KR20210084025A - 딥러닝 기반의 학습 클라우드 플랫폼을 이용하는 로봇용 인공지능 컴퓨팅 플랫폼 - Google Patents
딥러닝 기반의 학습 클라우드 플랫폼을 이용하는 로봇용 인공지능 컴퓨팅 플랫폼 Download PDFInfo
- Publication number
- KR20210084025A KR20210084025A KR1020190176904A KR20190176904A KR20210084025A KR 20210084025 A KR20210084025 A KR 20210084025A KR 1020190176904 A KR1020190176904 A KR 1020190176904A KR 20190176904 A KR20190176904 A KR 20190176904A KR 20210084025 A KR20210084025 A KR 20210084025A
- Authority
- KR
- South Korea
- Prior art keywords
- learning
- artificial intelligence
- platform
- deep learning
- robots
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/06—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons
- G06N3/063—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons using electronic means
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Neurology (AREA)
- Manipulator (AREA)
Abstract
본 발명은 딥러닝을 기반으로 인공지능 학습이 가능한 클라우드 플랫폼에 저장된 학습된 딥러닝 네트워크를 제공받아 실시간으로 인공지능 추론 및 제어가 가능한 로봇용 인공지능 컴퓨팅 플랫폼에 관한 것이다. 본 발명은 저전력으로 인공처리가 가능한 로봇용 인공지능 컴퓨팅 플랫폼을 제공함으로서, 생산비용을 낮춰 가격적인 경쟁력을 높힐 수 있는 효과가 있다. 또한, 본 발명은 로봇서비스에 필요한 학습데이터의 수집하고, 학습된 딥러닝 네트워크를 로봇용 인공지능 컴퓨팅 플랫폼에 제공함으로서, 실시간으로 인공지능 추론을 수행할 수 있고, 이를 기반으로 실시간으로 제어가 가능한 효과가 있다.
Description
본 발명은 딥러닝 기반의 학습 클라우드 플랫폼을 이용하는 로봇용 인공지능 컴퓨팅 플랫폼에 관한 것으로, 보다 상세하게는 딥러닝을 기반으로 인공지능 학습이 가능한 클라우드 플랫폼에 저장된 학습된 딥러닝 네트워크를 제공받아 실시간으로 인공지능 추론 및 제어가 가능한 로봇용 인공지능 컴퓨팅 플랫폼에 관한 것이다.
딥 러닝(deep learning)은 심층학습은 여러 비선형 변환기법의 조합을 통해 높은 수준의 추상를 시도하는 기계학습(machine learning) 알고리즘의 집합으로 정의되며, 큰 틀에서 사람의 사고방식을 컴퓨터에게 가르치는 기계학습의 한 분야라고 볼 수 있다. 어떠한 데이터가 있을 때 이를 컴퓨터가 알아들을 수 있는 형태로 표현하고 이를 학습에 적용하기 위해 많은 연구가 진행되고 있으며, 이러한 노력의 결과로 deep neural networks, convolutional deep neural networks, deep belief networks와 같은 다양한 딥 러닝 기법들이 컴퓨터비젼, 음성인식, 자연어처리, 음성/신호처리 등의 분야에 적용되어 최첨단의 결과들을 보여주고 있다.
한국 등록특허 제 1787613호(이하 '선행문헌'이라 칭함)는 딥 러닝 기반의 자가 적응 학습 기술을 이용한 인공지능 플랫폼 시스템에 관한 것이다. 선행문헌은 자가 적응 기술과 딥 러닝 기반의 학습 기술을 결합하여, DNA 미션을 자가 조직하고 DNA 모델을 자가 구성하는 자가 적응 학습 엔진을 포함함으로써, 상황을 이해해서 스스로 미션을 파악하고 모델을 만들어 상황을 해결하는 인간 두뇌 메커니즘을 효과적으로 구현할 수 있다.
딥 러닝 플랫폼을 이용하는 자율주행이 가능한 인공지능 로봇의 경우, 객체인식 및 상황인식을 위한 인공지능 알고리즘의 수행은 높은 CPU와 GPU의 고사양을 요구하고 있다. 따라서 고사양의 하드웨어를 필요로 하며, 로봇의 생산 비용으로 짐에 따라 가격적인 경쟁력이 떨어지게 되고, 인공지능 로봇시장의 활성화에 걸림돌이 되고 있다.
본 발명은 위와 같은 문제점을 해결하기 위해 저전력으로 인공지능처리가 가능한 로봇용 인공지능 컴퓨팅 플랫폼을 제공하는데 그 목적이 있다.
또한, 본 발명은 로봇서비스에 필요한 학습데이터의 수집하고, 학습된 딥러닝 네트워크를 로봇용 인공지능 컴퓨팅 플랫폼에 제공하는데 그 목적이 있다.
본 발명에 따른 딥러닝 기반의 학습 클라우드 플랫폼을 이용하는 로봇용 인공지능 컴퓨팅 플랫폼에 있어서, 상기 학습 클라우드 플랫폼은 외부로부터 데이터를 수집하여 로봇서비스에 필요한 학습데이터로 정제하는 데이터처리부, 상기 데이터처리부에 의해 정제된 학습용 데이터가 저장되는 데이터저장부, 상기 데이터베이스에 저장된 학습용 데이터와 외부로부터 제공받은 자가학습을 위한 데이터 및 도메인 온톨로지를 기반으로 자가학습하는 자가학습부, 상기 자가학습에 의해 생성된 딥러닝 네트워크가 카테고리별로 분류되어 저장되는 데이터베이스부를 포함한다.
본 발명에 따른 상기 로봇용 인공지능 컴퓨터 플랫폼은 상기 로봇용 인공지능 컴퓨터 플랫폼은 이기종의 프로세스와 적어도 하나의 센서 인터페이스를 구비하고, 임베디드 중앙처리장치를 내장하며, 저전력으로 로봇의 모션, 위치, 구동제어를 위한 실시간 임베디드 마이크로컨트롤러 및 전용 인터페이스를 구비하는 하드웨어플랫폼, 실제환경에서 측정된 영상 및 센서데이터를 기반으로 실시간으로 객체 인식 및 탐지와 추적하며, 상황인지의 인공지능 추론을 수행하는 딥러닝 프레임워크, 상기 이기종의 프로세스와 실시간 병렬처리 및 상기 딥러닝 프레임워크를 지원하는 소프트웨어 프레임워크를 포함한다.
본 발명에 따른 상기 하드웨어플랫폼은 저전력으로 인공지능 처리가 가능하도록 그래픽처리장치와 하드웨어 연산가속기를 사용하기 위한 슬롯을 구비한다.
본 발명에 따른 상기 로봇용 인공지능 컴퓨팅 플랫폼은 상기 데이터베이스에 저장된 딥러닝 네크워크 중 상기 로봇용 인공지능 컴퓨터 플랫폼은 상에서 필요로 하는 특정 딥러닝 네트워크를 제공받는다.
본 발명에 따른 상기 데이터저장부는 상기 로봇용 인공지능 컴퓨터 플랫폼으로부터 상기 실제환경에서 측정된 영상 및 센서데이터를 수집하여 상기 학습용 데이터로 저장한다.
본 발명은 저전력으로 인공처리가 가능한 로봇용 인공지능 컴퓨팅 플랫폼을 제공함으로서, 생산비용을 낮춰 가격적인 경쟁력을 높힐 수 있는 효과가 있다.
또한, 본 발명은 로봇서비스에 필요한 학습데이터의 수집하고, 학습된 딥러닝 네트워크를 로봇용 인공지능 컴퓨팅 플랫폼에 제공함으로서, 실시간으로 인공지능 추론을 수행할 수 있고, 이를 기반으로 실시간으로 제어가 가능한 효과가 있다.
도 1은 본 발명에 따른 딥러닝 기반의 학습 클라우드 플랫폼을 이용하는 로봇용 컴퓨팅 플랫폼을 설명하기 위한 도면이다.
도 2는 본 발명에 따른 로봇용 컴퓨팅 플랫폼을 설명하기 위한 도면이다.
도 2는 본 발명에 따른 로봇용 컴퓨팅 플랫폼을 설명하기 위한 도면이다.
이하, 본 발명의 바람직한 실시 예에 대하여 첨부된 도면을 참조하여 상세히 설명하기로 한다. 본 발명의 실시 예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에 그 상세한 설명을 생략하기로 한다.
도 1은 본 발명에 따른 딥러닝 기반의 학습 클라우드 플랫폼을 이용하는 로봇용 컴퓨팅 플랫폼을 설명하기 위한 도면이다.
도 1을 참조하면, 딥러닝 기반의 학습 클라우드 플랫폼(100)은 데이터처리부(110)를 통해 외부로부터 데이터를 수집하여 로봇서비스에 필요한 학습용 데이터로 정제한다. 외부로부터 수집되는 데이터는 world wide web(www)와 같이 인터넷에 존재하는 일반 텍스트 형태의 문서, 그림, 음성, 각종 자료들이 정규화된 데이터를 포함할 수 있다. 또한, 도메인에 대한 특성화 또는 일반화한 온톨로지(안내, 소셜, 물류 등) 데이터를 포함할 수 있다.
데이터처리부(110)는 외부로부터 수집된 데이터를 학습용 데이터로 정제된다. 데이터가 정제되는 전처리 과정은 데이터 내의 노이즈를 제거하고, 일관성 결여를 교정하며, 데이터를 일관성 있게 분류되는 과정 등이 포함될 수 있다.
데이터저장부(120)에는 데이터처리부(110)에 의해 정제된 학습용 데이터가 저장된다. 학습용 데이터는 데이터의 유형, 카테고리 등에 의해 분류되어 저장될 수 있다.
자가학습부(130)는 데이터저장부(120)에 저장된 학습용 데이터와 외부로부터 제공받은 자가학습 데이터 및 도메인 온톨로지를 기반으로 학습된 딥러닝 네트워크(DNN : Deep learning Network)를 생성한다. 자가학습부(130)는 학습용 데이터와 도메인 온톨로지 및 자가학습을 위한 Gound truth 데이터를 기반으로 빅테이터의 자가학습(self-traing)을 실시한다. Gound truth 데이터는 Pascal2, Imagenet, Udacity 등의 웹사이트로부터 제공받을 수 있다.
데이터베이스부(140)에는 자가학습에 의해 생성된 안내상황, 안내객체, 물류, 소셜 등에 대한 딥러닝 네트워크(DNN)가 카테고리별로 분류되어 저장된다.
데이터베이스부(140)에 저장된 딥러닝 네트워크(DNN)는 로봇용 인공지능 컴퓨터 플랫폼에 제공될 수 있다. 도 1와 같이, 안내로봇서비스(200A),소셜로봇서비스(200B), 물류로봇서비스(200C)에는 로봇용 인공지능 컴퓨터 플랫폼이 내장되어 있으며, 각각의 로봇서비스는 서로 성질의 작업을 수행한다. 즉, 각각의 로봇서비스에 최적화된 딥러닝 네트워크도 서로 다르다고 볼 수 있다. 따라서 각각의 로봇서비스에 내장된 로봇용 인공지능 컴퓨팅 플랫폼은 데이터베이스(140)에 저장된 딥러닝 네크워크 중 최적화된 딥러닝 네트워크를 제공받아 구동된다.
각각의 로봇용 인공지능 컴퓨터 플랫폼에는 로봇에 구비된 촬영장치 및 센서장치릍 통해 실제환경에서 측정된 영상과 센서데이터가 기록된다. 따라서 딥러닝 기반의 학습 클라우드 플랫폼(100)은 로봇용 인공지능 컴퓨터 플랫폼(210)으로부터 실제환경에서 측정된 영상 및 센서데이터를 수집하여 학습용 데이터로 저장한다.
도 2는 본 발명에 따른 로봇용 컴퓨팅 플랫폼을 설명하기 위한 도면이다. 도 2를 참조하면 로봇용 컴퓨팅 플랫폼(210)은 임베디드 H/W플렛폼(211), 인공지능 S/W 프레임워크(212), 딥러닝 프레임워크(213)으로 구성될 수 있다.
임베디드 H/W플렛폼(211)은 이기종의 프로세스와 다양한 센서 인터페이스를 구비하며, 고성능의 임베디드 중앙처리장치(CPU)를 내장한다. 또한, 임베디드 H/W플렛폼(211)은 메인 CPU를 통한 로봇의 제어 처리부담을 덜기 위해 저전력으로 로봇의 모션, 위치, 구동제어를 위한 실시간 임베디드 마이크로컨트롤러 및 전용 인터페이스를 구비한다.
또한, 외부와 통신 가능하도록 확장된 통신 Interface를 구비하며, 저전력으로 인공지능 처리가 가능하도록 그래픽처리장치(GPU)와 하드웨어 연산가속기(FPGA)를 사용하기 위한 MXM(Mobile PCI eXpress Module)슬롯을 구비한다.
인공지능 S/W 프레임워크(212)는 이기종의 프로세스와 실시간 병렬처리를 지원한다. 또한, 딥러닝 프레임워크(213)를 지원하기 위한 소프트웨어 프레임워크이다.
딥러닝 프레임워크(213)은 인공지능 S/W프레임워크(21) 상에서 로봇을 통해 실제환경에서 측정된 영상 및 센서데이터를 기반으로 실시간으로 객체 인식 및 탐지와 추적하며, 상황인지의 인공지능 추론을 수행한다. 따라서 딥러닝 프레임워크(213)에는 딥러닝 기반의 학습 클라우드 플랫폼(100)에 저장된 딥러닝 네트워크(DNN) 중 로봇이 실제 사용되는데 최적화된 딥러닝 네트워크 모델 및 딥러닝 네트워크를 제공받아, 실시간으로 인공지능 추론이 구동된다.
100 : 학습 클라우드 플랫폼
110 : 데이터처리부
120 : 데이터저장부 130 : 자가학습부
140 : 데이터베이스 210 : 로봇용 인공지능 컴퓨터 플랫폼
211 : 하드웨어플랫폼 212 : 소프트웨어 프레임 워크
213 : 딥러닝 프레임워크
120 : 데이터저장부 130 : 자가학습부
140 : 데이터베이스 210 : 로봇용 인공지능 컴퓨터 플랫폼
211 : 하드웨어플랫폼 212 : 소프트웨어 프레임 워크
213 : 딥러닝 프레임워크
Claims (5)
- 딥러닝 기반의 학습 클라우드 플랫폼을 이용하는 로봇용 인공지능 컴퓨팅 플랫폼에 있어서, 상기 학습 클라우드 플랫폼은
외부로부터 데이터를 수집하여 로봇서비스에 필요한 학습데이터로 정제하는 데이터처리부;
상기 데이터처리부에 의해 정제된 학습용 데이터가 저장되는 데이터저장부;
상기 데이터베이스에 저장된 학습용 데이터와 외부로부터 제공받은 자가학습을 위한 데이터 및 도메인 온톨로지를 기반으로 자가학습하는 자가학습부; 및
상기 자가학습에 의해 생성된 딥러닝 네트워크가 카테고리별로 분류되어 저장되는 데이터베이스부;를 포함하되,
상기 로봇용 인공지능 컴퓨터 플랫폼은
이기종의 프로세스와 적어도 하나의 센서 인터페이스를 구비하고, 임베디드 중앙처리장치를 내장하며, 저전력으로 로봇의 모션, 위치, 구동제어를 위한 실시간 임베디드 마이크로컨트롤러 및 전용 인터페이스를 구비하는 하드웨어플랫폼를 포함하는 것을 특징으로 하는 딥러닝 기반의 학습 클라우드 플랫폼을 이용하는 로봇용 인공지능 컴퓨팅 플랫폼.
- 제1항에 있어서,
상기 로봇용 인공지능 컴퓨터 플랫폼은
실제환경에서 측정된 영상 및 센서데이터를 기반으로 실시간으로 객체 인식 및 탐지와 추적하며, 상황인지의 인공지능 추론을 수행하는 딥러닝 프레임워크; 및
상기 이기종의 프로세스와 실시간 병렬처리 및 상기 딥러닝 프레임워크를 지원하는 소프트웨어 프레임워크;를 더 포함하는 것을 특징으로 하는 딥러닝 기반의 학습 클라우드 플랫폼을 이용하는 로봇용 인공지능 컴퓨팅 플랫폼
- 제2항에 있어서,
상기 하드웨어플랫폼은 저전력으로 인공지능 처리가 가능하도록 그래픽처리장치와 하드웨어 연산가속기를 사용하기 위한 슬롯을 구비하고 있는 것을 특징으로 하는 딥러닝 기반의 학습 클라우드 플랫폼을 이용하는 로봇용 인공지능 컴퓨팅 플랫폼.
- 제3항에 있어서,
상기 로봇용 인공지능 컴퓨팅 플랫폼은 상기 데이터베이스에 저장된 딥러닝 네크워크 중 상기 로봇용 인공지능 컴퓨터 플랫폼은 상에서 필요로 하는 특정 딥러닝 네트워크를 제공받는 것을 특징으로 하는 딥러닝 기반의 학습 클라우드 플랫폼을 이용하는 로봇용 인공지능 컴퓨팅 플랫폼.
- 제2항에 있어서,
상기 데이터저장부는 상기 로봇용 인공지능 컴퓨터 플랫폼으로부터 상기 실제환경에서 측정된 영상 및 센서데이터를 수집하여 상기 학습용 데이터로 저장하는 것을 특징으로 하는 딥러닝 기반의 학습 클라우드 플랫폼을 이용하는 로봇용 인공지능 컴퓨팅 플랫폼.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190176904A KR20210084025A (ko) | 2019-12-27 | 2019-12-27 | 딥러닝 기반의 학습 클라우드 플랫폼을 이용하는 로봇용 인공지능 컴퓨팅 플랫폼 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190176904A KR20210084025A (ko) | 2019-12-27 | 2019-12-27 | 딥러닝 기반의 학습 클라우드 플랫폼을 이용하는 로봇용 인공지능 컴퓨팅 플랫폼 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20210084025A true KR20210084025A (ko) | 2021-07-07 |
Family
ID=76862589
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190176904A KR20210084025A (ko) | 2019-12-27 | 2019-12-27 | 딥러닝 기반의 학습 클라우드 플랫폼을 이용하는 로봇용 인공지능 컴퓨팅 플랫폼 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20210084025A (ko) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20230043362A (ko) | 2021-09-24 | 2023-03-31 | 주식회사 에스티 | 클라우드 기반 인공지능 학습 물류 관리 시스템 및 방법 |
| KR102569181B1 (ko) | 2022-11-21 | 2023-08-22 | 이재형 | 로봇 운용 체제(ros) 기반 로봇 통합 관리 시스템 |
| KR102638951B1 (ko) | 2023-08-09 | 2024-02-21 | (주)모빌리티원 | 이기종 드론/로봇 통합 원격제어 시스템 및 방법 |
| KR20240076445A (ko) | 2022-11-21 | 2024-05-30 | 이재형 | 로봇 운용 체제(ros) 기반 로봇 통합 관리 시스템 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101787613B1 (ko) | 2017-01-20 | 2017-11-15 | 주식회사 더디엔에이시스템 | 딥 러닝 기반의 자가 적응 학습 기술을 이용한 인공지능 플랫폼 시스템 |
-
2019
- 2019-12-27 KR KR1020190176904A patent/KR20210084025A/ko not_active Application Discontinuation
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101787613B1 (ko) | 2017-01-20 | 2017-11-15 | 주식회사 더디엔에이시스템 | 딥 러닝 기반의 자가 적응 학습 기술을 이용한 인공지능 플랫폼 시스템 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20230043362A (ko) | 2021-09-24 | 2023-03-31 | 주식회사 에스티 | 클라우드 기반 인공지능 학습 물류 관리 시스템 및 방법 |
| KR102569181B1 (ko) | 2022-11-21 | 2023-08-22 | 이재형 | 로봇 운용 체제(ros) 기반 로봇 통합 관리 시스템 |
| KR20240076445A (ko) | 2022-11-21 | 2024-05-30 | 이재형 | 로봇 운용 체제(ros) 기반 로봇 통합 관리 시스템 |
| KR102638951B1 (ko) | 2023-08-09 | 2024-02-21 | (주)모빌리티원 | 이기종 드론/로봇 통합 원격제어 시스템 및 방법 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR20210084025A (ko) | 딥러닝 기반의 학습 클라우드 플랫폼을 이용하는 로봇용 인공지능 컴퓨팅 플랫폼 | |
| US11584020B2 (en) | Human augmented cloud-based robotics intelligence framework and associated methods | |
| US11331800B2 (en) | Adaptive predictor apparatus and methods | |
| Zheng et al. | Imitation learning: Progress, taxonomies and challenges | |
| US11341364B2 (en) | Using simulation and domain adaptation for robotic control | |
| Jan et al. | Artificial intelligence for industry 4.0: Systematic review of applications, challenges, and opportunities | |
| Borboni et al. | The expanding role of artificial intelligence in collaborative robots for industrial applications: A systematic review of recent works | |
| US11992944B2 (en) | Data-efficient hierarchical reinforcement learning | |
| KR102283416B1 (ko) | Gan 기반 딥러닝 모델을 이용한 이미지 생성 방법 및 장치 | |
| US20230182296A1 (en) | Training and/or utilizing machine learning model(s) for use in natural language based robotic control | |
| US11568246B2 (en) | Synthetic training examples from advice for training autonomous agents | |
| Wang et al. | Interpretable decision-making for autonomous vehicles at highway on-ramps with latent space reinforcement learning | |
| Papadopoulos et al. | Towards open and expandable cognitive AI architectures for large-scale multi-agent human-robot collaborative learning | |
| Andreu-Perez et al. | Artificial Intelligence and robotics | |
| KR20200087298A (ko) | 딥러닝 기반의 학습 클라우드 플랫폼을 이용하는 로봇용 인공지능 컴퓨팅 플랫폼 시스템 | |
| Sheldon et al. | PSchema: A developmental schema learning framework for embodied agents | |
| CN115115058A (zh) | 模型训练方法、装置、设备及介质 | |
| US20200334530A1 (en) | Differentiable neuromodulated plasticity for reinforcement learning and supervised learning tasks | |
| Cruz-Maya | Target reaching behaviour for unfreezing the robot in a semi-static and crowded environment | |
| Ma et al. | Reinforcement learning with model-based feedforward inputs for robotic table tennis | |
| Zhong et al. | Encoding longer-term contextual multi-modal information in a predictive coding model | |
| Chen et al. | Edge-Cloud Collaborative Motion Planning for Autonomous Driving with Large Language Models | |
| Brill et al. | The effective field of view paradigm: Adding representation to a reactive system | |
| KORCHI et al. | Machine Learning and Deep Learning Revolutionize Artificial Intelligence | |
| Burfoot et al. | Toward a theory of embodied statistical learning |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E601 | Decision to refuse application |