机器人和自主系统在现代经济中扮演着重要的角色。定制机器人显著提高了生产率、操作安全性和产品质量。然而,人们通常通过编程操作这些机器人来完成较小的领域的特定任务,而无法快速适应新任务和新情况。廉价、轻便和灵活的机器人硬件的出现为将机器人的自主能力提升到前所未有的水平提供了机会。新的机器人硬件在日常环境中的一个主要挑战是处理现实世界的持续变化性和不确定性。为了应对这一挑战,我们必须解决感知和行动之间的协同作用:一方面,机器人的感知自适应地指导其行动,另一方面,它的行动产生了新的感知信息,用于决策。我认为,实现通用机器人自治的关键一步是将感知和动作紧密地结合起来。

新兴的人工智能计算工具已经证明了成功的希望,并构成了在非结构化环境中增强机器人感知和控制的理想候选。机器人的实体本质迫使我们超越现有的从无实体数据集学习的范式,并激励我们开发考虑物理硬件和动态复杂系统的新算法。

本论文的研究工作是建立可通用的机器人感知和控制的方法和机制。我们的工作表明,感知和行动的紧密耦合,有助于机器人通过感官与非结构化的世界进行交互,灵活地执行各种任务,并适应地学习新任务。我们的研究结果表明,从低级的运动技能到高级的任务理解三个抽象层次上解剖感知-动作循环,可以有效地促进机器人行为的鲁棒性和泛化。我们规划的研究工作是处理日益复杂的任务,展现出我们朝着圣杯目标的路线图:在现实世界中构建长期的、通用的机器人自治。

成为VIP会员查看完整内容
yukezhu_phd_dissertation.pdf
closing_perception_action_loop.pdf
59
0

相关内容

【斯坦福大学博士论文】自监督场景表示学习, 97页pdf
专知会员服务
70+阅读 · 2020年6月19日
专知会员服务
118+阅读 · 2019年8月30日
【智能制造】智能制造的核心——智能决策
产业智能官
9+阅读 · 2018年4月11日
李克强:智能车辆运动控制研究综述
厚势
13+阅读 · 2017年10月17日
Arxiv
5+阅读 · 2019年4月4日
Paraphrase Generation with Deep Reinforcement Learning
Arxiv
7+阅读 · 2018年6月1日
Arxiv
3+阅读 · 2018年1月31日
小贴士
微信扫码咨询专知VIP会员