面向实时机器人运动生成的深度主动视觉注意：工具-身体同化与自适应工具使用的涌现
机器人学
2022-06-30 v1 人工智能
摘要
充分感知环境是机器人运动生成的关键因素。尽管深度视觉处理模型的引入扩展了这一能力，现有方法缺乏主动调整感知内容的能力；而人类在视觉认知过程中会在内部执行该能力。本文受人类认知结构启发，提出了一种新颖的机器人运动生成模型来解决此问题。该模型集成了一个状态驱动的主动自顶向下视觉注意模块，其获取的注意能基于任务状态主动改变目标。我们将此类注意称为基于角色的注意，因为所获取的注意在运动过程中指向具有连贯角色的目标。该模型在机器人工具使用任务上训练，其中基于角色的注意分别在物体抓取和物体拖拽运动中将机器人夹爪和工具视为相同的末端执行器。这类似于称为工具-身体同化的生物现象，即个体将所持工具视为自身身体的延伸。结果表明，模型视觉感知的灵活性得到提升，即使提供未训练工具或受到实验者干扰，也能保持稳定的注意与运动。
引用
@article{arxiv.2206.14530,
title = {Deep Active Visual Attention for Real-time Robot Motion Generation: Emergence of Tool-body Assimilation and Adaptive Tool-use},
author = {Hyogo Hiruma and Hiroshi Ito and Hiroki Mori and Tetsuya Ogata},
journal= {arXiv preprint arXiv:2206.14530},
year = {2022}
}