<html xmlns:v="urn:schemas-microsoft-com:vml" xmlns:o="urn:schemas-microsoft-com:office:office" xmlns:w="urn:schemas-microsoft-com:office:word" xmlns:m="http://schemas.microsoft.com/office/2004/12/omml" xmlns="http://www.w3.org/TR/REC-html40"><head><meta http-equiv=Content-Type content="text/html; charset=utf-8"><meta name=Generator content="Microsoft Word 15 (filtered medium)"><style><!--
/* Font Definitions */
@font-face
        {font-family:"Cambria Math";
        panose-1:2 4 5 3 5 4 6 3 2 4;}
@font-face
        {font-family:Calibri;
        panose-1:2 15 5 2 2 2 4 3 2 4;}
/* Style Definitions */
p.MsoNormal, li.MsoNormal, div.MsoNormal
        {margin:0cm;
        margin-bottom:.0001pt;
        font-size:12.0pt;
        font-family:"Times New Roman",serif;}
a:link, span.MsoHyperlink
        {mso-style-priority:99;
        color:blue;
        text-decoration:underline;}
a:visited, span.MsoHyperlinkFollowed
        {mso-style-priority:99;
        color:purple;
        text-decoration:underline;}
p.msonormal0, li.msonormal0, div.msonormal0
        {mso-style-name:msonormal;
        mso-margin-top-alt:auto;
        margin-right:0cm;
        mso-margin-bottom-alt:auto;
        margin-left:0cm;
        font-size:12.0pt;
        font-family:"Times New Roman",serif;}
span.E-potniSlog18
        {mso-style-type:personal-reply;
        font-family:"Calibri",sans-serif;
        color:#1F497D;}
.MsoChpDefault
        {mso-style-type:export-only;
        font-size:10.0pt;}
@page WordSection1
        {size:612.0pt 792.0pt;
        margin:70.85pt 70.85pt 70.85pt 70.85pt;}
div.WordSection1
        {page:WordSection1;}
--></style><!--[if gte mso 9]><xml>
<o:shapedefaults v:ext="edit" spidmax="1026" />
</xml><![endif]--><!--[if gte mso 9]><xml>
<o:shapelayout v:ext="edit">
<o:idmap v:ext="edit" data="1" />
</o:shapelayout></xml><![endif]--></head><body lang=SL link=blue vlink=purple><div class=WordSection1><p class=MsoNormal>Vabimo vas na 13. predavanje iz sklopa "Kolokviji na IJS" v letu 2016/17, ki bo <b><span style='color:red'>v sredo, 08. marca 2017, ob 13. uri </span></b><span style='color:red'>v Veliki predavalnici Instituta »Jožef Stefan«</span>  na Jamovi cesti 39 v Ljubljani. Napovednik predavanja najdete tudi na naslovu <a href="http://www.ijs.si/ijsw/Koledar_prireditev"><span style='color:purple'>http://www.ijs.si/ijsw/Koledar_prireditev</span></a>, posnetke preteklih predavanj<span style='color:blue'> </span>pa na <a href="http://videolectures.net/kolokviji_ijs"><span style='color:purple'>http://videolectures.net/kolokviji_ijs</span></a>. <o:p></o:p></p><p class=MsoNormal style='margin-bottom:12.0pt'>~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~<o:p></o:p></p><div><p class=MsoNormal><b><span lang=EN-US>dr. Aleš Ude</span></b><o:p></o:p></p></div><div><p class=MsoNormal><i><span lang=EN-US>Institut Jožef Stefan, Ljubljana, Slovenija </span></i><o:p></o:p></p></div><div><p class=MsoNormal><b><span style='font-size:14.0pt'> </span></b><o:p></o:p></p></div><p class=MsoNormal align=center style='margin-bottom:12.0pt;text-align:center'><b><span lang=EN-US style='font-size:16.0pt'>Robotsko učenje senzomotoričnih veščin</span></b><o:p></o:p></p><p class=MsoNormal style='margin-bottom:12.0pt;text-align:justify'><span lang=EN-US>Čim bolj samostojno pridobivanje senzomotoričnih znanj spada med ključne probleme, ki jih obravnavamo v kognitivni robotiki. Ogledali si bomo novo metodologijo za učenje senzomotoričnih veščin, s katero povezujemo spoznanja z različnih področij, kot so robotsko učenje s posnemanjem, dinamični generatorji gibov, statistično učenje in avtonomna adaptacija robotskih gibanj. S predlaganim pristopom povežemo znana vzorčna gibanja z izmerljivimi količinami, ki opisujejo cilj želene naloge. Na ta način pridobimo zapis robotskih gibanj kot parametrične funkcije cilja naloge. Začetni nabor gibanj, s katerimi lahko robot reši dano nalogo v določenih situacijah, največkrat pridobimo s posnemanjem ali s kinestetičnim vodenjem. S pomočjo tako pridobljenega začetnega nabora gibanj in avtonomnih oblik robotskega učenja, kot je na primer spodbujevalno učenje, lahko robot nato poveča in izboljša svoje senzomotorično znanje. Akumulacija dovolj velikega nabora vzorčnih gibanj je predpogoj za učinkovito uporabo metod statističnega učenja. Predlagana metodologija je primerna tudi za učenje gibanj v stiku z okolico, pri katerih moramo poleg pozicijskih trajektorij upoštevati tudi sile in navore, ki med gibanjem delujejo na robota.</span><o:p></o:p></p><p class=MsoNormal style='margin-bottom:12.0pt;text-align:justify'>Predavanje bo v slovenščini.<o:p></o:p></p><p class=MsoNormal style='margin-bottom:12.0pt'><b><span style='font-family:"Calibri",sans-serif;color:red'>Lepo vabljeni!</span></b><o:p></o:p></p></div></body></html>