移动机器人好奇心建模用于长期自主探索与监测
机器人学
2015-09-30 v1 计算机视觉与模式识别
机器学习
摘要
本文提出了一种在移动机器人中建模好奇心的新方法，该方法对于监测和自适应数据采集任务非常有用，尤其是在预编程任务可能效用有限的长期自主任务背景下。我们使用实时主题建模技术构建环境的语义感知模型，并利用该模型规划一条穿越世界中具有高语义信息内容位置的路径。所提出的感知模型的终身学习行为使其适用于长期探索任务。我们使用基于空中和水下数据的仿真探索实验验证了该方法，并在 Aqua 水下机器人的多种场景中演示了实现。我们发现，所提出的偏向于具有高主题困惑度位置的探索路径，能生成具有高判别力的更优地形模型。此外，我们展示了在 Aqua 机器人上实现的所提算法能够在没有任何预先训练或准备的情况下，执行珊瑚礁检查、潜水员跟随和海底探索等任务。
引用
@article{arxiv.1509.07975,
title = {Modeling Curiosity in a Mobile Robot for Long-Term Autonomous Exploration and Monitoring},
author = {Yogesh Girdhar and Gregory Dudek},
journal= {arXiv preprint arXiv:1509.07975},
year = {2015}
}
备注
20 pages, in-press, Autonomous Robots, 2015. arXiv admin note: substantial text overlap with arXiv:1310.6767