Autor der Publikation

Kopieren Löschen Diese Publikation zur Ablage hinzufügen
Community-Eintrag
Versionsverlauf dieses Eintrags
URL
DOI
BibTeX
EndNote
APA
Chicago
DIN 1505
Harvard
MSOffice XML

Test-environment based on a team of miniature walking robots for evaluation of collaborative control methods.

F. Weissel, M. Huber, und U. Hanebeck. IROS, Seite 2474-2479. IEEE, (2007)

Bitte wählen Sie eine Person um die Publikation zuzuordnen

Um zwischen Personen mit demselben Namen zu unterscheiden, wird der akademische Grad und der Titel einer wichtigen Publikation angezeigt. Zudem lassen sich über den Button neben dem Namen einige der Person bereits zugeordnete Publikationen anzeigen.

Univ. -Prof. Dr. -Ing. habil. Marco Huber University of Stuttgart

F. Dörr

Marco Ströbel University of Stuttgart

F. Laufer

F. Rusitschka

Weitere Publikationen von Autoren mit dem selben Namen

Parameter identification and reconstruction for distributed phenomena based on hybrid density filter.F. Sawo, M. Huber, und U. Hanebeck. FUSION, Seite 1-8. IEEE, (2007)Recursive Gaussian process: On-line regression and learning.M. Huber. Pattern Recognition Letters, (2014)Instantaneous pose estimation using rotation vectors.F. Beutler, M. Huber, und U. Hanebeck. ICASSP, Seite 3413-3416. IEEE, (2009)Stochastic model predictive control of time-variant nonlinear systems with imperfect state information.F. Weissel, T. Schreiter, M. Huber, und U. Hanebeck. MFI, Seite 40-46. IEEE, (2008)On entropy approximation for Gaussian mixture random vectors.M. Huber, T. Bailey, H. Durrant-Whyte, und U. Hanebeck. MFI, Seite 181-188. IEEE, (2008)Closed-Form Prediction of Nonlinear Dynamic Systems by Means of Gaussian Mixture Approximation of the Transition Density.M. Huber, D. Brunn, und U. Hanebeck. MFI, Seite 98-103. IEEE, (2006)Semi-analytic stochastic linearization for range-based pose tracking.F. Beutler, M. Huber, und U. Hanebeck. MFI, Seite 44-49. IEEE, (2010)Survey on Automated Machine Learning.M. Zöller, und M. Huber. CoRR, (2019)Hybrid transition density approximation for efficient recursive prediction of nonlinear dynamic systems.M. Huber, und U. Hanebeck. IPSN, Seite 283-292. ACM, (2007)Reduced Feature Set for Emotion Recognition Based on Angle and Size Information.P. Dunau, M. Bonny, M. Huber, und J. Beyerer. IAS, Volume 867 von Advances in Intelligent Systems and Computing, Seite 585-596. Springer, (2018)