Innovation Paths for Machine Learning in Robotics

Stulp, Freek und Spranger, Michael und Listmann, Kim und Doncieux, Stéphane und Tenorth, Moritz und Konidaris, George und Abbeel, Pieter (2022) Innovation Paths for Machine Learning in Robotics. IEEE Robotics & Automation Magazine, 29 (4), Seiten 141-144. IEEE - Institute of Electrical and Electronics Engineers. doi: 10.1109/MRA.2022.3213205. ISSN 1070-9932.

PDF - Preprintversion (eingereichte Entwurfsversion)
663kB

Offizielle URL: https://ieeexplore.ieee.org/document/9975165

Kurzfassung

Presents interviews conducted with robotics engineers discussing advances in artificial intelligence, with particular use in machine learning. Advances in artificial intelligence (AI), especially in machine learning (ML), are changing the business models of many companies, and creating entirely new ones. Recent research estimates that AI could boost profitability rates by 38% worldwide, leading to an economic boost of €12 trillion across a variety of industries by 2035. This immense number is an accumulation of many smaller numbers, related to the successful deployment of ML at individual companies, including small and medium-sized enterprises (SMEs) and start-ups.

elib-URL des Eintrags:

https://elib.dlr.de/191940/

Dokumentart:

Zeitschriftenbeitrag

Titel:

Innovation Paths for Machine Learning in Robotics

Autoren:

Autoren	Institution oder E-Mail-Adresse	Autoren-ORCID-iD	ORCID Put Code
Stulp, Freek	Freek.Stulp (at) dlr.de	https://orcid.org/0000-0001-9555-9517	NICHT SPEZIFIZIERT
Spranger, Michael	Sony Tokyo	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Listmann, Kim	Bender Group	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Doncieux, Stéphane	Sorbonne University-CNRS	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Tenorth, Moritz	Magazino GmbH	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Konidaris, George	Realtime Robotics	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Abbeel, Pieter	University of Califormia, Berkeley	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT

Datum:

7 Dezember 2022

Erschienen in:

IEEE Robotics & Automation Magazine

Referierte Publikation:

Open Access:

Gold Open Access:

Nein

In SCOPUS:

In ISI Web of Science:

Band:

DOI:

10.1109/MRA.2022.3213205

Seitenbereich:

Seiten 141-144

Verlag:

IEEE - Institute of Electrical and Electronics Engineers

ISSN:

1070-9932

Status:

veröffentlicht

Stichwörter:

robotics, machine learning, innovation

HGF - Forschungsbereich:

Luftfahrt, Raumfahrt und Verkehr

HGF - Programm:

Raumfahrt

HGF - Programmthema:

Robotik

DLR - Schwerpunkt:

Raumfahrt

DLR - Forschungsgebiet:

R RO - Robotik

DLR - Teilgebiet (Projekt, Vorhaben):

R - Autonome, lernende Roboter [RO]

Standort:

Oberpfaffenhofen

Institute & Einrichtungen:

Institut für Robotik und Mechatronik (ab 2013) > Kognitive Robotik
Institut für Robotik und Mechatronik (ab 2013)

Hinterlegt von:

Stulp, Freek

Hinterlegt am:

16 Dez 2022 14:58

Letzte Änderung:

25 Jan 2023 09:56

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags