云機(jī)器人是近年來(lái)新興的交叉研究領(lǐng)域,其主要是借助云計(jì)算資源,協(xié)助完成機(jī)器人本體端的諸多任務(wù)。為機(jī)器人構(gòu)建云端大腦,實(shí)現(xiàn)機(jī)器人的終身學(xué)習(xí)是云機(jī)器人系統(tǒng)的愿景之一,針對(duì)這一目標(biāo),本文作出了研究,提出了基于聯(lián)邦學(xué)習(xí)的機(jī)器人終身學(xué)習(xí)系統(tǒng)框架及其關(guān)鍵算法,并且對(duì)相同含義不同維度傳感器數(shù)據(jù)(同源異構(gòu))、不同含義且不同維度傳感數(shù)據(jù)(異源異構(gòu))的情況進(jìn)行了分析,提出了相適應(yīng)的框架和算法,實(shí)現(xiàn)了云機(jī)器人系統(tǒng)中云端大腦的構(gòu)建。借助云端的共享模型,云機(jī)器人系統(tǒng)能夠?qū)崿F(xiàn)本地機(jī)器人知識(shí)的融合、進(jìn)化、遷移,有效地提升了本地機(jī)器人的學(xué)習(xí)效率。本文主要完成了以下工作:1、首先,在云機(jī)器人終身學(xué)習(xí)系統(tǒng)數(shù)據(jù)同源同構(gòu)的前提下,提出了基于聯(lián)邦學(xué)習(xí)的機(jī)器人終身學(xué)習(xí)系統(tǒng)基本框架:終身聯(lián)邦強(qiáng)化學(xué)習(xí)(LFRL)。提出了其中的基于生成式網(wǎng)絡(luò)的云端知識(shí)融合算法,提供了兩種可用的知識(shí)遷移方法,并分別對(duì)LFRL和其中的關(guān)鍵算法進(jìn)行了實(shí)驗(yàn)驗(yàn)證,實(shí)驗(yàn)結(jié)果表明框架和方法有效地進(jìn)行了知識(shí)融合和進(jìn)化。2、進(jìn)一步地,針對(duì)云機(jī)器人終身學(xué)習(xí)系統(tǒng)中數(shù)據(jù)同源異構(gòu)的情況,提出了異構(gòu)聯(lián)邦學(xué)習(xí)(HFL)及其云端知識(shí)融合算法、知識(shí)遷移算法,并分別對(duì)HFL和云端知識(shí)融合...

【文章頁(yè)數(shù)】：71 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖2.1人類(lèi)在對(duì)弈中所

ǎ?雜諤岣呶粗?肪持幸貧???人的實(shí)時(shí)性能和適應(yīng)性具有重要意義。然而，在導(dǎo)航中應(yīng)用強(qiáng)化學(xué)習(xí)仍然存在許多問(wèn)題，例如減少訓(xùn)練時(shí)間，長(zhǎng)時(shí)間存儲(chǔ)數(shù)據(jù)，與計(jì)算分離，快速適應(yīng)新環(huán)境等。而借助云機(jī)器人的終身學(xué)習(xí)系統(tǒng)，可以有效改善這些問(wèn)題。Actor1:Thenextstepmayhavelit....

圖2.8物理環(huán)境下的實(shí)驗(yàn)驗(yàn)證情況

基于聯(lián)邦學(xué)習(xí)的云機(jī)器人終身學(xué)習(xí)系統(tǒng)中關(guān)鍵技術(shù)的研究BluehasabetterbeginningRedhasbetterstability圖2.7LFRL中兩種不同知識(shí)遷移方法的對(duì)比實(shí)驗(yàn)結(jié)果Figure2.7Comparativeexperimentalresultsoftwod....

圖3.4用于進(jìn)行FIL實(shí)驗(yàn)測(cè)試的6個(gè)環(huán)境

基于聯(lián)邦學(xué)習(xí)的云機(jī)器人終身學(xué)習(xí)系統(tǒng)中關(guān)鍵技術(shù)的研究3.3實(shí)驗(yàn)驗(yàn)證由于云端模型與本地端模型的維度不同，所以無(wú)法像前文中一樣直接驗(yàn)證云端模型的情況，但是我們可以根據(jù)云端模型提供給本地機(jī)器人的預(yù)訓(xùn)練服務(wù)是否有效來(lái)進(jìn)行驗(yàn)證。若能夠使本地機(jī)器人的學(xué)習(xí)過(guò)程得到提升，即驗(yàn)證了融合和遷移的過(guò)程是....

本文編號(hào)：3899750