基于對比演示的機(jī)器人任務(wù)學(xué)習(xí)研究.pdf

1、任務(wù)學(xué)習(xí)是機(jī)器人智能水平發(fā)展到一定程度后的一個必然要求。與單個的簡單動作學(xué)習(xí)相比，融合在任務(wù)中的行為學(xué)習(xí)更有研究價(jià)值和現(xiàn)實(shí)意義，可以更全面地提升智能體的自主認(rèn)知能力和適應(yīng)能力，使得智能機(jī)器人能在部分領(lǐng)域中彌補(bǔ)人力的不足，有助于緩和人口老齡化等嚴(yán)重的社會問題。演示學(xué)習(xí)作為一種“所見即所得”的方式，讓機(jī)器人通過近似于“人-人”的教授模式來學(xué)習(xí)任務(wù)知識，增強(qiáng)自身智能水平，比強(qiáng)化學(xué)習(xí)等方式更簡單直觀，因而逐漸成為近年來人工智能領(lǐng)域的一大研究熱點(diǎn)

2、，得到了更廣泛的研究和應(yīng)用，新的挑戰(zhàn)也隨之而來。
　　 針對當(dāng)前演示學(xué)習(xí)擴(kuò)展性不足的問題，本文以基于視覺的任務(wù)學(xué)習(xí)為例，重點(diǎn)研究了通用對比推理過程在演示學(xué)習(xí)中的應(yīng)用，并設(shè)計(jì)了演示方案進(jìn)行驗(yàn)證。
　　 主要研究工作和貢獻(xiàn)如下：
　　 1．闡述了演示學(xué)習(xí)基本理論和行為知識表示，介紹了機(jī)器人視覺相關(guān)技術(shù)應(yīng)用，并在此基礎(chǔ)上提出了觀察模仿的演示學(xué)習(xí)框架。
　　 2．提出了以深度信息為分割掩碼的HSI顏色空間目標(biāo)檢測

3、方法，對場景目標(biāo)進(jìn)行檢測和識別，并結(jié)合金字塔L-K光流法進(jìn)行跟蹤預(yù)測。實(shí)驗(yàn)結(jié)果表明，本文的方法能滿足場景中視覺處理的可靠性要求，且具有較好的實(shí)時性。
　　 3．通過探討對比思想在演示學(xué)習(xí)中應(yīng)用的可行性，提出了基于對比認(rèn)知的觀察模仿學(xué)習(xí)方法，并闡述了其基本步驟；研究了動作共享原則下的狀態(tài)表示和動作識別方法，并在示例視頻數(shù)據(jù)中取得了很高的動作識別率，這一結(jié)果表明，概念層次的范例表示具有較強(qiáng)的抗干擾性和可擴(kuò)展性。引入有向圖的因果網(wǎng)絡(luò)表

4、示法，提出了特色的逆向推理方法，有效利用了正反例信息來獲取任務(wù)決策和約束；最后引入增量學(xué)習(xí)理念，進(jìn)一步對該學(xué)習(xí)方法的擴(kuò)展能力進(jìn)行了驗(yàn)證和討論，兩部分的仿真實(shí)驗(yàn)表明，本文方法在學(xué)習(xí)效率和擴(kuò)展能力方面具備一定優(yōu)勢。
　　 4．設(shè)計(jì)了實(shí)體機(jī)器人平臺上的演示學(xué)習(xí)系統(tǒng)框架和任務(wù)方案，進(jìn)行了兩組具有對比性的示例演示，并利用對比學(xué)習(xí)獲取任務(wù)決策和約束，最后在類似場景下成功進(jìn)行了多組任務(wù)的演示驗(yàn)證，結(jié)果表明本文的對比學(xué)習(xí)方法是有效性的。