结合同步定位与建图的在线空间概念与词汇习得
人工智能
2018-03-12 v2 计算与语言
机器人学
摘要
本文中，我们提出了一种基于 Rao-Blackwellized 粒子滤波的在线学习算法，用于空间概念习得与建图。我们曾提出非参数贝叶斯空间概念习得模型（SpCoA）。我们提出一种新方法（SpCoSLAM），在贝叶斯生成模型的理论框架下将 SpCoA 与 FastSLAM 相集成。所提方法能够在增量式生成环境地图的同时，学习地点类别与词汇。此外，所提方法在 SpCoA 中加入了场景图像特征与语言模型。在实验中，我们在一个机器人没有地图的新环境中测试了空间概念与环境地图的在线学习。随后，我们评估了空间概念在线学习与词汇习得的结果。实验结果表明，利用所提方法，机器人能够更准确地增量式学习单词与环境地图中地点之间的关系。
引用
@article{arxiv.1704.04664,
title = {Online Spatial Concept and Lexical Acquisition with Simultaneous Localization and Mapping},
author = {Akira Taniguchi and Yoshinobu Hagiwara and Tadahiro Taniguchi and Tetsunari Inamura},
journal= {arXiv preprint arXiv:1704.04664},
year = {2018}
}
备注
This paper was accepted in the 2017 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2017)