Department of Mechanical Engineering Carnegie Mellon University Pittsburgh PA 15213 USA;
Robotics Institute Carnegie Mellon University Pittsburgh PA 15213 USA;
Task analysis; End effectors; Robustness; Data models; Planning; Clustering algorithms;
机译:早期,中间和后期融合策略,适用于强大的基于深度学习的多式联动作识别
机译:具有辅助噪声功率调度策略和规范约束操纵的鲁棒在线次级路径建模方法
机译:具有辅助噪声功率调度策略和规范约束操纵的鲁棒在线次级路径建模方法
机译:使用多式联运转换模型和恢复启发式学习强大的操纵策略
机译:学生启发法和成功实施的学习自我调节策略:混合方法方法。
机译:启发式优化的新颖应用使得能够为机器学习应用程序创建和全面评估鲁棒的支持向量机集合
机译:增强恢复强度的建模策略和形状记忆共聚物中可定制的形状过渡行为