面向移动机器人环境感知的主动学习研究

对周边环境可靠的感知是移动机器人在荒野、战场、甚至外星球等非结构环境中自主移动的前提。机器学习方法在环境感知领域逐渐显示出显著的优势和巨大的潜力。现有的基于机器学习的环境感知方法一般需要大量有标记的数据作为训练样本，然而标记大量多传感器数据却是极其繁琐和费时的工作。本课题拟引入主动学习机制，来减少获得良好感知能力所需要的数据标记量。本课题所涉及的主要研究内容包括：数据的预处理，重要未标记数据的自动选取，基于标记数据的训练学习，学习方法的性能评估。本课题的主要创新之处在于：1.引入主动学习机制，结合监督学习方法构成一种训练感知系统的新模式；2.提出一个基于数据分布的主动学习初始化思路；3.给出特定的多传感器数据预处理技术，包括：自动降维方法、训练样本与询问数据的设计。本课题研究的预期成果是解决由环境感知应用所引发的与主动学习相关的基础科学问题，开发出基于主动学习的障碍物检测器和地形分类器。