基于對比演示的機器人任務(wù)學習研究.pdf

1、任務(wù)學習是機器人智能水平發(fā)展到一定程度后的一個必然要求。與單個的簡單動作學習相比，融合在任務(wù)中的行為學習更有研究價值和現(xiàn)實意義，可以更全面地提升智能體的自主認知能力和適應(yīng)能力，使得智能機器人能在部分領(lǐng)域中彌補人力的不足，有助于緩和人口老齡化等嚴重的社會問題。演示學習作為一種“所見即所得”的方式，讓機器人通過近似于“人-人”的教授模式來學習任務(wù)知識，增強自身智能水平，比強化學習等方式更簡單直觀，因而逐漸成為近年來人工智能領(lǐng)域的一大研究熱點

2、，得到了更廣泛的研究和應(yīng)用，新的挑戰(zhàn)也隨之而來。
　　 針對當前演示學習擴展性不足的問題，本文以基于視覺的任務(wù)學習為例，重點研究了通用對比推理過程在演示學習中的應(yīng)用，并設(shè)計了演示方案進行驗證。
　　 主要研究工作和貢獻如下：
　　 1．闡述了演示學習基本理論和行為知識表示，介紹了機器人視覺相關(guān)技術(shù)應(yīng)用，并在此基礎(chǔ)上提出了觀察模仿的演示學習框架。
　　 2．提出了以深度信息為分割掩碼的HSI顏色空間目標檢測

3、方法，對場景目標進行檢測和識別，并結(jié)合金字塔L-K光流法進行跟蹤預(yù)測。實驗結(jié)果表明，本文的方法能滿足場景中視覺處理的可靠性要求，且具有較好的實時性。
　　 3．通過探討對比思想在演示學習中應(yīng)用的可行性，提出了基于對比認知的觀察模仿學習方法，并闡述了其基本步驟；研究了動作共享原則下的狀態(tài)表示和動作識別方法，并在示例視頻數(shù)據(jù)中取得了很高的動作識別率，這一結(jié)果表明，概念層次的范例表示具有較強的抗干擾性和可擴展性。引入有向圖的因果網(wǎng)絡(luò)表

4、示法，提出了特色的逆向推理方法，有效利用了正反例信息來獲取任務(wù)決策和約束；最后引入增量學習理念，進一步對該學習方法的擴展能力進行了驗證和討論，兩部分的仿真實驗表明，本文方法在學習效率和擴展能力方面具備一定優(yōu)勢。
　　 4．設(shè)計了實體機器人平臺上的演示學習系統(tǒng)框架和任務(wù)方案，進行了兩組具有對比性的示例演示，并利用對比學習獲取任務(wù)決策和約束，最后在類似場景下成功進行了多組任務(wù)的演示驗證，結(jié)果表明本文的對比學習方法是有效性的。