机器人持续学习进展与展望

【摘 要】当前机器人技术面临的较大限制之一是难以适应不断变化的任务，当机器人面对新环境或者学习新任务时，会不可避免地遗忘旧环境或旧任务的经验。为了总结机器人持续学习的研究和发展现状，首先介绍了持续学习的框架和评价基准，然后阐述了持续学习在机器人任务中的必要性和面临的挑战，并对持续学习的发展现状进行了回顾，最后展望了机器人持续学习的发展前景，提出了一些有价值的研究问题。

【关键词】 持续学习 ; 终身学习 ; 机器人

0 引言

机器人是一种融合了人工智能和自动控制领域知识的智能系统，能够代替人类在复杂的环境中进行作业。得益于机器人的快速发展和硬件设备的不断更迭，机器人已在众多领域获得不俗的表现。例如，仿造人类双手操作灵活性的机器人灵巧手、量产落地的自主驾驶汽车等。任何机器人都可以被描述为从之前时刻的动作和感知信号到下一时刻的动作和感知信号的一组映射的实现。与人类类似，机器人需要在充满复杂物体和复杂社会环境（涉及人类、动物和其他机器人）的具有高度挑战性的环境中评估策略的优劣，并执行最优动作。

自主机器人技术最初的目标是建立可以在真实环境中无须人工干预即可完成特定任务的物理系统。尽管在过去 10 年中机器人技术取得了相当大的进展，但这一目标尚未实现。当前机器人技术较大的限制之一是缺乏对不断变化的环境和任务的适应性。虽然一些机器人已经成功地应用于动态和复杂感知的环境中，但它们的适应性和容错能力通常受到人类对机器人可能遇到的场景的预测的限制。由于机器人需要在真实和潜在未知的环境中工作，要预先编程机器人可能面临的所有环境是不现实的。应对这些挑战的唯一方法是让机器人拥有适应环境的能力，并发展恰当的策略，以适应可能不断变化的任务。此外，目前大多数机器学习方法是基于离线任务进行实验的，即可以同时获得所有任务的数据。在这样的设定下ÿ