Инженер

Интеллектуальные системы дистанционного управления роботами: теория и практика


Скачать книгу

контексте дистанционного управления роботами ИИ может быть использован для создания систем, способных автономно принимать решения и выполнять задачи без прямого вмешательства человека. Например, робот оснащен системой ИИ, которая позволяет ему распознавать избегать препятствий, или по сбору обработке данных.

      Машинное обучение: основы и принципы

      Машинное обучение – это подмножество ИИ, которое занимается созданием алгоритмов и моделей, позволяющих машинам учиться на данных улучшать свою производительность с течением времени. МО основан использовании статистических методов алгоритмов, которые позволяют выявлять закономерности зависимости в данных.

      В контексте дистанционного управления роботами МО может быть использован для создания систем, способных учиться на данных и адаптироваться к новым ситуациям. Например, робот оснащен системой МО, которая позволяет ему о окружающей среде улучшать свою навигацию локализацию.

      Конец ознакомительного фрагмента.

      Текст предоставлен ООО «Литрес».

      Прочитайте эту книгу целиком, купив полную легальную версию на Литрес.

      Безопасно оплатить книгу можно банковской картой Visa, MasterCard, Maestro, со счета мобильного телефона, с платежного терминала, в салоне МТС или Связной, через PayPal, WebMoney, Яндекс.Деньги, QIWI Кошелек, бонусными картами или другим удобным Вам способом.

/9j/4AAQSkZJRgABAQEASABIAAD/2wBDAAgGBgcGBQgHBwcJCQgKDBQNDAsLDBkSEw8UHRofHh0aHBwgJC4nICIsIxwcKDcpLDAxNDQ0Hyc5PTgyPC4zNDL/2wBDAQkJCQwLDBgNDRgyIRwhMjIyMjIyMjIyMjIyMjIyMjIyMjIyMjIyMjIyMjIyMjIyMjIyMjIyMjIyMjIyMjIyMjL/wgARCAhhBdwDASIAAhEBAxEB/8QAGwAAAgMBAQEAAAAAAAAAAAAAAgMAAQQFBgf/xAAZAQEBAQEBAQAAAAAAAAAAAAAAAQIDBAX/2gAMAwEAAhADEAAAAdZJLlpxoIbaYOtEh9IqXRM9RorPUPBYreU803nw68c7Y7ur1MhPPSUVTdFVjteTVjGvRle82kk3ebYobHREh1KkMgTIpUJJZUuLUKxcZLF2dUAsCgEg1lfb4Ha9HPpAa/TyeQEMoZJAuipIVLolSEkhKuiSQkqEqQlSiSpSPK+ySeV9TwexGyVRJY1YWMkupbYxEnlcaBx336z6/Hvwuf1OP24H6DhdWZy83Ti1Fy5FXTNBm0DHDCKuS3S7Lpzn0Wzm6s6zAI+fqcC+XQ4N5rNmPX0xs1ZNXq4aTWfTJSqS6qiVKSzWWjTWYZAVXVxKE6FiyqULQAoqgJKlkqZFKgVjYQyiyEqu5NKl0kklVchVFQpL0whLkqlTVxrvKXg9eq80jRM9S6azyH0mh9KKCgyQhIaUl6LrPm1ZtdMwNVrqZgeesl1Ny6tGac2ly0vTo35DKznNcZWouzlBGXC7ZYuMgEZBdmVLthXK46aiA1BZmDSqs6tCtMvU5m7c7i7HWXEFocGF1ULqSpKhKlFyoXKqLlUFVQkqLdWMS6krDXVq7OIsWLklWOl1VWXUgPP3cePJtTq5dn2S8dU6s3R3zw7+T0E5ymI1mXCsvo8/vDeToxl4+jiES5F7MO2uw/Js5ax0VcekMS5dCurlZry7OmNOrNr9PBxiXTNyRBo6AoxsEoVEYkEYHZckJV0VLlALBhINWAs1rcCZHa7zWWsqODAyErCkvSpdWSSFS4VV0LS5IhL0SpWxcCVs+f6xIiF2y4XG3Yq23SrcVyi3SxIaF1mz6czWfNpy3slZBO5mJc+t1Km7sSZZpza+vDRoTo9Hhcym64qjbsTbblXbZC7OShDkDChV3ZLhVLuwFtXYpTk0hLkambXj1W96xKDsZBQYFBuySoXUqpUqLlQupS3KpboYFKqbOoTQw5ipjQoKuWQZW+dypMVUhBgVPO+h8tLxt+Lby7Eo1Zs38/ob58rtcXszpyM789zZCWsX1OY82jWkTg73BM13IHVl1V0+tyu7y1zV7M/Hoq5fLpLq5W7sO7pjVrza/TwadH0xVlAaMQRNdkgVT7SdNNRocqy6kJdXVUVQpT1GdOhCrgjky1XmtJJU21HTWJdYV1dSrllS4VJCCQi0uRCkOSqVsXGg3Fx6JNpCSaSJt1irbdiibdJjqEJ051y5tOeax49mPHoziVc/QZgfPtVEM3LomWbMe3v59enPq9nz3sBl5VLrMkGSnQ1mnArNZFyGWuwyArTsbg5JQgYWLS1NJz6M2pmakW/VnnbnTBGSnAmsnAjJwJYdCKHS6GUAqyl3B0FtXIU6QqLl1Ihvy9mEB+SwGDgkGL6UFsX9LhVDXp8hUMmbCxovG+v8dNYtKNHPtYS8aX0+V0OvLmdjj9SOenXkqiqrkt/P1HbfiYXw93MKupAa8myut6Lhej5a5+TpYuPTGLA5dKkkrt2Hf0xr2ZNfq4PMS3i5LkoSC0ElmsIEIroN5jzpMx6LHksgpVlkN1clwpb1mVOlK5FuTlUqs0yWdMYt9E0TssqvSSRKl0SrhVEIpD0SoS5ELUa5ezd3lCoiSQu6suxuLupVjYqGbTmMufRmzrLj2ZOfozQqx6SISx2lXWd1dXct24tvXz7NOXV6/n6GLPXGVYyVVDnZUA50ylzBtqu1pKKmms0MhJCuQEDXatLkiMz82mbM/FZ6nbwO34PobQ0O4TmVqy/R4SDNcygDqMEasuCKHAsuCUFYLx201zg4ezolz3+DvrYnR4DtdbenlXNF+vhgwd3n+btyk6cns6AIz6vguBVyYrtD8b6ryMP7nF6/m9ky5c+avXz93o8uTao9JzezyFqS2KoqppIoaFGSiAHdk3R2/Qczq4uTFuxcemNbVcegyTOtG/B0OvPXqzavVxeQlrF3UIo02Jx6cCox3zNOjt85009Br5e+zY1DqKSRCEqK6ssDqM6Nalw5+gjLBWhcAyNDcDdCMTqS5VSRJJCSQoDBVociEJciVKmKjvXV5Xcskqy5JF3ULkhY2KrzvzmfNpTNY823Lj05RYHP0QqvHaqus7q6u5bsxbOvn26suv1+B5gV40BruRCBjcoBzs4qYOJBDzQdaDQ2x5qNGSoRZAq0OQIyacdZ8WnIa/U+L9Z5Pf3m52/E3ozTf9Thwk9jk+zmA3XfEq6uaq6SSrWxDHnZ5jnD0CcLz+12hGn5/bTrRo8vn6OjO/6PgOCv1824Cz+P0ZcG7l+nQyq+l47GDcSVEzeU9D5rNc1L87SYssy9DDpjSjZgnTpcbsY9Y593VzJISSiXUGLkHbk649Xqo8MePbi5dMaXJ49Rkmbo6HP39MbdWTV6uWmxLXOSUUhqDNh14Gufy+lzKV0+X0bO30OV0dZ36M2ixl1cS6lGQkXdWUDIZ16RlxDsrLFemUkzuwSqypdEq5VS4VLoEDWq0PRCEuRKlTVR3il4S7hUuypcJciySRQ2KrQ9CIS5LSMurLj05lsXj0FKvn2qrrO6uS5Pbj2deG7Vl0+v5+gxK8RUxVilMRjdLi86K1Xg00HT2ZmGluV1mo0MR1hZAJarztzKnHox2IzORKr0/l+3z7eu183ofE9c2Zb540cfqr9+fN69GX6HKDdd+Q1cQYQia03OmatA8vQmzLj6a0rd5Or3Z3fPxq0Yzx53IK+2RWHP9dvLVfS80qV35VUpmpQVxedpyc+jDzacxLVM1VFEp2sOqTorVz+trnwK38+5lXCSoSXCmr3Dehz/AEkd5bl5YsO/Dx6Ys+nPx6hcvOn7sO7rz168ev08tJLLXO6qFZ3IXLg6GFeby+ty1z7sWy563S5fS3noaseuxt1cXJKIhsKxsKVZBOKumVksWjSxYNlUQxUoVOBFKqll1KKAgFpamEpcqXOtyo9BdzFkuEkhLqySSJV0CBgq0uSIS5Koy6suPRmWwMemXJz7VJM7q5LGa8mvr59unNp9fz9JrZritTVIhGjPnalMVjUgzNMlWjjzmaXZXWa2ZnDyWSWu0qOV2ZUZNGfUSnSusepQZe46Hnu95fdupej4elBorszc7p8z63JcuvZ56ExZqrpY9Fj1v2Y6couuWO/Kd0L47ytIMGijPc6smVXTJJOu3Oqk6cYMiDUXmzmZ6z05i9CLGsyleemH6Pj6PN5PT+b1nR1uD2N552q8x1+L0y1jz5asiXKIErOW+jF2O9nwPWkU5GWPBvw8emPPoz8OoXVzT9uHZ057NWLT6OWu1XvmyLgSTVScWvI1g5vU55k1p1Wbd+LdrO3Vk02PJdw213TLWQdrgyKg60yV0TBlKFGiuhoADRKBE1omOLvPI+5ZKq5gEAtLkQtbAlQty5e9BnMUCwoEDgQOwgcCFhYSghyBSWpVObRmz6M4GGPTck59qkmdySWM15NfXht1ZNfq+c9i2b4glyUTnfnzpKmKzoaoc0ouDiQZpfk0JqdmeOJVhKJYvO/PWdbA1AU9epnRpVne30vi/T46+g1cF3Hp2x49TOzBY+nlKurmpKKkhUlFku5XRVNOtFyupVQYjVlhdJUlXF1JdDUws6MXJdz9HPYoZnpcvv8AMnTEY1rh3dXmr5dt3X4/R7ckZO/luA5z+rOnn92dEbszKuVSTWWvytCsO0dvqrNkc7k51kx7MfHeJD0cOy7kzpunI/rz26MOjvy3XmvrhwoCzQtCxmaJVePRnFvRorbsw6bnfowvNhZiTTaCp0VBtKodSYPmcDQOZZrrCEdGufRvDFU3ozqzY9Dpz6zvt7eF098ejaWdOEAwgFNBUg4cbQt6866VAMwyKodEUPtF2PtBDrTcMCgWkGgBcCaDNoz57oEhx6ZJOfapJjclXqM1ZNfXht1ZdPq+dpNbd8VqamxOd+fNQlqM6Fdrzq4EhpKMfpy6U0vzuG2MIuwsFDkUgDXuRZL3ASapVd7z+nGvaCDs6ExuWxIdc6kq2VdFSUSpRJKi6kWXUiSqS6ktl1JZQ5V14+fmXXzdAZzhO1Z61ocub1bfOdjO+WjtcjfBb6m87G5NWsbdueef0aIvd05cvn9TJZzpvrVxs0AyB1omS9jl7BBsYFDc+bnx68fHrjQ9PLoFFWbGpLpnS3Izty1zOHfGgMy7Na8opoWgFaoKDalhr0Y32bn43Gq8xJpvMVabyw01mo0Vno0KUsalOYcvEmXp1y4z1L5jc9ti1ly9SgYvn10dTkbunn7Wjn7OnFo3SCBDnQAas9AAl52+s1dPJprNRorNDSWQq1lmJNN57HiupbQWcgCM1EkvPoWJVj0SSc+tVdY6VdXqHrya+vDbpy6vV87QxTd8QS5NiM+jPm5kuz50pZrzalWpmto7QjQPclqMlSqWadQUFnsoVjo1Yh0xSTTIu4S970HhvQ4315d89wbrWRq6JV1FVcBl0VVxaq6SSpF1UaKlYDdk8/qzdmY12UUczjpmHHbe3Nkx6Onzh3pynrXrn6ni9TNy9HNF49POOnnt6cvXZuDXm+h0e15zrdvBfJ9Fhz25U0I3yTT+mxg9W7oQYqqxgAObaLRjS8jcvLolRhjUEpKFEOpZLnfk4BDvikxWoQrFllListZjGqaOclsaGZ2U4lEjLVNR0VYdVQVVRFmuE5dWVrKh65UkxudL0E7HUTIufpSDl8+taEM1z6Ozl69ct5ZShoKXNOStGduWhatFFev5r6z0aJmo1FkNNxZWVptFyuiRGIiZbpVzRhBx3obrHe7qY7VV1jpV+wd04eN1NDeNWrNp9XgezX0by4KfReeuc+fQgy59Kc6zA5edLhSUmg7Jj1P0YxRajBUGssQtG8lmFFMFNWNFd2EEotgEhtUS9vpeaZnfrax7eOgo6oI