面向家政作业的服务机器人的知识学习与验证

It requires deep cognition and comprehensive understanding for the objects and the relevant environment when service robots execute household work. With this, service robots are able to learn knowledge according to task requirements and execute object recognition and household work with high intelligence, which is based on object knowledge and environment knowledge..As a basis, methods of object knowledge in multi-attributes classification, representation, acquisition and extraction are proposed to provide comprehensive object information in a simple and fast way for task execution. In order to realize autonomous representation and accurate cognition of home environment knowledge, the multi-granularity and multi-layer semantic map is built with the ability of task-driven-reasoning in dynamic and uncertain environment..Then a selective attention model is built to generate focus of attention, which can be regarded as prior knowledge. Based on above semantic knowledge, a deep neural network cognition mechanism is constructed to improve the ability of robots in searching and cognizing objects..Based on cognition results, a mechanism for generating service knowledge automatically is constructed, which can improve the intelligence level of robots for services execution. After validation in the virtual simulation environment and physical experimental platform, the current knowledge will be revised according to user evaluation..Finally, a complete method system relevant to knowledge will be established, including approaches of acquisition, representation, cognition, execution, validation and revision, which will be of great importance in scientific research significance and practical application value.

家居环境下机器人进行家政服务作业，需要对家居物品和环境有深层次的认知和理解，需要在物品知识和环境知识的基础上，根据任务需求进行知识学习，高智能地进行物品识别和操作任务执行。.课题将研究家居物品知识的多属性分类、表征、获取和提取方法，以简捷、快速地为操作任务执行提供物品的全面信息；构建多粒度多层次语义地图、并支持任务驱动下的动态不确定推理，实现家居环境知识自主表征和准确认知；设计空间选择性注意模型产生兴趣区域，基于语义知识研究兴趣区域为先验的深度神经网络认知机制，提高机器人面向服务任务的物品高效搜寻及深度认知能力；构建基于认知结果的服务知识自主生成机制，提高机器人服务任务执行的智能化水平。利用虚拟仿真运行环境和物理实验平台进行验证，并基于用户评价进行服务知识修正。.形成知识的获取、表征、认知、执行、验证与修正的完整方法体系，对提高服务机器人智能化水平具有重要的科学研究意义和实际应用价值。

服务机器人的研究与应用是国家科技发展的战略需求，也是社会发展的必然趋势，本项目针对家居环境下进行家政作业的服务机器人进行了深入研究。家居环境下机器人进行家政服务作业，需要对家居物品和环境有深层次的认知和理解，需要在物品知识和环境知识的基础上，根据任务需求进行知识学习，高智能地进行物品识别和操作任务执行。.项目针对机器人对物品知识和环境知识的深层认知能力低、对服务任务的学习与理解能力弱、对高难度家政作业的执行能力差等问题，研究了家居物品知识的多属性分类、表征、获取和提取方法，可简捷、快速地为操作任务执行提供物品的全面信息；构建了多粒度多层次语义地图、并支持任务驱动下的动态不确定推理，实现了面向服务任务执行的家居环境知识自主表征和准确认知；构建了基于改进深度Q学习网络与长期学习策略的模型，并利用模仿学习技术研究了基于行为克隆的主动物品检测方法，提高了机器人的主动物品检测能力；研究了基于注意力机制与多尺度信息融合的物品识别方法，提高了物品识别性能；研究了基于场景图生成的物品位置关系检测方法和基于多标签分类的物品属性检测模型，实现了物品高效检测及相关深层知识的获取；研究了基于服务策略的动作序列生成方法，结合图形表示和向量化表征将服务策略转化为机器人可理解、可执行的动作序列，将动作序列与物品知识相结合形成服务知识；在考虑机器人服务安全性与经济性的前提下，针对家庭场景特征与机器人服务执行特点搭建了虚拟仿真环境与真实物理实验环境，满足分别在虚拟层面和物理层面对服务知识的验证，并基于验证结果对服务知识进行合理性修正。.项目形成了家政作业机器人的服务知识获取、表征、认知、执行、验证与修正的完整方法体系，增强其对知识的认知、学习与利用能力，提高了服务机器人智能化水平，对加速其发展与应用具有重要的科学意义和实际应用价值。

内容获取失败，请点击重试