用于操作学习的函数式面向对象网络
机器人学
2020-12-01 v4
摘要
本文提出一种称为函数式面向对象网络(FOON)的新型结构化知识表示，用于建模操作任务中功能相关对象及其运动的连通性。图模型FOON通过观察对象状态变化及人类对这些对象的操作来学习。利用训练良好的FOON，机器人可解析任务目标、寻找处于期望状态的正确的操作对象，并生成一系列适当的操作运动。本文描述了FOON的结构以及从在线教学视频中提取知识以构建通用FOON的方法。提出了一种图检索方法，从FOON生成操作运动序列以实现期望目标，展示了FOON利用多源聚集知识创造新颖且自适应的问题解决方式的灵活性。结果在仿真环境中展示，以说明从FOON生成用于执行期望任务的运动序列。
引用
@article{arxiv.1902.01537,
title = {Functional Object-Oriented Network for Manipulation Learning},
author = {David Paulius and Yongqiang Huang and Roger Milton and William D. Buchanan and Jeanine Sam and Yu Sun},
journal= {arXiv preprint arXiv:1902.01537},
year = {2020}
}
备注
IROS 2016 Submission -- Corrected several errors from the published version (last updated November 28th, 2020)