4、利用概率性对象 - 对象关系的主动对象搜索

利用概率性对象 - 对象关系的主动对象搜索

1. 引言

家用机器人需在有人居住的环境中完成如递送物品、安全导航等任务，这就要求对环境有准确描述。但由于机器人传感范围有限，且环境中的物体经常移动，完整的环境描述难以获取。

主动对象搜索是本文的重点。例如，给机器人下达“找到《小红帽》这本书”的任务，若采用简单的逐个房间彻底搜索的方法，虽可能成功，但会让用户失去耐心。主动对象搜索存在两种情况：一是目标物体位置已知，搜索任务可简化为导航任务；二是目标物体位置未知，在这种更具挑战性和现实性的情况下，人类凭借经验（如书常放在桌子或书架上）能高效且高成功率地完成搜索。

获取常识知识有学习和预编程两种方式，预编程耗时且不完整，学习则因知识通常以人类而非机器人可理解的格式编码而具有挑战性，因此常将两者结合。像LabelMe、Open Mind Common Sense（OMICS）项目和Flickr.com等资源可用于获取常识知识，并将其转化为概率模型。

早在七十年代就提出了间接对象搜索，即利用更易观察的中间对象（如更大的物体）来寻找目标对象。本文在此基础上，提出了利用中间对象链进行主动对象搜索的策略。

2. 概率性对象关系

2.1 学习对象关系

我们关注两种对象关系：对象 - 房间关系和对象 - 对象关系。对于对象 - 房间关系，采用已有方法，将OMICS数据库中人类生成的房间与对象组合的事实与明确的本体概念匹配，再根据Jeffrey - Perk定律，使用Lidstone定律（λ = 0.5）计算给定房间中出现某个对象的条件概率，以补偿未观察到的组合。

对于对象 - 对象关系，根据Lid