特征抽取的增量式学习算法及其在可移动机器人中的应用研究

可移动智能服务机器人是在与环境的交互中在线获取信息，这些信息特别是视觉信息是高维海量的，传统批处理的学习方式不仅不适合这类机器人的特点，而且面对高维海量的数据会碰到计算上难以克服的困难。上世纪末本世纪初，国际上出现了一种计算自主心智发育(Computational Autonomous Mental Development)的思想，该思想认为，机器人应该在与环境的交互中在线地学习，不断提升自己的智能水平。增量式学习是实现这种思想的关键技术之一，本课题将对特征抽取的增量式学习算法展开研究。要适合机器人自主发育智能的要求，相关的特征抽取方法必须是自动的。本课题选择目前最常用的自动特征抽取方法：主分量分析（PCA）、线性鉴别分析（LDA）与流形学习方法展开研究，研究其对应的增量式学习算法，并尝试将其应用到机器人自主导航与对周围人的身份识别中，使机器人能在与环境的交互中不断提升这两方面的智能。