| Source DB | nl |
|---|
| Institution | UGent |
|---|
| Code | 0279e556-4877-4b7c-a749-487e0e9d3a58 |
|---|
| Unit | 16a28d37-6005-49e4-be1b-46b8c76f6640
|
|---|
| Begin | 1/1/2019 |
|---|
| End | 12/31/2020 |
|---|
| title fr |
|
|---|
| title nl | Multi modale sensor fusie voor toestands estimatie
|
|---|
| title en | Multi-modal sensor fusion for deep state estimation
|
|---|
| Description fr |
|
|---|
| Description nl | Er is een overvloed aan sensorische informatie verzameld door sensoren sinds de opkomst van het internet der dingen. De combinatie van deze informatie (sensorfusie) om een U+200BU+200Bzinvol beeld te krijgen van het te observeren systeem heeft op dit moment veel vakkennis en menselijke engineering nodig, die niet goed opschaalt met de groeiende hoeveelheid beschikbare sensoren. Deze sensoren kunnen sterk variëren (multimodaliteit), variërend van complexe dieptecameras tot verschillende LIDARs en RADARs. Mensen leren een intern benaderend model van hoe de wereld werkt en kunnen dat gebruiken om nieuwe ervaringen te begrijpen. We kunnen deze benaderde modellen ook gebruiken om verschillende nieuwe taken op te lossen. In dit onderzoek zullen we proberen de menselijke manier van doen na te bootsende wereld begrijpen om sensorfusie te bereiken.
|
|---|
| Description en | There is an abundance of sensory information being collected by sensors since the emergence of the Internet of things. Combining this information (sensor fusion) to get a meaningful picture of the system under observation currently needs a lot of expert knowledge and human engineering, which doesnt scale well with the growing amount of sensors available. These sensors can vary strongly (multi-modality), ranging from complex depth cameras to various LIDARs and RADARs. Humans learn an internal approximate model of how the world works and can use that to make sense of new experiences. We can also use these approximate models to solve various new tasks. In this research we will try to mimic the human way ofunderstanding the world in order to achieve sensor fusion.
|
|---|
| Qualifiers | - Reinforcement Learning - Sensor Fusion - Sensorfusie - State estimation - schatting van status - versterking van versterking - |
|---|
| Personal | Dhoedt Bart, Catal Ozan |
|---|
| Collaborations | |
|---|
