Dissertação
Action-conditioned disentanglement of agent and objects for video prediction in robotic tasks EVALUATED
Baseado na sua experiência, o cérebro humano é capaz de anticipar futuros iminentes e assim simplificar tarefas rotineiras como ler ou conduzir. Ainda assim, o papel desta capacidade de previsão nas faculdades humanas poderá ser de uma ainda maior prepoderância, como sugerem teorias do cérebro que relacionam perceção, aprendizagem e previsão. O estudo da previsão de inputs sensoriais poderá assim revelar-se um importante passo no desenvolvimento de sistemas inteligentes. Prever inputs visuais é talvez o modo mais evidente de concretizar estas ideias. Apesar de nos últimos anos, o esforço para desenvolver modelos de previsão de vídeo ter vindo a crescer, existe ainda grande dificuldade em ultrapassar o rápido aumento de complexidade trazido pela dimensão dos frames e pelo horizonte de previsão. Opções para mitigar este problema incluem a dissociação de fontes de informação e o uso das futuras ações de um agente como um input extra. Se o modelo interpretar corretamente as consequências de cada ação, estas modificações permitem ainda a utilização destes modelos em tarefas de planeamento. Tendo isto em consideração, este trabalho oferece as seguintes contribuições: (i) uma nova métrica que avalia modelos de previsão de vídeo com base na sua capacidade para guiar tomadas de decisão; (ii) o design de um modelo que separa informação relativa ao agente de informação sobre objetos, baseado nas futuras ações e na estrutura inerente a um vídeo; (iii) a investigação sobre a capacidade da previsão em separado da informação de objetos para melhorar o estado da arte em previsão de vídeo.
outubro 21, 2020, 10:0
Publicação
Obra sujeita a Direitos de Autor
Orientação
ORIENTADOR
José Alberto Rosado dos Santos Victor
Departamento de Engenharia Electrotécnica e de Computadores (DEEC)
Professor Catedrático