使用非线性映射函数将高维学习数据压缩到低维数据。