RoboCSE：机器人常识嵌入
机器人学
2019-03-04 v1
摘要
自主服务机器人需要这样的计算框架：能以建模不确定性的方式将知识泛化到新情境，同时可扩展到真实世界的问题规模。机器人常识嵌入（RoboCSE）展示了一类尚未在机器人学中用于建模语义知识的计算框架——多关系嵌入。我们在真实的家庭环境模拟器（AI2Thor）上验证 RoboCSE，以衡量其对物体功能可供性、位置与材质的已学知识泛化能力。我们的实验表明，RoboCSE 的预测表现优于使用 Word2Vec 等预训练嵌入的基线，在取得统计显著改进的同时，所用内存比我们的贝叶斯逻辑网络基线低数个数量级。此外，我们展示了 RoboCSE 的预测对训练可用数据的显著减少以及向 MatterPort3D 的域迁移具有鲁棒性，相较记忆训练数据的基线取得了统计显著的改进。
引用
@article{arxiv.1903.00412,
title = {RoboCSE: Robot Common Sense Embedding},
author = {Angel Daruna and Weiyu Liu and Zsolt Kira and Sonia Chernova},
journal= {arXiv preprint arXiv:1903.00412},
year = {2019}
}
备注
7 pages, 7 figures, accepted for publication in 2019 IEEE ICRA proceedings