置信区间在高层空间知识自主获取中的应用
人工智能
2013-04-05 v1
摘要
世界中的物体通常出现在上下文中，参与可预测且预期的空间关系和交互。对这些上下文的 knowledge 可用于利用移动摄像头在房间中搜索指定物体的任务，我们称之为物体搜索任务。本文关注如何以一种便于应用于物体搜索、同时有利于机器人自主学习的形式来表示此类知识。由于任何给定的一组物体之间可能存在大量的关系，机器人能够在无监督情况下学习此类知识的能力至关重要。此外，由于机器人没有无限的时间进行学习，它必须能够确定寻找可能关系的顺序，以最大化获取新知识的速率。实际上，必须有一个“兴趣焦点”算子，使机器人能够选择哪些示例可能传达最多的新信息并应优先检查。本文展示了基于统计置信区间的表示如何构建一个实现上述目标的系统。提出了一种基于“最大影响优先”（Highest Impact First）启发式的算法，作为提供控制学习过程的“兴趣焦点”的手段，并给出了示例。
引用
@article{arxiv.1304.1109,
title = {Application of Confidence Intervals to the Autonomous Acquisition of High-level Spatial Knowledge},
author = {Lambert E. Wixson},
journal= {arXiv preprint arXiv:1304.1109},
year = {2013}
}
备注
Appears in Proceedings of the Sixth Conference on Uncertainty in Artificial Intelligence (UAI1990)