「机器人」深度连续多视角任务学习让机器人更快认知世界


如何让未来的机器人拥有像人脑一样的学习能力?近日 , 依托中国科学院沈阳自动化研究所的机器人学国家重点实验室提出了一种连续多视角任务学习算法 , 可有效解决现存大部分多视角任务学习模型不能够满足机器人快速学习新任务的问题 , 让机器人更快地认知世界 。
「机器人」深度连续多视角任务学习让机器人更快认知世界
本文插图

多视角学习是利用事物的多种视角表征进行建模求解的一种新的机器学习方法 , 在机器学习和计算机视觉领域得到了广泛的应用 。 然而在诸多实际场景中 , 当面对同一物体的多种视角表征的情况下 , 对该物体的重复学习会产生较高的存储需求和计算成本 , 增加机器人数据处理的难度 。
为应对这一挑战 , 科研人员在该研究中提出了一种集成了深度矩阵分解和稀疏子空间学习的连续多视角任务学习模型 , 称之为深度连续多视角任务学习(DCMvTL) 。 经基准测试实验结果表明 , 深度连续多视角任务学习模型不仅能实现较高的认知准确率 , 同时能保持较高的学习效率 , 为未来服务型机器人的开发提供了有力支持 。
据悉 , 相关成果已经发表 。 该研究得到了国家自然科学基金和机器人学重点实验室的支持 。 (光明日报全媒体采访人员刘勇 通讯员李青坡)
「机器人」深度连续多视角任务学习让机器人更快认知世界
本文插图
【「机器人」深度连续多视角任务学习让机器人更快认知世界】


    推荐阅读