面向机器人中心的概念知识获取

机器人需要关于物体的知识，以便高效地执行涉及物体的各种家务任务。现有的机器人知识库从手动编码的外部常识知识库（如 ConceptNet、WordNet 等）中获取关于物体的符号知识。这类方法的问题在于，由于机器人感知能力有限，以人为中心的符号知识与以机器人为中心的物体感知之间存在差异。最终，知识库中相当一部分知识无法落地到机器人的感知中。为克服这一差异，我们提出一种方法，使机器人能够从自身的感官数据生成以机器人为中心的关于物体的符号知识，从而让它们构建自己对物体的概念性理解。鉴于此目标，本文详述了所提方法的工作进展及初步结果。