服务机器人中的终身学习现状：物体感知与操作中的当前瓶颈
机器人学
2021-05-10 v3 计算机视觉与模式识别
摘要
服务机器人正越来越多地出现在我们的日常生活中。服务机器人的开发结合了从物体感知到物体操作的多个研究领域。最先进水平持续改进，以实现物体感知与操作之间的恰当耦合。这种耦合对服务机器人而言是必要的，不仅为了在合理时间内执行各种任务，还为了持续适应新环境并与非专业人类用户安全交互。如今，机器人能够识别各种物体，并快速规划无碰撞轨迹以在预定义设置中抓取目标物体。此外，在大多数情况下，其依赖于大量训练数据。因此，此类机器人的知识在训练阶段后便固定下来，环境的任何变化都需要人类专家进行复杂、耗时且昂贵的机器人重新编程。因此，这些方法对于非结构化环境中的实际应用仍过于僵化，其中环境的大部分未知且无法直接感知或控制。在此类环境中，无论用于批量学习的训练数据多么广泛，机器人总会面临新物体。因此，除批量学习外，机器人应能够从极少量现场训练样本中持续学习新物体类别与抓取可供性。此外，除机器人自学外，非专业用户可通过传授新概念或纠正不充分或错误概念来交互式引导经验获取过程。以此方式，机器人将通过获取越来越多经验而持续学习如何帮助人类完成日常任务，无需重新编程。
引用
@article{arxiv.2003.08151,
title = {The State of Lifelong Learning in Service Robots: Current Bottlenecks in Object Perception and Manipulation},
author = {S. Hamidreza Kasaei and Jorik Melsen and Floris van Beers and Christiaan Steenkist and Klemen Voncina},
journal= {arXiv preprint arXiv:2003.08151},
year = {2021}
}