基于粒子滤波信息增益的主动探索用于高效空间概念形成
机器人学
2023-06-13 v2 人工智能
摘要
自主机器人需要通过探索环境并与用户交互来学习各类场所的范畴。然而，准备带有用户语言指令的训练数据集耗时耗力。此外，有效探索对于恰当概念形成与快速环境覆盖至关重要。为解决此问题，我们提出一种主动推断方法，称为基于信息增益主动探索的空间概念形成（SpCoAE），其在概率生成模型中结合了使用粒子滤波的序列贝叶斯推断与基于信息增益的目的地确定。本研究将机器人动作解释为主动推断背景下选择目的地询问用户“这是什么地方？”。本研究提供了所提方法技术层面的见解，包括机器人的主动感知与探索，以及该方法如何使移动机器人通过主动探索学习空间概念。我们的实验证明了 SpCoAE 在家庭环境中为学习恰当空间概念高效确定目的地的有效性。
引用
@article{arxiv.2211.10934,
title = {Active Exploration based on Information Gain by Particle Filter for Efficient Spatial Concept Formation},
author = {Akira Taniguchi and Yoshiki Tabuchi and Tomochika Ishikawa and Lotfi El Hafi and Yoshinobu Hagiwara and Tadahiro Taniguchi},
journal= {arXiv preprint arXiv:2211.10934},
year = {2023}
}
备注
Accepted to Advanced Robotics