Segmentação automática de demonstrações através da modelagem de séries temporais por processos beta
Este trabalho aborda a questão da segmentação automática de demonstrações de tarefas de manipulação dentro do contexto de Learning from Demonstration. Este é um conjunto de técnicas para programação de robôs e aprendizagem de políticas, baseado na observação de demonstrações de tarefas forneci...
| Autor principal: | Rodrigues, Gabriel Goes |
|---|---|
| Outros Autores: | http://lattes.cnpq.br/4741405070315906 |
| Grau: | Dissertação |
| Idioma: | por |
| Publicado em: |
Universidade Federal do Amazonas
2024
|
| Assuntos: | |
| Acesso em linha: |
https://tede.ufam.edu.br/handle/tede/9983 |
| id |
oai:https:--tede.ufam.edu.br-handle-:tede-9983 |
|---|---|
| recordtype |
dspace |
| spelling |
oai:https:--tede.ufam.edu.br-handle-:tede-99832024-02-06T05:03:48Z Segmentação automática de demonstrações através da modelagem de séries temporais por processos beta Automatic segmentation of demonstrations through time series modeling by beta processes Rodrigues, Gabriel Goes Carvalho, José Reginaldo Hughes http://lattes.cnpq.br/4741405070315906 http://lattes.cnpq.br/3161958119304780 Oliveira, Felipe Gomes de http://lattes.cnpq.br/7676479757420304 Silva, Edson de Araújo http://lattes.cnpq.br/4611046818672891 Robôs - Programação Programação (Computadores) CIENCIAS EXATAS E DA TERRA: PROBABILIDADE E ESTATISTICA: PROBABILIDADE: PROCESSOS MARKOVIANOS CIENCIAS EXATAS E DA TERRA: PROBABILIDADE E ESTATISTICA: PROBABILIDADE: TEORIA GERAL E PROCESSOS ESTOCASTICOS CIENCIAS EXATAS E DA TERRA: CIENCIA DA COMPUTACAO: TEORIA DA COMPUTACAO: ANALISE DE ALGORITMOS E COMPLEXIDADE DE COMPUTACAO CIENCIAS EXATAS E DA TERRA: CIENCIA DA COMPUTACAO: METODOLOGIA E TECNICAS DA COMPUTACAO: ENGENHARIA DE SOFTWARE Reconhecimento de atividades Aprendizagem de robôs Aprendizagem por demonstração Reconhecimento de atividades Segmentação de ações Este trabalho aborda a questão da segmentação automática de demonstrações de tarefas de manipulação dentro do contexto de Learning from Demonstration. Este é um conjunto de técnicas para programação de robôs e aprendizagem de políticas, baseado na observação de demonstrações de tarefas fornecidas por um professor humano ou robô. Para que um programador de robôs aplique o Learning from Demonstration, ele deve dividir as demonstrações em atividades ou ações antes de utilizá-las para o ensino real do robô, após esta segmentação os dados organizados são alimentados em algoritmos de aprendizagem, que são o ponto principal do LfD. Neste trabalho, foca-se na parte de segmentação do problema e propõe-se uma ferramenta de segmentação de tarefas de manipulação baseada em vídeo. A abordagem baseada em dados aqui proposta não requer nenhum conhecimento prévio de programação de robôs ou segmentação manual por parte do professor humano. Usam-se ferramentas de aprendizado de máquina prontas para uso para anotação automática de imagens e modelos de Markov ocultos autorregressivos de processo beta que aproveitam uma representação infinita baseada em recursos para criar uma ferramenta contínua e fácil de usar que atinge a segmentação semântica relevante de uma forma completamente não supervisionada. Como resultado, este método atinge uma acurácia de alinhamento temporal máxima de 96% e acurácia de classificação máxima de 86,8%, sem conhecimento prévio das ações sendo segmentadas, deixando claro que esta técnica pode ser usada para segmentar tarefas de manipulação sem a necessidade de qualquer trabalho manual além da demonstração em si. This work addresses the issue of automatic segmentation of manipulation task demonstrations in the context of Learning from Demonstration. Learning from Demonstration is a set of techniques for robot programming and policy learning, based on observation of task demonstrations provided by a human or robot teacher. For a robot programmer to apply Learning from Demonstration, he must divide the demonstrations into activities or actions before using them for actual teaching of the robot. After this segmentation, the organized data is fed into learning algorithms, which are the main point of the LfD. In this work, we focus on the segmentation part of the problem and propose a video-based manipulation task segmentation tool. The proposed data-driven approach does not require any prior knowledge of robot programming or manual segmentation on the part of the human teacher. It uses out-of the-box machine learning tools for automatic image annotation and beta-process autoregressive hidden Markov models that leverage an infinite feature-based representation to create a seamless, easy-to-use tool that achieves relevant semantic segmentation of a completely unsupervised manner. As a result, this method reaches a maximum temporal alignment accuracy of 96% and maximum classification accuracy of 86.8%, without prior knowledge of the actions being segmented, making it clear that this technique can be used to segment manipulation tasks without the need for any manual work beyond of the demonstration itself. 2024-02-05T23:14:02Z 2023-11-14 Dissertação RODRIGUES, Gabriel Góes. Segmentação automática de demonstrações através da modelagem de séries temporais por processos beta. 2023. 91 f. Dissertação (Mestrado em Informática) - Universidade Federal do Amazonas, Manaus (AM), 2023. https://tede.ufam.edu.br/handle/tede/9983 por Acesso Aberto https://creativecommons.org/licenses/by-nc-nd/4.0/ application/pdf Universidade Federal do Amazonas Instituto de Computação Brasil UFAM Programa de Pós-graduação em Informática |
| institution |
TEDE - Universidade Federal do Amazonas |
| collection |
TEDE-UFAM |
| language |
por |
| topic |
Robôs - Programação Programação (Computadores) CIENCIAS EXATAS E DA TERRA: PROBABILIDADE E ESTATISTICA: PROBABILIDADE: PROCESSOS MARKOVIANOS CIENCIAS EXATAS E DA TERRA: PROBABILIDADE E ESTATISTICA: PROBABILIDADE: TEORIA GERAL E PROCESSOS ESTOCASTICOS CIENCIAS EXATAS E DA TERRA: CIENCIA DA COMPUTACAO: TEORIA DA COMPUTACAO: ANALISE DE ALGORITMOS E COMPLEXIDADE DE COMPUTACAO CIENCIAS EXATAS E DA TERRA: CIENCIA DA COMPUTACAO: METODOLOGIA E TECNICAS DA COMPUTACAO: ENGENHARIA DE SOFTWARE Reconhecimento de atividades Aprendizagem de robôs Aprendizagem por demonstração Reconhecimento de atividades Segmentação de ações |
| spellingShingle |
Robôs - Programação Programação (Computadores) CIENCIAS EXATAS E DA TERRA: PROBABILIDADE E ESTATISTICA: PROBABILIDADE: PROCESSOS MARKOVIANOS CIENCIAS EXATAS E DA TERRA: PROBABILIDADE E ESTATISTICA: PROBABILIDADE: TEORIA GERAL E PROCESSOS ESTOCASTICOS CIENCIAS EXATAS E DA TERRA: CIENCIA DA COMPUTACAO: TEORIA DA COMPUTACAO: ANALISE DE ALGORITMOS E COMPLEXIDADE DE COMPUTACAO CIENCIAS EXATAS E DA TERRA: CIENCIA DA COMPUTACAO: METODOLOGIA E TECNICAS DA COMPUTACAO: ENGENHARIA DE SOFTWARE Reconhecimento de atividades Aprendizagem de robôs Aprendizagem por demonstração Reconhecimento de atividades Segmentação de ações Rodrigues, Gabriel Goes Segmentação automática de demonstrações através da modelagem de séries temporais por processos beta |
| topic_facet |
Robôs - Programação Programação (Computadores) CIENCIAS EXATAS E DA TERRA: PROBABILIDADE E ESTATISTICA: PROBABILIDADE: PROCESSOS MARKOVIANOS CIENCIAS EXATAS E DA TERRA: PROBABILIDADE E ESTATISTICA: PROBABILIDADE: TEORIA GERAL E PROCESSOS ESTOCASTICOS CIENCIAS EXATAS E DA TERRA: CIENCIA DA COMPUTACAO: TEORIA DA COMPUTACAO: ANALISE DE ALGORITMOS E COMPLEXIDADE DE COMPUTACAO CIENCIAS EXATAS E DA TERRA: CIENCIA DA COMPUTACAO: METODOLOGIA E TECNICAS DA COMPUTACAO: ENGENHARIA DE SOFTWARE Reconhecimento de atividades Aprendizagem de robôs Aprendizagem por demonstração Reconhecimento de atividades Segmentação de ações |
| description |
Este trabalho aborda a questão da segmentação automática de demonstrações de tarefas de
manipulação dentro do contexto de Learning from Demonstration. Este é um conjunto de
técnicas para programação de robôs e aprendizagem de políticas, baseado na observação de
demonstrações de tarefas fornecidas por um professor humano ou robô. Para que um
programador de robôs aplique o Learning from Demonstration, ele deve dividir as
demonstrações em atividades ou ações antes de utilizá-las para o ensino real do robô, após esta
segmentação os dados organizados são alimentados em algoritmos de aprendizagem, que são o
ponto principal do LfD. Neste trabalho, foca-se na parte de segmentação do problema e propõe-se uma ferramenta de segmentação de tarefas de manipulação baseada em vídeo. A abordagem
baseada em dados aqui proposta não requer nenhum conhecimento prévio de programação de
robôs ou segmentação manual por parte do professor humano. Usam-se ferramentas de
aprendizado de máquina prontas para uso para anotação automática de imagens e modelos de
Markov ocultos autorregressivos de processo beta que aproveitam uma representação infinita
baseada em recursos para criar uma ferramenta contínua e fácil de usar que atinge a
segmentação semântica relevante de uma forma completamente não supervisionada. Como
resultado, este método atinge uma acurácia de alinhamento temporal máxima de 96% e acurácia
de classificação máxima de 86,8%, sem conhecimento prévio das ações sendo segmentadas,
deixando claro que esta técnica pode ser usada para segmentar tarefas de manipulação sem a
necessidade de qualquer trabalho manual além da demonstração em si. |
| author_additional |
Carvalho, José Reginaldo Hughes |
| author_additionalStr |
Carvalho, José Reginaldo Hughes |
| format |
Dissertação |
| author |
Rodrigues, Gabriel Goes |
| author2 |
http://lattes.cnpq.br/4741405070315906 |
| author2Str |
http://lattes.cnpq.br/4741405070315906 |
| title |
Segmentação automática de demonstrações através da modelagem de séries temporais por processos beta |
| title_short |
Segmentação automática de demonstrações através da modelagem de séries temporais por processos beta |
| title_full |
Segmentação automática de demonstrações através da modelagem de séries temporais por processos beta |
| title_fullStr |
Segmentação automática de demonstrações através da modelagem de séries temporais por processos beta |
| title_full_unstemmed |
Segmentação automática de demonstrações através da modelagem de séries temporais por processos beta |
| title_sort |
segmentação automática de demonstrações através da modelagem de séries temporais por processos beta |
| publisher |
Universidade Federal do Amazonas |
| publishDate |
2024 |
| url |
https://tede.ufam.edu.br/handle/tede/9983 |
| _version_ |
1831970291017842688 |
| score |
11.753896 |