机构名称：
¥ 1.0
摘要 - 为了使机器人在未经培养的家庭环境中执行辅助任务，他们必须学习和推理环境的语义知识。尽管在开发语义推理体系结构方面存在着复兴，但这些方法假定所有培训数据都可以先验。但是，每个用户的环境都是唯一的，并且可以随着时间的推移而继续变化，这使得这些方法不适合个性化的家庭服务机器人。尽管持续学习的研究开发了可以随着时间的推移学习和适应的方法，但其中大多数方法都在静态图像数据集的对象分类的狭窄背景下进行了测试。在本文中，我们结合了持续学习，语义推理和互动机器学习文献的想法，并开发了一种新颖的互动式持续学习体系结构，以通过人类机器人互动中的家庭环境中的语义知识持续学习。该体系结构以学习和记忆的核心认知原则为基础，从而有效，实时学习新知识。我们将架构与物理移动操纵器机器人集成在一起，并在两个月内在实验室环境中进行广泛的系统评估。我们的结果证明了我们的体系结构的有效性，使物理机器人能够从用户（实验者）提供的有限数据（实验者）中不断适应环境的变化，并使用学习的知识来执行对象获取任务。
用于家庭服务机器人长期个性化的互动持续学习体系结构
主要关键词
相关文件推荐
