Progress for week 43 (2019)

Fra Robin

(Forskjeller mellom versjoner)
Gå til: navigasjon, søk
(Budget)
Linje 1: Linje 1:
== Tony ==
== Tony ==
=== Budget ===
=== Budget ===
-
* Plotte posisjon, fart i matLab for å se om bevegelsen som predikeres er noe forholdsvis lik MoCap-data
+
* Plotte posisjon, Joint angles ,fart i matLab for å se om bevegelsen som predikeres er noe forholdsvis lik MoCap-data.
-
* Prøve en approach hvor man velger minisett av kroppsdeler på MoCap data til kreative robot topologier.  
+
* Prøve en approach hvor man velger minisett av kroppsdeler på MoCap data til kreative robot topologier.              
-
* Finne et godt mål for kvantitativ analyse av bevegelser med tanke på den predikerte bevegelsen.
+
* Finne et godt mål for kvantitativ analyse av bevegelser
** Kinetisk energi, akkumulerte distansen for hvert ledd...
** Kinetisk energi, akkumulerte distansen for hvert ledd...
* Dele opp MoCap-data inn i subsett og observere om man får bedre resultater mellom MoCap og det predikerte. (x5 nevrale nett, bare Dense)  
* Dele opp MoCap-data inn i subsett og observere om man får bedre resultater mellom MoCap og det predikerte. (x5 nevrale nett, bare Dense)  
-
* PCA på MoCap og se resultatet.
 
 +
* Variational autoencoder for å sample fra latentspace til unike robot topologier.
 +
  - Roboten beveger seg da noenlunde, men her kan det tenkes å utnytte en enkel evolusjon for å maksimere fitness/bevegelsen/energien
-
* Muligens at en interaktiv nevralt evolusjon kan være verdt å undersøke.
 
=== Accounting ===
=== Accounting ===
** NO ACCOUNTING AVAILABLE **
** NO ACCOUNTING AVAILABLE **

Versjonen fra 18. okt 2019 kl. 07:48

Tony

Budget

  • Plotte posisjon, Joint angles ,fart i matLab for å se om bevegelsen som predikeres er noe forholdsvis lik MoCap-data.
  • Prøve en approach hvor man velger minisett av kroppsdeler på MoCap data til kreative robot topologier.
  • Finne et godt mål for kvantitativ analyse av bevegelser
    • Kinetisk energi, akkumulerte distansen for hvert ledd...
  • Dele opp MoCap-data inn i subsett og observere om man får bedre resultater mellom MoCap og det predikerte. (x5 nevrale nett, bare Dense)
  • Variational autoencoder for å sample fra latentspace til unike robot topologier.
  - Roboten beveger seg da noenlunde, men her kan det tenkes å utnytte en enkel evolusjon for å maksimere fitness/bevegelsen/energien


Accounting

    • NO ACCOUNTING AVAILABLE **
Personlige verktøy