那是我的！面向机器人的所有权关系与规范学习
人工智能
2019-01-11 v2 机器人学
摘要
自主智能体学习并遵从人类规范的能力对其在社会环境中的安全与效能至关重要。尽管近期工作已产生用于简单社会规则表示与推理的框架，规范学习的研究仍处于探索阶段。在此，我们呈现一个能够表示、学习并推理所有权关系与规范的机器人系统。所有权被表示为对象与其所有者之间概率关系的图，以及约束对所属对象可允许动作的基于谓词的规范数据库。为学习这些规范与关系，我们的系统整合了 (i) 一种新颖的增量规范学习算法，能够进行一次性学习并从具体例子中归纳，(ii) 针对明显规则违背的所有权关系贝叶斯推理，以及 (iii) 基于感知的对象可能所有者的预测。通过一系列模拟与真实世界实验，我们展示了该系统在执行需要遵循多种规范的物体操控任务中的能力与灵活性，为未来社会规范获取与应用的研究奠定基础。
引用
@article{arxiv.1812.02576,
title = {That's Mine! Learning Ownership Relations and Norms for Robots},
author = {Zhi-Xuan Tan and Jake Brawer and Brian Scassellati},
journal= {arXiv preprint arXiv:1812.02576},
year = {2019}
}
备注
9 pg., 2 fig., accepted for AAAI-2019. Video demo: https://bit.ly/2z8obET GitHub: https://github.com/OwnageBot/ownage_bot