深度情景记忆：面向机器人动作执行的情景经验编码、回忆与预测
人工智能
2018-07-17 v3 计算机视觉与模式识别
机器人学
摘要
我们提出一种新颖的深度神经网络架构，用于以类情景记忆表示机器人经验，从而便于编码、回忆与预测动作经验。我们提出的无监督深度情景记忆模型 1）在潜向量空间中编码观测动作，并基于此潜编码 2）推断先前经历的最相似情景，3）重建原始情景，以及 4）以端到端方式预测未来帧。结果表明概念上相似的动被映射到潜向量空间的同一区域。基于这些结果，我们引入一种动作匹配与检索机制，在两个大规模动作数据集 20BN-something-something 与 ActivityNet 上基准测试其性能，并在人形机器人的真实场景中评估其泛化能力。
引用
@article{arxiv.1801.04134,
title = {Deep Episodic Memory: Encoding, Recalling, and Predicting Episodic Experiences for Robot Action Execution},
author = {Jonas Rothfuss and Fabio Ferreira and Eren Erdal Aksoy and You Zhou and Tamim Asfour},
journal= {arXiv preprint arXiv:1801.04134},
year = {2018}
}