Den Ort finden: Wie man konvolutionale neuronale Netzwerke für einen dynamisch lernenden Roboter trainiert und einsetzt

Für einen Roboter ist die Fähigkeit, sein Wissen automatisch anzupassen und sein Verhalten zu individualisieren, ein entscheidendes Merkmal. Darüber hinaus sollte ein Roboter in der Lage sein, seine Aufgaben langfristig durchzuführen und dies nahtlos in Anwesenheit von Veränderungen in seiner Umgebung zu tun. Dazu ist es unerlässlich, dass der Roboter dynamisch von seiner Umgebung lernt, aber ein vollständiges Retraining einer Deep-Learning-Architektur durchzuführen, wenn das Modell neues Wissen benötigt, ist eine äußerst zeitaufwändige Aufgabe. Diese Arbeit konzentriert sich darauf, mehrere Strategien zu erkunden, um neue Daten in ein bereits erlerntes Modell zu integrieren, angewendet auf das Problem der semantischen Lokalisation mit Fokus auf die Genauigkeit des finalen Modells und deren Trainingszeit. Umfassende Experimente werden durchgeführt und jedes Ergebnis wird entsprechend diskutiert.