基于多模态信息的空间概念知识迁移分层贝叶斯模型

本文提出一种基于空间概念的分层贝叶斯模型，使机器人能够将已经验环境中的场所知识迁移到新环境中。基于空间概念的知识迁移被建模为：以泛化到各环境的空间概念参数作为先验知识，根据在每个环境中获得的观测值计算后验分布的过程。我们进行了实验，以评估空间知识对厨房等通用场所的新环境泛化性能，以及对“Emma 的房间”等独特场所的自适应性能。实验中，在由图像与位置预测地点名称、以及由地点名称预测位置这两项任务上，比较了所提方法与常规方法的精度。实验结果表明，得益于知识迁移，所提方法在地点名称与位置预测精度上均高于常规方法。