本文是对《Teaching Robots to Understand Semantic Concepts》一文进行的翻译。
原文地址
https://research.googleblog.com/2017/07/teaching-robots-to-understand-semantic.html
机器学习可以使机器人获得复杂的技能,如抓住和打开门。 然而,学习这些技能需要我们手动编制机器人尝试优化的奖励功能。 相比之下,人们可以通过观察别人的做法来理解任务的目标,或者只是被告知目标是什么。 我们可以这样做,因为我们利用我们自己对世界的先前的了解:当我们看到有人砍苹果时,我们明白,目标是生产两片,不管它是什么类型的苹果,还是什么样的工具 用来削减它 同样,如果我们被告知拿起苹果,我们明白我们要抓住哪个对象,因为我们可以在环境中说出“苹果”这个词:我们知道这是什么意思。
这些是语义概念:像产生两个切片的突出事件,以及由“苹果”这样的词表示的对象类别。我们可以教导机器人来了解语义概念,让他们遵循通过分类标签或用户提供的示例指定的简单命令吗? 在这篇文章中,我们讨论了我们最近关于机器人学习的一些工作,它结合了机器人自主收集的经验,机器人丰富但缺乏人提供的标签,人体标记的数据允许机器人了解语义。 我们将描述机器人如何使用他们的经验来理解人为提供的示范中的突出事件,尽管人类机器人身体之间存在差异,并且基于用户命令理解诸如“玩具“和“笔“之类的语义类别来拾取对象。
理解具有深刻视觉特征的