Nov, 2022

基于粒子滤波器信息增益的主动探索，用于高效空间概念形成

PDF
TL;DR本文提出了一种结合粒子滤波和基于信息增益的主动探索的主动推理方法，名为空间概念形成（SpCoAE），用于在家庭环境中自主地学习空间概念。实验证明该方法可以高效地确定适当的位置，形成适当的空间概念，快速覆盖环境。
autonomous robotsspatial language acquisitionactive explorationactive inferenceprobabilistic generative model
发现论文，激发创造
  • 基于高斯过程或贝叶斯神经网络的有约束轨迹探索的主动学习性能比较

    自主机器人和主动学习算法在空间任务中的应用及性能比较研究。

    Sep, 2023

  • 用深度主动推理技术实现自主机器人导航

    本文介绍了活跃推理的理论，并利用深度学习的最新进展，构建能够处理高维传感器数据并进行主动推理的复杂生成模型，这是深度主动推理在真实世界机器人导航任务中的首次应用。

    Mar, 2020

  • 使用 Affordance Map 学习移动

    本文提出了一种基于自监督学习的模块化方法，该方法将传统的几何规划与学习空间场景表示相结合，以实现对动态对象和语义约束进行自主探索和导航。在基于 VizDoom 的仿真环境中得到了验证。

    Jan, 2020

  • 学习空间和时间的层次结构：多房间迷宫环境中的层次化主动推理导航

    介绍了一种层次感知模型，结合认知地图、空间感知和位置运动，通过基于像素的观察推断出环境结构，并能在迷你格环境中进行高效探索和目标导向搜索。

    Sep, 2023

  • 主动语义目标导航的映射学习

    本文提出了一种通过主动学习生成语义地图的框架，在未知环境下实现目标物体导航，通过在未观察区域内的语义类别的不确定性进行决策，实现了对场景中语义优先级的学习，并在 Matterport3D 数据库上验证了改进的导航效果。

    Jun, 2021

  • 具有图神经嵌入的主动语义定位

    本研究提出了一个轻量级、全 CPU 基于的 “图神经本地化器” 框架，旨在解决语义定位问题。该框架结合了场景图和图神经网络技术，首先训练了一个场景图分类器用于被动视觉，然后将其知识转移到强化学习规划器用于主动视觉。实验表明，该方法在自我监督学习和无监督域适应两个场景下都具有效果。

    May, 2023

  • 在模糊环境中整合认知地图学习与主动推理的规划

    本文提出了一种将统计模型的认知地图形成与支持不确定性规划的主动推理代理进行集成的方法，并通过在三个空间导航场景中比较原始克隆图代理和主动推理驱动的克隆图代理，证明了尽管两种代理在简单场景中都有效，但主动推理代理在具有关于位置的模糊信息的挑战性场景中的规划更有效。

    Aug, 2023

  • 多机器人环境现象主动感知信息路径规划：两种算法的故事

    本文提出了两种基于信息熵和互信息准则的高效信息论路径规划方法，可以改进高斯过程模型中异性场的主动感知性能，并优化时间效率。该算法在实际应用中可以比现有技术更有效，计算时间较短。

    Feb, 2013

  • 未知环境下使用信息路径规划的半监督主动学习用于语义分割

    使用自适应地图规划的半监督主动学习方法，结合高质量的人工标签和自动提取的伪标签，显著降低人工标注的需求，从而在减少人工标注工作量的同时，达到接近全监督方法的分割性能，超过自监督方法。

    Dec, 2023

  • 移动机器人的深度生成空间模型学习

    我们提出了一个新的概率框架，允许移动机器人自主学习跨越多个抽象层次的环境的深度生成模型。

    Oct, 2016