La tecnología de navegación permite a los robots interiores llegar a sus destinos de forma segura. Generalmente, las variedades del entorno interior contribuyen a la dificultad de la navegación robótica y perjudican su rendimiento. Este artículo propone un algoritmo de navegación por transferencia y mejora su generalización mediante el uso del aprendizaje profundo por refuerzo y un módulo de autoatención. Para simular el entorno interior sin amueblar, construimos el entorno de navegación interior virtual (VIN) para comparar nuestro modelo y sus competidores. En el entorno VIN, nuestro método supera a otros algoritmos al adaptarse a un entorno interior no visto. El código del modelo propuesto y del entorno de navegación interior virtual serán publicados.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Síntesis de un hidrogel de alginato-GMA termopolimerizable para la encapsulación celular
Artículo:
Redes de nanofibras de carbono porosas y libres, obtenidas por electrospinning de poliimida, para supercondensadores
Artículo:
Efectos de las condiciones experimentales en el rendimiento de extracción de sustancias poliméricas extracelulares mediante resina de intercambio catiónico.
Artículo:
Sensibilidad mejorada del biosensor de resonancia de plasmón superficial funcionalizado con compuestos de polianilina dopada para la detección de vapor de acetona de baja concentración
Artículo:
Modelo de descomposición dispersa y de bajo rango para acelerar la reconstrucción dinámica de imágenes por resonancia magnética
Artículo:
Creación de empresas y estrategia : reflexiones desde el enfoque de recursos
Libro:
Ergonomía en los sistemas de trabajo
Artículo:
La gestión de las relaciones con los clientes como característica de la alta rentabilidad empresarial
Artículo:
Los web services como herramienta generadora de valor en las organizaciones