Organizace U  S Kód
hodnocení
Skupina
oborů
Body
výsledku
Body
upravené
Podíl VOBody VOBody VO
upravené
H14
Masarykova univerzita / Fakulta informatiky1213 D 452.18840.4800.526.09420.240
Výsledky hodnocení dříve prezentovala speciální podoba stránek výskytů výsledků doplněná informacemi o hodnocení daného výskytu a výsledku. To zde supluji doplněním kopií stránek z rvvi.cz/riv z 18.12.2017 o relevantní údaje z dat H16. Najetí myší na kód či skupinu zobrazí vysvětlující text (u některých vyřazených není k dispozici). Čísla jsou oproti zdroji zaokrouhlena na 3 desetinná místa.

LTL Robot Motion Control based on Automata Learning of Environmental Dynamics (2012)výskyt výsledku

Identifikační kódRIV/00216224:14330/12:00057680
Název v anglickém jazyceLTL Robot Motion Control based on Automata Learning of Environmental Dynamics
DruhD - Článek ve sborníku
Jazykeng - angličtina
Obor - skupinaI - Informatika
OborIN - Informatika
Rok uplatnění2012
Kód důvěrnosti údajůS - Úplné a pravdivé údaje o výsledku nepodléhající ochraně podle zvláštních právních předpisů.
Počet výskytů výsledku2
Počet tvůrců celkem3
Počet domácích tvůrců1
Výčet všech uvedených jednotlivých tvůrcůYushan Chen (státní příslušnost: CN - Čínská lidová republika)
Jana Tůmová (státní příslušnost: CZ - Česká republika, domácí tvůrce: A, vedidk: 4293738)
Calin Belta (státní příslušnost: US - Spojené státy americké)
Popis výsledku v anglickém jazyceWe develop a technique to automatically generate a control policy for a robot moving in an environment that includes elements with partially unknown, changing behavior. The robot is required to achieve an optimal surveillance mission, in which a certainrequest needs to be serviced repeatedly, while the expected time in between consecutive services is minimized. We define a fragment of Linear Temporal Logic (LTL) to describe such a mission and formulate the problem as a temporal logic game. Our approachis based on two main ideas. First, we extend results in automata learning to detect patterns of the partially unknown behavior of the elements in the environment. Second, we employ an automata-theoretic method to generate the control policy. We show that the obtained control policy converges to an optimal one when the unknown behavior patterns are fully learned. We implemented the proposed computational framework in MATLAB. Illustrative case studies are included.
Klíčová slova oddělená středníkemformal methods; robotics; linear temporal logic; Markov chain learning; control strategy synthesis; path planning
Stránka www, na které se nachází výsledek-
DOI výsledku10.1109/ICRA.2012.6225075

Údaje o výsledku v závislosti na druhu výsledku

Název sborníku2012 IEEE INTERNATIONAL CONFERENCE ON ROBOTICS AND AUTOMATION (ICRA)
ISBN9781467314053
ISSN1050-4729
Počet stran výsledku6
Strana od-do5177-5182
Název nakladateleIEEE
Místo vydáníNEW YORK
Místo konání akceSt Paul, MN
Datum konání akce14.05.2012
Typ akce podle státní příslušnosti účastníkůWRD - Celosvětová
Kód UT WoS článku podle Web of Science000309406705032

Ostatní informace o výsledku

PředkladatelMasarykova univerzita / Fakulta informatiky
DodavatelGA0 - Grantová agentura České republiky (GA ČR)
Rok sběru2013
SpecifikaceRIV/00216224:14330/12:00057680!RIV13-GA0-14330___
Datum poslední aktualizace výsledku04.09.2013
Kontrolní číslo43536740

Informace o dalších výskytech výsledku dodaného stejným předkladatelem

Dodáno MŠMT v roce 2013RIV/00216224:14330/12:00057680 v dodávce dat RIV13-MSM-14330___/02:2

Odkazy na výzkumné aktivity, při jejichž řešení výsledek vznikl

Projekt podporovaný GA ČR v programu GDGD102/09/H042 - Matematické a inženýrské metody pro vývoj spolehlivých a bezpečných paralelních a distribuovaných počítačových systémů (2009 - 2012)
Projekt podporovaný MŠMT v programu LHLH11065 - Řízení a ověřování vlastností komplexních hybridních systémů (2011 - 2014)