跳到正文
arXiv · 机器人与计算机视觉· Samira Huber, Ruben Hammele, S\"oren Pirk·· 2026-10-08精选AI 评分82

COOL:基于好奇心的物体归属学习用于个性化机器人辅助

COOL: Curiosity-Driven Object Ownership Learning for Personalized Robotic Assistance

AI 导读

论文提出了 COOL 框架,旨在让机器人在日常环境中从观察中自主学习物体归属关系并维持长期空间记忆。该框架利用基于代理的好奇心驱动数据收集策略,引导机器人前往最具信息量的位置以更新陈旧观测。离线实验、消融研究和现实世界评估表明,COOL 能够从真实交互中推断出归属关系,并利用这些知识进行条件化的导航和任务执行。

推荐理由

论文提出 COOL 框架,通过好奇心驱动的数据收集学习物体归属关系并维持长期空间记忆。

来源:arXiv · 机器人与计算机视觉 · arxiv.org