機器人學(xué)國家重點實驗室科研人員提出了一種連續(xù)多視角任務(wù)學(xué)習(xí)算法

依托于中國科學(xué)院沈陽自動化研究所的機器人學(xué)國家重點實驗室近日提出了一種連續(xù)多視角任務(wù)學(xué)習(xí)算法。這種被稱為深度連續(xù)多視角任務(wù)學(xué)習(xí)(DCMvTL)的新算法，可有效解決現(xiàn)存大部分多視角任務(wù)學(xué)習(xí)模型不能夠滿足讓機器人快速學(xué)習(xí)新任務(wù)的問題，讓機器人更快認(rèn)知不同的世界。

據(jù)了解，多視角多任務(wù)學(xué)習(xí)目前在機器學(xué)習(xí)和計算機視覺領(lǐng)域應(yīng)用廣泛，然而在諸多實際場景中，當(dāng)多視角學(xué)習(xí)任務(wù)按序列順序到來時，重新訓(xùn)練以前的任務(wù)在這種終身學(xué)習(xí)場景中會產(chǎn)生較高的存儲需求和計算成本。為應(yīng)對這一課題，機器人學(xué)國家重點實驗室科研人員在研究中提出了一種集成了深度矩陣分解和稀疏子空間學(xué)習(xí)的連續(xù)多視角任務(wù)學(xué)習(xí)模型。

在基準(zhǔn)測試數(shù)據(jù)集上的實驗結(jié)果表明，深度連續(xù)多視角任務(wù)學(xué)習(xí)模型不僅能實現(xiàn)較高的認(rèn)知準(zhǔn)確率，同時能保持較高的學(xué)習(xí)效率，即讓機器人更快地認(rèn)知不同的世界。