年轻，卡罗尔；张富民 选择对人体运动一致反应的学习算法。 （英语） Zbl 1497.68478号 Wang，Yue（编辑）等人，《人机协作系统的控制和决策趋势》。查姆：斯普林格。111-130 (2017). 小结：机器人需要在适应性和一致性之间取得平衡，以选择控制律，对人类运动产生反应。机器人通常使用学习算法来预测人类的行为，然后选择相应的反应。两类流行的学习算法，即加权多数算法和在线Winnow算法，要么适应性强，要么一致性强。本章提出的对偶专家算法（DEA）能够在自适应性和一致性之间实现折衷。我们对DEA的性能进行了严格的理论分析。仿真结果和实验数据都证实了DEA使机器人能够学习在走廊环境中超过人类的首选反应。该结果可以推广到其他类型的人机协作任务。关于整个系列，请参见[Zbl 1366.93003号]. MSC公司： 68T40型 机器人人工智能 68T05型 人工智能中的学习和自适应系统 关键词：学习；对人体运动的反应；适应性；一致性 软件：阿达·布斯特。MH公司 PDF格式BibTeX公司 XML格式引用 \textit{C.Young}和\textit{F.Zhang}，in：人机协作系统的控制和决策趋势。查姆：斯普林格。111-130（2017；Zbl 1497.68478） 全文： 内政部 参考文献： [1] Huttenrauch H、Green A、Norman M、Oestreicher L、Eklundh KS（2004）《让用户参与移动办公机器人的设计》。IEEE Trans-Syst Man Cybern第C部分：应用版本34（2）：113-124 [2] Mutlu B，Forlizzi J（2008）《组织中的机器人：工作流、社会和环境因素在人机交互中的作用》。参加：第三届ACM/IEEE人机交互国际会议（HRI）。IEEE，第287-294页 [3] Breazeal C（2004）《hri中的社交互动：机器人视图》。IEEE Trans-Syst Man-Cybern第C部分：应用版本34（2）：181-186 [4] Dautenhahn K、Woods S、Kaouri C、Walters ML、Koay KL、Werry I（2005）什么是机器人伴侣-朋友、助理或管家？参加：IEEE/RSJ智能机器人和系统国际会议。IEEE，第1192-1197页 [5] Kuncheva L（2004）变化环境的分类器集成。In:Roli F，Kittler J，Windeatt T（eds）多分类器系统，ser。计算机科学课堂讲稿，第3077卷。施普林格·柏林，海德堡，第1-15页 [6] Polikar R（2012）合奏学习。收录：张C、马Y（主编）合奏机器学习。美国施普林格，第1-34页 [7] Littlestone N，Warmuth MK（1989）加权多数算法。（1989）第30届计算机科学基础年会，第1989卷。IEEE，第256-261页·Zbl 0804.68121号 [8] Littlestone N（1988）当不相关的属性大量存在时快速学习：一种新的线性阈值算法。马赫数学习2（4）：285-318 [9] Blum A（1997）winnow和加权多数算法的经验支持：日历调度域的结果。马赫数学习26（1）：5-23 [10] Freund Y，Schapire RE（1997）在线学习的决策理论推广及其在助推中的应用。计算机系统科学杂志55（1）：119-139·Zbl 0880.68103号 [11] Freund Y（2001）多数助推算法的自适应版本。马赫学习43（3）：293-318·Zbl 0988.68150号 [12] Tsymbal A（2004）《概念漂移问题：定义和相关工作》，都柏林三一学院计算机科学系106: [13] Kolter JZ，Maloof MA（2007）《动态加权多数：漂移概念的集合方法》。J Mach学习研究8:2755-2790·Zbl 1222.68237号 [14] Crammer K、Mansour Y、Even-Dar E、Vaughan JW（2010）《概念漂移的后悔最小化》。包含：COLT，第168-180页 [15] Ross GJ、Adams NM、Tasoulis DK、Hand DJ（2012）检测概念漂移的指数加权移动平均图。图案识别快件33（2）：191-198 [16] Pacchierotti E、Christensen HI、Jensfelt P（2006）《社交互动研究中的办公室引导机器人设计》。参加：IEEE/RSJ智能机器人和系统国际会议。IEEE，第4965-4970页 [17] Pacchierotti E、Christensen HI、Jensfelt P（2006）《社交机器人超车距离评估》。摘自：第15届IEEE机器人与人类交互通信国际研讨会。IEEE，第315-320页 [18] Lauckner M、Kobiela F、Manzey D（2014）嘿，机器人，请后退-探索走廊场景中人机空间交互的舒适度空间阈值。摘自：第23届IEEE机器人与人机交互通信国际研讨会。IEEE，第780-787页 [19] Severinson-Eklundh K，Green A，Hüttenrauch H（2003）与服务机器人交互的社会和协作方面。机器人自动系统42（3）：223-234·Zbl 1011.68803号 [20] Chung S-Y，Huang H-P（2010）了解行人空间行为的移动机器人。参见：IEEE/RSJ智能机器人和系统国际会议（IROS），第5861-5866页 [21] Chung S-Y，Huang H-P（2010）《通过理解人体运动模式预测导航》。国际J高级机器人系统8（1），52-64 [22] Sisbot EA、Marin-Urias LF、Alami R、Simeon T（2007）《一个具有人类感知能力的移动机器人运动规划器》。IEEE Trans机器人23（5）：874-883 [23] Young C，Zhang F（2016）一种选择人类运动一致反应的学习算法。摘自：2016年美国控制会议记录，第6152-6157页 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。