基于抽象贝叶斯推断的时变环境注意力切换

为使机器人能够在复杂、不确定且时变的环境中可靠运行而具备聚焦注意力的手段，我们研究机器人如何（i）确定在任意时刻应关注环境的哪些部分，（ii）推断上下文（如任务或环境动态）的变化，以及（iii）相应地切换其注意力。本工作中，我们在时变马尔可夫决策过程（MDP）框架中对上下文切换建模以应对这些问题。我们利用基于互模拟的状态抽象理论，综合出关注上下文相关信息的机制。随后，我们提出一种基于贝叶斯推断的算法，用于在线运行时检测机器人上下文（任务或环境动态）的变化，并借此触发不同基于抽象注意力机制间的切换。我们的方法在两个示例中展示：（i）一个说明性离散状态跟踪问题，以及（ii）在四足硬件平台上实现的连续状态跟踪问题。这些示例证明了我们的方法能够在线检测上下文切换，并通过关注上下文相关信息稳健地忽略任务无关干扰物。