上下文感知的杂货提醒家庭机器人

Jul, 2022

上下文感知的杂货提醒家庭机器人

Don't Forget to Buy Milk: Contextually Aware Grocery Reminder Household Robot

Ali Ayub, Chrystopher L. Nehaniv, Kerstin Dautenhahn

TL;DR本研究介绍了一种计算架构，结合了感知学习算法、记忆编码和学习的认知模型、预测缺失物品的推理模块和图形用户界面，并与 Fetch 移动机器人集成验证，以通过与用户的互动学习个性化上下文知识及长期预测家庭中缺失的物品。实验结果表明，机器人可以通过与用户的互动适应环境，还可以使用所学的知识在数周内正确预测缺失物品，并且对感官和感知错误具有强健性。

Abstract

assistive robots operating in household environments would require items to be available in the house to perform assistive tasks. However, when these items run out, the assistive robot must remind its user to buy the mi

assistive robots contextual knowledge missing items perceptual learning cognitive models

发现论文，激发创造

个性化家庭辅助机器人：通过人机交互学习和创建新的早餐选择

本文提出了一种智能家居机器人的认知结构体系，用于学习用户的偏好从而个性化准备早餐，并且可以结合任务计划、图形用户界面等技术生成并创新新的早餐。针对 Fetch 移动机器人进行了验证，实验结果表明该认知结构体系能够高效地学习用户个性化的早餐偏好，并生成一些机器人从未学习过的新的早餐组合方式。

Jun, 2023

家庭服务机器人的长期个性化交互式连续学习架构

我们结合了持续学习、语义推理和交互式机器学习的思想，并通过人机交互开发了一种新型的交互式持续学习架构，用于在家庭环境中不断学习语义知识。我们将该架构与一个物理移动机器人集成，并在实验室环境中进行了两个月的广泛系统评估。结果表明，我们的架构能够使物理机器人能够根据用户提供的有限数据不断适应环境的变化，并利用所学知识执行物体获取任务。

Mar, 2024

基于视觉的自动食品追踪系统 -- 智能家居

通过将零售货架数据与水果数据集和家庭食品库存的实时视图数据点结合，该研究解决了家庭杂货追踪问题，实现了杂货订购的完全自动化。

Dec, 2023

TidyBot：基于大型语言模型的个性化机器人助手

本研究着眼于探究如何通过先前与特定人的互动，从少量样例中学习用户偏好以个性化地协助家务清理，并通过大型语言模型（LLM）的 few-shot summarization 能力进行推断，融合基于语言的计划和感知，以便在未来的交互中普遍适用。

May, 2023

时空物体建模实现机器人辅助

通过生成式图神经网络，学习了一种统一的空间 - 时间预测模型对象动态，以适应人类的日常生活活动，并在 HOMER 数据集中优于现有的预测方法约 11.1％。

Nov, 2022

让社交机器人处理社交线索，检测何时帮助用户

本文提出一种基于社交线索的多模态融合方法，利用眼神和语言等社交线索实现实时的用户需求识别，这有助于社交机器人适应用户行为和喜好，从而提高用户体验。