基于对比演示的机器人任务学习研究

摘要

任务学习是机器人智能水平发展到一定程度后的一个必然要求。与单个的简单动作学习相比，融合在任务中的行为学习更有研究价值和现实意义，可以更全面地提升智能体的自主认知能力和适应能力，使得智能机器人能在部分领域中弥补人力的不足，有助于缓和人口老龄化等严重的社会问题。演示学习作为一种“所见即所得”的方式，让机器人通过近似于“人-人”的教授模式来学习任务知识，增强自身智能水平，比强化学习等方式更简单直观，因而逐渐成为近年来人工智能领域的一大研究热点，得到了更广泛的研究和应用，新的挑战也随之而来。
　　 针对当前演示学习扩展性不足的问题，本文以基于视觉的任务学习为例，重点研究了通用对比推理过程在演示学习中的应用，并设计了演示方案进行验证。
　　 主要研究工作和贡献如下：
　　 1．阐述了演示学习基本理论和行为知识表示，介绍了机器人视觉相关技术应用，并在此基础上提出了观察模仿的演示学习框架。
　　 2．提出了以深度信息为分割掩码的HSI颜色空间目标检测方法，对场景目标进行检测和识别，并结合金字塔L-K光流法进行跟踪预测。实验结果表明，本文的方法能满足场景中视觉处理的可靠性要求，且具有较好的实时性。
　　 3．通过探讨对比思想在演示学习中应用的可行性，提出了基于对比认知的观察模仿学习方法，并阐述了其基本步骤；研究了动作共享原则下的状态表示和动作识别方法，并在示例视频数据中取得了很高的动作识别率，这一结果表明，概念层次的范例表示具有较强的抗干扰性和可扩展性。引入有向图的因果网络表示法，提出了特色的逆向推理方法，有效利用了正反例信息来获取任务决策和约束；最后引入增量学习理念，进一步对该学习方法的扩展能力进行了验证和讨论，两部分的仿真实验表明，本文方法在学习效率和扩展能力方面具备一定优势。
　　 4．设计了实体机器人平台上的演示学习系统框架和任务方案，进行了两组具有对比性的示例演示，并利用对比学习获取任务决策和约束，最后在类似场景下成功进行了多组任务的演示验证，结果表明本文的对比学习方法是有效性的。
　　 一言以概之，本文的对比学习方法在观察模仿模式下取得了成功的验证，开启了演示学习领域新思路，可以扩展到更复杂场景或者其他任务学习过程中，给机器人任务学习提供了有价值的参考。

目录

声明

摘要

第一章 绪论

1.1 研究背景

1.2 机器人任务学习研究现状

1.3 发展趋势

1.4 本文章节和工作安排

第二章 相关理论与技术

2.1 演示学习

2.1.1 一般过程

2.1.2 基本类型

2.1.3 机器人决策方法

2.2 机器人行为知识表示

2.2.1 知识表示

2.2.2 行为规则和约束

2.3 机器人视觉技术

2.3.1 物体检测

2.3.2 目标跟踪

2.4 观察模仿演示学习

2.5 本章小结

第三章 规定场景中的目标检测和跟踪

3.1 目标检测

3.1.1 深度掩码

3.1.2 颜色分割

3.2 跟踪预测

3.2.1 金字塔L-K光流法

3.2.2 目标跟踪预测

3.3 结果与分析

3.4 本章小结

第四章 基于对比认知的观察模仿演示学习

4.1 对比思想

4.1.1 概述

4.1.2 可用性分析

4.1.3 基本思路

4.2 范例表示

4.2.1 动作共享

4.2.2 状态表示

4.2.3 动作识别

4.2.4 示例

4.3 对比推理

4.3.1 引言

4.3.2 状态图推理

4.3.3 仿真结果

4.4 增量学习

4.5 本章小结

第五章 特定任务下的系统设计与验证

5.1 系统框架与演示设计

5.2 动作序列分割与识别

5.3 任务推理学习

5.4 验证与分析

5.5 本章小结

第六章 总结与展望

6.1 论文工作总结

6.2 后续工作展望

参考文献

致谢

在读期间发表的学术论文与取得的研究成果