机构名称：
¥ 1.0
抽象以帮助人类在日常任务中，机器人需要知道场景中存在哪些对象，它们在哪里以及如何在不同情况下掌握和操纵它们。因此，对象识别和抓握是自主机器人的两个关键功能。大多数最先进的方法都将对象识别视为两个单独的问题，即使两者都使用视觉输入。此外，在训练阶段之后，对机器人的知识固定了。在这种情况下，如果机器人遇到新的对象类别，则必须重新审议以在没有灾难性遗忘的情况下整合新信息。为了解决这个问题，我们提出了一个深度学习体系结构，具有增强的内存能力，以同时处理开放式对象识别并掌握。特别是，我们的方法将对象的多视图视为输入，并共同估计像素的掌握配置以及深度尺度和旋转不变的表示为输出。然后，通过元激活学习技术将获得的表示形式用于开放式对象识别。我们证明了我们的方法能够掌握从未见过的对象的能力，并使用在模拟和现实世界中的现场示例很少示例快速学习新对象类别。我们的方法使机器人平均每类少于五个实例获得有关新对象类别的知识，并在模拟和实体实验实验中获得（高度）混乱的场景（高度）杂乱的场景（高度杂乱的场景）的成功率高于91％。这些实验的视频可在线获得：https：//youtu.be/n9smpuekogk
在开放式域中同时识别和抓住
主要关键词
相关文件推荐
