面向动态非结构环境的共融机器人自然交互方法研究

This project is oriented to the application demands for auto-operation of Tri-co robots in unknown environments. The key challenges are as follows: incomplete environment information , difficulties of predicting the changeable status, high dimensional task-space caused in the process of robots natural interaction. To address these problems, this project is to divide it into three parts: interactive views prediction, interactive area analysis and interactive policy learning. This project uses the deep learning theories and techniques, by exploring the "robot-environment" co-analysis, to establish the inherent relations of targets and tasks, and learn the interaction policies for robots with targets under unknown environment, Most importantly, the proposed system studies the following aspects. Investigating the relation of recurrent attention model and interaction tasks to address the interactive viewpoint estimation problems of robots. Performing the targeted interaction zone analysis based on active learning strategies to solve the high dimensional solution space problem for robotic interaction. Developing the "robot-environment" co-learning strategies to solve the spatio-temporal relation problems caused by dynamic non-strucutral environment status and the interaction tasks. This project aims to grant the robots the adaptation ability to unknown surroundings in order to finish given interaction tasks.

面向共融机器人在未知环境中进行自主作业的应用需求，针对动态非结构环境所引起的环境信息不完整、环境变化难以预测、任务空间过于庞大等核心问题，本课题拟将机器人的交互操作分解为交互视角预测、目标交互区域定位、交互策略学习三部分，通过深度学习的理论和方法，进行“机器-环境”的联合分析，提取动态非结构环境状态与交互任务之间的内在关联，学习机器人在未知环境下与任务目标的交互策略，尤其研究循环注意力模型与交互任务的关联性，解决机器人的交互视角预测问题；研究基于主动式学习的目标交互区域分析方法，解决机器人交互的任务空间过于庞大的问题；研究“机器-环境”的联合学习方法，解决动态非结构环境状态与交互任务在时间与空间上的关联问题。本课题的意义在于使机器人拥有对未知的动态非结构环境的适应能力并能够自主完成人们指定的交互任务，为深度学习在机器人自然交互中的应用开启新思路。

面向共融机器人在未知环境中进行自主作业的应用需求，针对动态非结构环境所引起的环境信息不完整、环境变化难以预测、任务空间过于庞大等核心问题，本课题拟将机器人的交互操作分解为交互视角预测、目标交互区域定位、交互策略学习三部分，通过深度学习的理论和方法，进行“机器-环境”的联合分析，提取动态非结构环境状态与交互任务之间的内在关联，学习机器人在未知环境下与任务目标的交互策略，尤其研究循环注意力模型与交互任务的关联性，解决机器人的交互视角预测问题；研究基于主动式学习的目标交互区域分析方法，解决机器人交互的任务空间过于庞大的问题；研究“机器-环境”的联合学习方法，解决动态非结构环境状态与交互任务在时间与空间上的关联问题。本课题的意义在于使机器人拥有对未知的动态非结构环境的适应能力并能够自主完成人们指定的交互任务，为深度学习在机器人自然交互中的应用开启新思路。