Learning environmental field exploration with computationally constrained underwater robots : Gaussian processes meet stochastic optimal control

Gespeichert in:

Veröffentlicht in:	Sensors 19(2019), 9, Artikel-ID 2094, Seite 1-28
Personen und Körperschaften:	Dücker, Daniel-André (VerfasserIn), Geist, Andreas René (VerfasserIn), Kreuzer, Edwin (VerfasserIn), Solowjow, Eugen (VerfasserIn), Technische Universität Hamburg (Sonstige), Technische Universität Hamburg Institut für Mechanik und Meerestechnik (Sonstige)
Titel:	Learning environmental field exploration with computationally constrained underwater robots : Gaussian processes meet stochastic optimal control/ Daniel André Duecker, Andreas Rene Geist, Edwin Kreuzer and Eugen Solowjow
Format:	E-Book-Kapitel
Sprache:	Englisch
veröffentlicht:	6 May 2019
Gesamtaufnahme:	: Sensors, 19(2019), 9, Artikel-ID 2094, Seite 1-28 , volume:19
Schlagwörter:	autonomous exploration environmental field monitoring Gaussian processes Gaussian Markov random fields Kalman filtering stochastic optimal control
Quelle:	Verbunddaten SWB Lizenzfreie Online-Ressourcen

Online

Volltext