混合云架构下服务机器人的任务主动认知机制

Considering of hybrid cloud framework for home service robot, the purposes of this project are to simulate the mechanism of human cognition and mental development, utilize the real-time scene information and knowledge in cloud to realize the active cognition to service task by the semantic knowledge reasoning and improve the cloud robot’s intelligence and the ability of personalized services..The main research work of this project includes the following parts: (1) robot’s ubiquitous perception to service environment and human is realized with the support of intelligent space, the visual selective attention mechanism combined with key point-key area information is used to choose the focus of attention and realize the autonomous information acquisition oriented to service sensitive area efficiently. (2) study the knowledgeable expression method of the information, construct the brain-like hierarchical memory system which is compatible with the hybrid cloud, have deep structure and cover the knowledge from personalized knowledge on low level to common knowledge on top level. (3) recognize the human behavior using the cloud knowledge and scene context, establish the semantic knowledge reasoning mechanism in which the weight can be adjusted adaptively and complete the active cognition to service task. (4) the knowledge growth mechanism based on hierarchical transfer learning is built to improve the intelligent ability of cloud robot.

课题面向家庭应用背景，针对混合云架构下的服务机器人，模拟人类认知机制和心智发育机理，综合利用实时情景信息与云端知识，通过语义知识推理实现云机器人对服务任务的主动认知，以提高云机器人的智能化水平和个性化服务能力。.课题主要研究内容包括：（1）基于智能空间实现机器人对服务环境和服务对象的泛在感知，并通过将视觉选择性注意机制与关键点-关键区域信息相结合，选择空间感知注意焦点，实现对服务任务敏感信息的高效主动获取。（2）研究感知信息的知识表征方法，并构建与混合云架构相容的、带有深度结构的、覆盖低层个性化知识到高层共性化知识的类脑层次化记忆体系。（3）结合云端知识和情景上下文进行人体行为理解，建立规则权重可自适应调整的、基于语义的服务推理机制，实现服务任务自主推理认知。（4）设计基于层次化迁移学习的知识增长机制，实现云机器人智能水平不断提升。

课题面向家庭应用背景，针对混合云架构下的服务机器人，模拟人类选择性注意机制，高效获取服务环境和服务对象信息，利用知识表示方式和知识库构建方法实现知识的类脑层次化记忆体系，增强机器人基于语义知识的服务任务认知能力和认知知识的迁移增长机制。最终提高机器人的智能化水平和个性化服务能力。所取得的重要成果如下：.提出了选择性注意机制的物品信息获取和服务任务认知方法，提取环境的几何信息和语义信息，实现对象信息分层感知和融合策略识别方法，并提出面部表情检测和姿态估计方法。.在信息获取基础上，研究了知识表征方法、语义知识库的构建以及一体化表征，层次化储存知识信息。为了更好地将存储的知识运用到机器人服务任务中，设计了知识接地方法，为服务机器人的服务执行提供了有力支撑，实现了类脑层次记忆体系。.实现了服务规划生成、任务自主发育以及问答系统的构建，增强了机器人在环境中的认知能力和自我定位能力。云机器人面临着各种各样的服务任务，通过构建的服务推理模型和自主认知方法增强了机器人智能化执行各种服务任务的能力。把深度学习和强化学习方法运用于服务任务认知，增强了机器人服务任务认知能力。.研究了知识学习方法，给出了服务任务的自主认知与修正、语义抓取策略的知识表征和推理等方法，构建了基于云的混合语义框架，实现了服务认知过程中的层次化经验提取和混合云架构下层次化知识迁移增长。.为了验证本课题研究，设计了混合云架构及其仿真实验平台，构建了私有云服务器、混合云架构物理实验平台，搭建了可对服务任务主动认知的混合云架构服务机器人半物理实验系统。.课题成果对增强机器人认知能力、提高服务作业的智能化水平、拓展服务机器人研究领域、加速其发展应用提供重要基础和关键技术支撑。

内容获取失败，请点击重试