This is your first subject an der TU München

Karteikarten und Zusammenfassungen für This is your first subject im Robotics, Cognition, Intelligence Studiengang an der TU München in Augsburg

CitySTADT: Augsburg

CountryLAND: Deutschland

Kommilitonen im Kurs This is your first subject an der TU München erstellen und teilen Zusammenfassungen, Karteikarten, Lernpläne und andere Lernmaterialien mit der intelligenten StudySmarter Lernapp.

Schaue jetzt auf StudySmarter nach, welche Lernmaterialien bereits für deine Kurse von deinen Kommilitonen erstellt wurden. Los geht’s!

Kommilitonen im Kurs This is your first subject an der TU München erstellen und teilen Zusammenfassungen, Karteikarten, Lernpläne und andere Lernmaterialien mit der intelligenten StudySmarter Lernapp.

Schaue jetzt auf StudySmarter nach, welche Lernmaterialien bereits für deine Kurse von deinen Kommilitonen erstellt wurden. Los geht’s!

Lerne jetzt mit Karteikarten und Zusammenfassungen für den Kurs This is your first subject an der TU München.

Beispielhafte Karteikarten für This is your first subject an der TU München auf StudySmarter:

Name at least 5 constraints of trajectories in c-space

Beispielhafte Karteikarten für This is your first subject an der TU München auf StudySmarter:

What happens if you do weight initialization with all weights to zero?

Beispielhafte Karteikarten für This is your first subject an der TU München auf StudySmarter:

Explain the difference between a free path and a semi-free path

Beispielhafte Karteikarten für This is your first subject an der TU München auf StudySmarter:

How do we know whether a configuration s in the free space?

Beispielhafte Karteikarten für This is your first subject an der TU München auf StudySmarter:

Name 7 assumptions for the bug algorithm

Beispielhafte Karteikarten für This is your first subject an der TU München auf StudySmarter:

What is the problem with complete algorithms and heuristic algorithms  in path planning tasks?

Beispielhafte Karteikarten für This is your first subject an der TU München auf StudySmarter:

What is the biggest challenge with attractive and repulsive fields?

Beispielhafte Karteikarten für This is your first subject an der TU München auf StudySmarter:

What does the Kalman gain calculate?    

Beispielhafte Karteikarten für This is your first subject an der TU München auf StudySmarter:

What are the three assumptions of CNNs?

Beispielhafte Karteikarten für This is your first subject an der TU München auf StudySmarter:

Name 3 classic path planning approaches

Beispielhafte Karteikarten für This is your first subject an der TU München auf StudySmarter:

What is the difficulty with classic roadmap approaches

Beispielhafte Karteikarten für This is your first subject an der TU München auf StudySmarter:

What happens if you do weight initialization with big random numbers? (10 layers with 500 neurons each, tanh and gaussian input)

Beispielhafte Karteikarten für This is your first subject an der TU München auf StudySmarter:

This is your first subject

Name at least 5 constraints of trajectories in c-space

– finite length
– Bounded curvature
– Smoothness
– Minimum length
– minimum time
– minimum energy

This is your first subject

What happens if you do weight initialization with all weights to zero?

1. There is no symmetry breaking
2. All units are going to compute the same function
3. Gradients are going to be the same

This is your first subject

Explain the difference between a free path and a semi-free path

free path lies entirely in the free space F and a semi-free path touches the boundary of one or more obstacles. 

This is your first subject

How do we know whether a configuration s in the free space?

Compute the position of the robot at that configuration in the workspace. Explicitly check for collisions with any obstacle at that position:
– if colliding, the configuration is within C-space obstacle
– Otherwise, it is in the free space

This is your first subject

Name 7 assumptions for the bug algorithm

1. Bounded world
2. Known global goal
3. Measurable distance from point x to any point y: d(x,y)
4. Unknown obstacles
5. Robot has local sensing
6. Robot is tactile (bump sensor)
7. Robot can measure travel distance

This is your first subject

What is the problem with complete algorithms and heuristic algorithms  in path planning tasks?

Complete Algorithms are slow
Heuristic Algorithms are unreliable

This is your first subject

What is the biggest challenge with attractive and repulsive fields?

You can create local minima which would stop the robot

This is your first subject

What does the Kalman gain calculate?    

The Kalman gain calculates the proportion of measuret variables and predicted variables for the new prediction 

This is your first subject

What are the three assumptions of CNNs?

1. nearby pixels are correlated
2. weight sharing -> interesting features all over the place
3. Translational invariance

This is your first subject

Name 3 classic path planning approaches

Roadmap
Cell decomposition
Potential field

This is your first subject

What is the difficulty with classic roadmap approaches

Running time increases exponentially with the dimensions of the c-space

several variants of the path planning problem have been proven to be PSPACE-hard

This is your first subject

What happens if you do weight initialization with big random numbers? (10 layers with 500 neurons each, tanh and gaussian input)

Output saturates quickly because the tanh function saturated for big numbers (either -1 or 1)

Gradient

Melde dich jetzt kostenfrei an um alle Karteikarten und Zusammenfassungen für This is your first subject an der TU München zu sehen

Singup Image Singup Image

Andere Kurse aus deinem Studiengang

Für deinen Studiengang Robotics, Cognition, Intelligence an der TU München gibt es bereits viele Kurse auf StudySmarter, denen du beitreten kannst. Karteikarten, Zusammenfassungen und vieles mehr warten auf dich.

Zurück zur TU München Übersichtsseite

ringvorlesung bionik

Computer Aided Medical Procedure

Grundlagen KI

Trends und Entwicklung in der Automobilindustrie

Was ist StudySmarter?

Was ist StudySmarter?

StudySmarter ist eine intelligente Lernapp für Studenten. Mit StudySmarter kannst du dir effizient und spielerisch Karteikarten, Zusammenfassungen, Mind-Maps, Lernpläne und mehr erstellen. Erstelle deine eigenen Karteikarten z.B. für an der TU München oder greife auf tausende Lernmaterialien deiner Kommilitonen zu. Egal, ob an deiner Uni oder an anderen Universitäten. Hunderttausende Studierende bereiten sich mit StudySmarter effizient auf ihre Klausuren vor. Erhältlich auf Web, Android & iOS. Komplett kostenfrei. Keine Haken.

StudySmarter Flashcard App and Karteikarten App
d

4.5 /5

d

4.8 /5

So funktioniert StudySmarter

Individueller Lernplan

Bereite dich rechtzeitig auf all deine Klausuren vor. StudySmarter erstellt dir deinen individuellen Lernplan, abgestimmt auf deinen Lerntyp und Vorlieben.

Erstelle Karteikarten

Erstelle dir Karteikarten in wenigen Sekunden mit Hilfe von effizienten Screenshot-, und Markierfunktionen. Maximiere dein Lernverständnis mit unserem intelligenten StudySmarter Trainer.

Erstelle Zusammenfassungen

Markiere die wichtigsten Passagen in deinen Dokumenten und StudySmarter erstellt dir deine Zusammenfassung. Ganz ohne Mehraufwand.

Lerne alleine oder im Team

StudySmarter findet deine Lerngruppe automatisch. Teile Karteikarten und Zusammenfassungen mit deinen Kommilitonen und erhalte Antworten auf deine Fragen.

Statistiken und Feedback

Behalte immer den Überblick über deinen Lernfortschritt. StudySmarter zeigt dir genau was du schon geschafft hast und was du dir noch ansehen musst, um deine Traumnote zu erreichen.

1

Individueller Lernplan

2

Erstelle Karteikarten

3

Erstelle Zusammenfassungen

4

Lerne alleine oder im Team

5

Statistiken und Feedback

Nichts für dich dabei?

Kein Problem! Melde dich kostenfrei auf StudySmarter an und erstelle deine individuellen Karteikarten und Zusammenfassungen für deinen Kurs This is your first subject an der TU München - so schnell und effizient wie noch nie zuvor.