Loading...
机构名称:
¥ 1.0

机器人技术中最大的挑战之一是在未知对象上执行未知环境中执行未知任务所需的概括。对我们人类而言,通过我们可以访问的常识性知识来简化这一挑战。对于认知机器人技术,代表和获取常识性知识是一个相关问题,因此我们进行系统的文献综述,以调查认知机器人技术中常识性知识开发的当前状态。在此评论中,我们将六个搜索引擎上的关键字搜索与六个相关评论的滚雪球搜索结合在一起,从而产生了2,048个不同的出版物。应用预定义的包含和排除标准后,我们​​分析了其余52个出版物。我们的重点在于使用常识性知识的用例和域,所考虑的常识方面,用作常识知识来源的数据集/资源以及评估这些方法的方法。此外,我们发现了从知识表示与推理与认知机器人界的研究之间的术语差异。通过查看Zech等人进行的广泛审查来研究这种鸿沟。(《国际机器人研究杂志》,2019,38,518–562),尽管有类似的目标,但我们还是没有重叠的出版物。

认知机器人学中的常识知识

认知机器人学中的常识知识PDF文件第1页

认知机器人学中的常识知识PDF文件第2页

认知机器人学中的常识知识PDF文件第3页

认知机器人学中的常识知识PDF文件第4页

认知机器人学中的常识知识PDF文件第5页

相关文件推荐

2021 年
¥3.0
1900 年
¥2.0
2023 年
¥1.0
2024 年
¥63.0
2023 年
¥2.0
2022 年
¥1.0
2020 年
¥1.0
2023 年
¥1.0
2024 年
¥1.0
2024 年
¥4.0
2023 年
¥1.0
2012 年
¥1.0
2024 年
¥1.0
1900 年
¥3.0
2024 年
¥1.0
2024 年
¥5.0
2024 年
¥1.0
2022 年
¥1.0
2021 年
¥1.0
2025 年
¥2.0
2024 年
¥1.0
2025 年
¥6.0
2024 年
¥1.0
2023 年
¥2.0
2021 年
¥3.0
2023 年
¥1.0