Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Identification of the Conjugate Pair to Estimating Object Distance: An Application of the Ant Colony Algorithm Kapitel lesen Erstes Kapitel lesen

2018 | OriginalPaper | Buchkapitel

Applying Adaptive Actor-Critic Learning to Human Upper Lime Lifting Motion

verfasst von : Ting Wang, Ryad Chellali

Erschienen in: Artificial Intelligence and Robotics

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

An adaptive reinforcement learning method designed to facilitate the on-line lifting motion of the human forearm is here proposed. Its purpose is to use the control based on the proposed learning method to perform the lifting motion. The learning algorithm is an actor-critic learning based on the neural network that used the normalized radial basis function. The paper shows a simulation of the motion of the forearm lifting process. As shown in the results, the forearm continues to lift from a horizontal position to a vertical position. During this process, both the state space and action space are continuous.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Scene Relighting Using a Single Reference Image Through Material Constrained Layer Decomposition
Nächstes Kapitel A Demand-Based Allocation Mechanism for Virtual Machine
Literatur
1.
Schaal, S., Atkeson, C.: Learning control in robotics. IEEE Robot. Autom. Mag. 17(2), 20–29 (2010)CrossRef
2.
Schaal, S.: Is imitation learning the route to humanoid robots? Trends Cogn. Sci. 3(6), 233–242 (1999)CrossRef
3.
Argall, B.D., Chernova, S., Veloso, M.: A survey of robot learning from demonstration. Robot. Auton. Syst. 57(5), 469–483 (2009)CrossRef
4.
Billard, B.D., Calinon, S.: Robotic programming by demonstration. Springer Handbook of Robotics, pp. 1371–1394. Springer, Berlin (2008)
5.
Mulling, K., Kober, J., Kroemer, O.: Learning to select and generalize striking movements in robot table tennis. Int. J. Robot. Res. 32(3), 263–279 (2013)CrossRef
6.
Pastor, P., Kalakrishnan, M., Chitta, S.: Skill learning and task outcome prediction for manipulation. In: IEEE International Conference on Robotics and Automation, pp. 3828–3824. IEEE, Shanghai (2011)
7.
Kormushev, P., Calinon, S., Caldwell, D.G.: Robot motor skill coordination with EM-based reinforcement learning. In: IEEE/RSJ International Conference on Intelligent Robots and Systems, pp. 3232–3237. IEEE, Taipei (2010)
8.
Kober, J., Peters, J.: Imitation and reinforcement learning. Robot. Autom. Mag. 17(2), 55–62 (2010)CrossRefMATH
9.
Kormushev, P., Calinon, S., Caldwell, D.G.: Imitation learning of positional and force skills demonstrated via kinesthetic teaching and haptic input. Adv. Robot. 25(5), 581–603 (2011)CrossRef
10.
Abbeel, P., Coates A.: Autonomous helicopter aerobatics through apprentices ship learning. Int. J. Robot. Res. 1–31 (2010)
11.
Lee, K., Su, Y., Kim, T.K.: A syntactic approach to robot imitation learning using probabilistic activity grammars. Robot. Autom. Syst. 61(12), 1323–1334 (2013)CrossRef
12.
Blana, D., Kirsch, R.F., Chadwick, E.K.: Combined feed forward and feedback control of a redundant, nonlinear, dynamic musculoskeletal system. Med. Biol. Eng. Comput. 47, 533–542 (2009)CrossRef
13.
Jagodnik, K., van den Bogert, A.: A proportional derivative FES controller for planar arm movement. In: 12th Annual Conference International FES Society, Philadelphia, PA (2007)
14.
Thomas, P., Branicky, M., van den Bogert, A., Jagodnik, K.: Application of the actor-critic architecture to functional electrical stimulation control of a human arm. In: Proceeding Innovations Applied Artificial Intelligence Conference, pp. 165–172 (2009)
15.
Philip, S.T., Andrew, G.B.: Motor primitive discovery. In: Proceedings of the IEEE Conference on Development and Learning and Epigenetic Robotics (2012)
16.
Lu, H., Li, Y., Uemura, T., Ge, Z., Xu, X.: FDCNet: Filtering deep convolution network for marine organism classification. In: Multimedia Tools and Applications, pp. 1–14 (2017)
17.
He, L., Xing, X., Humin, L., Yang, Y., Fumin, S., Yuxuan, Z., Xing, X., Tao, H.: Unsupervised cross-model retrieval through adversarial learning. In: Proceeding of 2017 IEEE International Conference on Multimedia and Expo (2017)
18.
Xu, X., He, L., Shimada, A., Taniguchi, R.I., Lu, H.: Learning unified binary codes for cross-modal retrieval via latent semantic hashing. In: Neurocomputing, 213, 191–203 (2016)
19.
Humin, L., Yujie, L., Min, Chen., Hyoungseop, Kim., Serikawa, S.: Brain intelligence: go beyond artificial intelligence. In: Mobile Networks Application, pp. 1–10 (2017)
20.
Serikawa, S., Lu, H.: Underwater image dehazing using joint trilateral filter. Comput. Electr. Eng. 40(1), 41–50 (2014)CrossRef
21.
McLean, S.G., Su, A., van den Bogert, A.J.: Development and validation of a 3-D model to predict knee joint loading during dynamic movement. J. Biomech. Eng. 125(6), 864–874 (2003)CrossRef
Metadaten
Titel
Applying Adaptive Actor-Critic Learning to Human Upper Lime Lifting Motion
verfasst von
Ting Wang
Ryad Chellali
Copyright-Jahr
2018
Buch
Artificial Intelligence and Robotics

Print ISBN: 978-3-319-69876-2

Electronic ISBN: 978-3-319-69877-9

Copyright-Jahr: 2018

DOI
https://doi.org/10.1007/978-3-319-69877-9_6