基于分布式知识编码的机器人场景理解与推理

王海涛 ,  张少林 ,  蒋天雨 ,  葛悦光 ,  崔少伟 ,  王硕

科学技术与工程 ›› 2026, Vol. 26 ›› Issue (9) :3634-3641

PDF (9831KB)
科学技术与工程 ›› 2026, Vol. 26 ›› Issue (9) :3634-3641 DOI: 10.12404/j.issn.1671-1815.2506683
智能机器人关键技术专栏

基于分布式知识编码的机器人场景理解与推理

作者信息 +

Distributed Knowledge Encoding for Scene Understanding and Reasoning in Robotics

Author information +
文章历史 +

摘要

在复杂场景中的理解和推理能力是衡量机器人智能程度的关键指标之一。然而,现有方法多聚焦于静态环境中的问答任务,难以有效应对动态场景中的多步推理需求。提出一种基于分布式知识编码的机器人场景理解与推理方法,通过构建概念-属性双层结构的场景知识图谱,增强机器人的场景理解能力。其中,实体概念通过分布式嵌入技术表示为属性集合,实现语义表达的紧凑化与可计算化。此外,设计了一种分类器,用于根据初始场景与目标场景,推理实现场景变换所需的机器人操作序列。所提分布式知识编码方法具有良好的可解释性,能够将多步场景变换过程分解为可执行的单步操作序列,使得推理复杂度随变换步数线性增长。在公开数据集Trance上的实验结果表明,与 GPT-4o 相比,所提方法在场景变换识别的敏感性与多步推理性能方面均取得更优表现。此外,在真实机器人平台上,验证了所提方法在实际场景中的可行性与鲁棒性。

Abstract

Understanding and reasoning in complex scenes are regarded as key indicators for evaluating the intelligence level of robots. However, existing methods mainly focus on question answering tasks in static environments and are insufficient for addressing multi-step reasoning requirements in dynamic scenes. A robot scene understanding and reasoning method based on distributed knowledge encoding was proposed. A scene knowledge graph with a dual-layer structure of concepts and attributes was constructed to enhance scene understanding capability. Entity concepts were represented as attribute sets through distributed embedding techniques, which enables compact and computable semantic representation. In addition, a classifier was designed to infer the sequence of robot actions required to achieve scene transformation based on the initial scene and the target scene. The proposed distributed knowledge encoding method exhibits good interpretability. Multi-step scene transformation processes were decomposed into executable single-step action sequences, such that the reasoning complexity increases linearly with the number of transformation steps. Experiments were conducted on the public Trance dataset. The experimental results demonstrate that, compared with GPT-4o, the proposed method achieves superior performance in scene transformation sensitivity and multi-step reasoning capability. Furthermore, feasibility and robustness in real-world scenarios are validated on a real robotic platform.

Graphical abstract

关键词

场景理解 / 知识图谱 / 分布式知识编码 / 动作序列预测

Key words

scene understanding / knowledge graph / distributed knowledge encoding / action sequence prediction

引用本文

引用格式 ▾
王海涛, 张少林, 蒋天雨, 葛悦光, 崔少伟, 王硕. 基于分布式知识编码的机器人场景理解与推理[J]. 科学技术与工程, 2026, 26(9): 3634-3641 DOI:10.12404/j.issn.1671-1815.2506683
WANG Hai-tao, ZHANG Shao-lin, JIANG Tian-yu, GE Yue-guang, CUI Shao-wei, WANG Shuo. Distributed Knowledge Encoding for Scene Understanding and Reasoning in Robotics[J]. Science Technology and Engineering, 2026, 26(9): 3634-3641 DOI:10.12404/j.issn.1671-1815.2506683

登录浏览全文

4963

注册一个新账户 忘记密码

认知科学表明,场景推理是人类认知的一个关键要素。尽管最先进的计算机视觉算法已在实体识别与分割方面取得显著进展,但实现精准的场景理解与自主推理仍是机器人长期面临的核心挑战之一。场景理解赋予机器人对世界的高层语义认知能力,该领域的典型任务之一是视觉问答(visual question answering,VQA),即机器人通过图像分析回答关于实体属性、空间关系及其他上下文信息的问题[1]。尽管VQA推动了场景理解的发展,但其在动态环境中的适应性仍然有限,而动态场景要求机器人能够准确识别场景变化,并据此做出合理推理。
场景理解是机器人实现自主推理的基础能力,核心目标是使机器人具备对环境的感知与语义理解能力。随着深度学习的快速发展,端到端的场景表示方法在图像与文本分析任务中表现出色,例如双向编码器表示模型(bidirectional encoder representations from transformers,BERT)能够捕捉上下文语义信息,生成高质量的文本表示[2]。基于卷积神经网络(convolutional neural network,CNN)的实体识别与分割模型[3]在静态场景理解任务中取得较高性能。基于 Transformer 的视觉模型进一步利用自注意力机制提升了场景理解的准确性与泛化能力[4]。跨模态语言-图像预训练模型(contrastive language-image pre-training,CLIP)通过大规模图文对的联合学习,显著增强了视觉语义对齐能力[5]。与此同时,生成式模型因具备组合性与可控生成能力,逐渐成为提升模型可解释性与可编辑性的有力手段[6]。随着大模型与跨模态学习的发展,视觉-语言模型被引入机器人场景理解与推理任务中,通过端到端建模显著提升了语义理解能力[7-8]。同时,部分研究开始关注动态场景的结构化表示,提出了三维动态场景图和开放词汇场景图模型,以支持机器人感知与规划[9]。然而,上述方法大多仍以静态场景建模为核心,推理过程通常依赖端到端隐式表示,对场景中连续变化过程和多步操作缺乏显式建模与可解释推理机制。这在需要持续感知与动态决策的机器人操作场景中构成了显著限制。
文献计量分析显示,场景理解与知识驱动推理已成为国内外机器人研究的热点方向,这进一步凸显了结构化知识表示在机器人多步操作推理中的研究价值[10]。近年来,知识图谱被广泛用于机器人场景建模与推理,其通过图结构形式表达实体、属性及其关系,为语义理解提供了重要支撑[11]。现有知识图谱推理方法主要分为符号推理与向量推理两类。符号推理方法依赖逻辑规则进行知识演绎,具有良好的可解释性,但在复杂动态场景下存在扩展性受限的问题[12];而基于向量嵌入的推理方法通过低维表示提升了计算效率,但往往以牺牲语义透明性和推理可解释性为代价[13-14]。
综合来看,近年来的研究尚未在可解释性与扩展性之间取得有效平衡,特别是在动态场景下对多步变化过程的显式建模仍然不足。因此,亟须一种兼具结构语义表达能力与分布式计算优势的中间表示方法,以支撑机器人在复杂环境中的自主操作与多步推理。
为应对上述挑战,现提出一种分布式知识编码方法,旨在通过分布式推理获取机器人所需执行的原子操作,实现从初始场景向目标场景的变换。所谓原子操作,指引起实体属性级变化的最小操作单元。首先,为初始场景与目标场景分别构建知识图谱,建模其中的概念层与属性层结构;其次,采用分布式嵌入技术将每个实体编码为其属性集合的向量表示;最后,设计一个分类器用于推理场景变化所对应的机器人原子操作步骤。该分布式知识编码机制具备良好的可解释性,支持将多步场景变换过程分解为操作单元序列,从而使预测复杂度随变换步骤线性增长,有效降低推理空间与计算成本。在公开数据集 Trance[15]上进行了仿真实验与对比分析,以验证所提方法在场景变化感知能力与多步推理性能方面的性能。此外,还在真实机器人平台上部署该方法,进一步验证其在实际场景推理任务中的有效性。

1 实验方法

详细介绍所提出方法的整体框架与关键技术,包括问题定义、知识图谱构建、分布式知识编码以及基于原子操作的多步场景推理。整体流程如图1所示。

1.1 问题定义

形式上,设场景空间为S,机器人操作空间为M。原子操作被定义为引起实体属性级变化的最小操作单元,表示为

$m=(e,a,v)$

式(1)中:e为目标实体;a表示实体属性;v为属性的新取值。目标是在已知初始场景S0和目标场景ST的条件下,推理出一系列原子操作$\{{a}_{1},{a}_{2},\dots,{a}_{k}\}$,使得机器人能够完成从S0向ST的场景变换。形式化表达为

$f({S}_{0},{S}_{\mathrm{T}})=\{{a}_{1},{a}_{2},\dots,{a}_{k}\}$

式(2)中:k为推理所需的操作步数。

1.2 知识图谱构建

为构建场景知识图谱,首先需从感知数据中提取实体的语义信息。采用Faster R-CNN获取候选实体的边界框,并利用CLIP对裁剪后的实体区域进行语义分类,从而得到实体类别及其属性集合。随后,利用Neo4j图数据库生成知识图谱,并采用“概念-属性”双层结构组织场景信息。概念层节点表示机器人可感知与交互的物理实体;属性层节点描述实体的具体属性(如颜色、位置、状态);边关系刻画实体与属性的从属关系,以及实体之间的空间或语义关系。这种双层结构不仅保留了符号化的高层语义信息,还为后续分布式知识编码提供了结构化表示的基础。

1.3 分布式知识编码

在机器人任务中,将实体、属性和场景进行数学建模时,常面临模型复杂度高、计算开销大及泛化能力不足等挑战。尤其是实体与场景在表示层级上的不一致性,进一步加剧了其在统一推理框架中融合的难度。

为解决上述问题,提出一种基于属性组合的分布式知识编码方法。场景表示为其所包含实体的集合,其中每个实体不再被视为独立的符号,而是由属性组合构成的概念表达。在构建的场景知识图谱基础上,概念层中的实体首先通过词嵌入技术映射为概念向量[16],对应的属性则通过神经网络映射至属性特定空间。最终,各属性向量拼接后构成实体的分布式知识编码。该编码结构中的每一维度均具备明确的属性物理语义,有助于提升模型的可解释性。

为确保分布式知识编码既贴近其概念向量,又能与其他实体保持足够的区分度,对编码方式进行了进一步优化。假设一个场景中包含n个实体,每个实体具有k个属性,则第i个实体的分布式知识编码可表示为

${e}_{i}=[{a}_{i}^{1},{a}_{i}^{2},\dots,{a}_{i}^{k}]$

式(3)中:${a}_{i}^{k}$为该实体的第k个属性向量;ei为整体编码。

为了增强理解的直观性,给出一个具体示例:在积木操作任务中,某一积木实体可由属性集合{颜色=红色,位置=(x,y),尺寸=中等}表示。经过编码过程,颜色属性映射为向量acolor,位置属性映射为向量apos,尺寸属性映射为向量asize,最终该实体的编码为e=[acolor,apos,asize]。该表示具备良好的语义解释性,使得推理模型能够在属性级别进行场景变化建模。

为保证编码的语义一致性,引入正则化评分函数与排序损失函数,以约束实体编码与概念向量之间的相似度。基于L1正则项的评分函数为

${f}_{\mathrm{s}}({e}_{i},{c}_{i})=\Vert {e}_{i}-{c}_{i}{\Vert }_{L1}$

式(4)中:ci为第i个实体的概念向量。基于上述评分函数,构造排序损失函数为

$\Gamma =y{f}_{\mathrm{s}}({e}_{i},{c}_{i})+(1-y)\mathrm{m}\mathrm{a}\mathrm{x}[0,p-{f}_{\mathrm{s}}({e}_{i},{c}_{i}\left)\right]$

式(5)中:$y\in \left\{\mathrm{0,1}\right\}$为样本标签,正样本对时y=1,负样本对时y=0。负样本对由正样本通过随机替换分布式编码ei或概念向量ci生成,但不会同时替换二者。参数p为间隔超参数,用于强化正负样本对之间的区分度并确保梯度更新的有效性。

1.4 多步原子操作的场景推理

对于单步原子操作任务,分类器可根据初始场景与目标场景之间的差异,直接预测原子操作的三元组(e,a,v)。在分类器设计上,采用多任务输出的形式,分别预测操作涉及的实体、属性与属性值,而非将三者联合编码为单一标签进行分类。这一设计的原因在于保持推理的物理语义可解释性:实体与属性的选择对应机器人操作对象与动作目标,而属性值的预测则决定具体操作方式。该解耦式设计不仅提升了模型训练的稳定性,也使得生成的操作序列能够直接映射为机器人可执行的物理动作。然而在复杂任务中,往往需要多个原子操作的组合才能完成整体变换,导致推理难度显著增加。为此,将多步原子操作任务拆解为一系列单步操作的逐步预测过程,以提升整体推理的准确性。

设初始场景与目标场景的分布式知识编码分别为s和s',则二者之间的场景变化可通过差分矩阵表示为

$\mathrm{\delta }=\mathrm{s}\text{'}-\mathrm{s}=\left(\begin{array}{llll}\Delta {a}_{1}^{1}& \Delta {a}_{1}^{2}& \dots & \Delta {a}_{1}^{k}\\ \Delta {a}_{2}^{1}& \Delta {a}_{2}^{2}& \dots & \Delta {a}_{2}^{k}\\ ︙& ︙& & ︙\\ \Delta {a}_{n}^{1}& \Delta {a}_{n}^{2}& \dots & \Delta {a}_{n}^{k}\end{array}\right)$

该变化矩阵$\delta $表征了场景中各实体属性的变化。在单步操作中,通常仅涉及一个实体的某一属性变化,其余部分保持不变。利用该稀疏性结构,采用多任务监督学习策略,在多层感知机(MLP)中引入三组独立的全连接层,分别用于预测原子操作的3个组成部分,表达式为

$\mathrm{M}\mathrm{L}\mathrm{P}\left(\delta \right)=\left({f}_{e}\right[\delta ),{f}_{a}(\delta ),{f}_{v}(\delta \left)\right]$

式(7)中:${f}_{e}\left(\delta \right)$、${f}_{a}\left(\delta \right)$和${f}_{v}\left(\delta \right)$分别为预测实体、属性和值的模块,均通过Softmax输出。相应的损失函数定义为

$L={\mu }_{e}L(e,\stackrel{\wedge }{e})+{\mu }_{a}L(a,\stackrel{\wedge }{a})+{\mu }_{v}L(v,\stackrel{\wedge }{v})$

式(8)中:L(·)为交叉熵损失函数;$\stackrel{\wedge }{e}、\stackrel{\wedge }{a}、\stackrel{\wedge }{v}$为真实标签;μe、μa、μv为各子任务的权重超参数。通过加权损失设计,可动态调整训练时各分支的重要性,从而在特定任务需求下实现更具针对性的优化。

在多步原子操作任务中,分布式知识编码的可解释性确保了其变化矩阵可被分解为具有明确物理语义的子结构。设目标场景转化共包含N步原子操作,则可通过算法1将整体变化矩阵$\delta $分解为一个子矩阵与残差矩阵。每个子矩阵与$\delta $维度一致,但仅保留一个实体的一个属性变化,表示一次原子操作引起的变化,残差矩阵表示当前未解释的变化信息。通过迭代残差矩阵N-1次,可将整体矩阵逐步分解为N个子矩阵。每个子矩阵依次输入式(7)所定义的分类器,便可获得对应的原子操作,从而将复杂的多步推理问题转化为单步预测序列。

复杂度分析。假设场景中包含n个实体,每个实体有m个属性取值,若直接预测k步原子操作序列,其搜索空间为${\rm O}{\left(nm\right)}^{k}$,呈指数级增长。相比之下,本文方法将任务转化为逐步预测,每一步仅涉及一个实体的单个属性变化,整体复杂度为 ${\rm O}\left(knm\right)$,实现由指数级到线性级的显著优化。这种设计不仅提升了计算效率,也增强了模型在多步推理任务中的可扩展性。

2 实验结果与分析

基于公开数据集Trance开展定量实验,系统评估所提出的分布式知识编码方法与现有主流方法在原子操作推理任务中的性能差异。此外,还提供了一个实例,展示该方法在实际机器人平台中的部署与应用效果。

2.1 仿真实验

2.1.1 数据集

Trance 是一个面向场景推理任务的公开数据集,旨在评估模型对复杂场景变化的理解与推理能力。该数据集中的每条样本均以结构化文本形式描述,包括初始场景、目标场景及二者之间的转变过程。为便于评估模型在不同复杂度下的表现,依据初始场景转化为目标场景所需的原子操作步数(1~4步),将Trance数据集划分为4个子集。每个子集中随机选取8 000条样本用于训练,2 000条样本用于测试。

2.1.2 评估指标

在单步原子操作推理任务中,分别评估模型对操作涉及的实体、属性和值的预测准确率,作为性能衡量标准。而在多步原子操作推理任务中,由于存在多种有效的操作序列均可实现相同的场景转变,因此不逐步评估每一预测动作的准确性,而是关注模型推理出的完整操作序列是否能将初始场景成功还原为目标场景。

2.1.3 对比方法

选取3种具有代表性的基线方法进行对比分析。

(1)BERT:一种基于Transformer的预训练语言模型,具备双向上下文建模能力,能够理解场景文本中的语义关系。

(2)One-hot编码:采用独热向量对知识图谱中的实体与属性进行表示,作为分布式知识编码的消融版本,用于验证分布式表示方式在原子操作推理任务中的有效性。

(3)GPT-4o:当前领先的大语言模型,具备强大的文本生成能力、复杂任务理解能力以及多模态推理能力,在多类推理任务中表现优异。

2.1.4 实验结果与分析

单步原子操作预测任务的对比结果如表1和图2所示。结果表明,分布式知识编码、One-hot编码和GPT-4o均能较为准确地预测操作所涉及的实体、属性及属性值;相较之下,BERT的预测性能显著降低。这一性能差异的根本原因在于各方法所采用的推理策略不同。分布式知识编码、One-hot编码以及 GPT-4o借助于对初始场景与目标场景之间的局部差异来推理原子操作,具备更强的细粒度变化感知能力;而BERT更偏向于建模场景的整体语义差异,对细节层面的属性变化不够敏感,因而在原子操作识别上存在明显短板。One-hot与GPT-4o的准确率接近,但 One-hot 在高维情况下训练过程不够稳定。BERT表现最差,主要受限于指数级增长的预测空间。

随着步数增加,预测空间急剧扩张,显著降低了模型的推理准确性,需依赖大量训练数据方可弥补性能损失。为此,将训练集与测试集样本数量扩大至原来的 2.5 倍,实验结果如表2、图3所示,BERT的准确率由 0.12 提升至 0.18。此外,BERT 模型参数量达 110M(M表示106),计算开销大,且在四步原子操作任务中易出现推理失败的情况。

GPT-4o具备链式思维能力,但缺乏严格的逻辑一致性。GPT-4o 能够将复杂任务拆解为多个推理步骤,推理过程具有一定可解释性,但常常缺乏严格的逻辑一致性。实验中观察到两类典型错误:一是推理过早终止,仅生成部分原子操作,无法还原完整目标场景;二是推理冗余过度,生成的原子操作超出实际所需步数,甚至产生虚构操作(即“幻觉”现象)。

分布式知识编码具备结构可解释性,有效降低推理复杂度。该方法对多步原子操作引起的场景变化进行解耦,将推理任务转化为一系列单步原子操作的预测过程, 每一步均可对应到实体属性的物理含义,避免了“黑箱”推理的困境。此外,这种转换方式使得预测空间随原子操作步数呈线性增长,从而显著降低整体计算复杂度。

One-hot编码存在维度爆炸问题。One-hot编码能够有效表示离散类别,但在属性取值种类较多的情形下,会导致表示维度急剧膨胀。实验中,独热编码的实体表示维度约为分布式知识编码的 7 倍,导致高维稀疏矩阵在训练过程中梯度更新不稳定,从而影响模型性能。

以上结果验证了所提出的分布式知识编码方法在场景理解与推理方面的优势,特别是在多步推理中,保持高准确率的同时,计算效率更优。

2.2 真实实验

2.2.1 实验设置

在真实机器人平台上部署了分布式知识编码方法,以验证其在已知初始场景与目标场景条件下,如何准确推理原子操作序列并指导机器人完成操作任务。实验环境由若干积木随机分布在桌面和平行置物架上构成,UR5机械臂通过执行一系列原子操作完成对积木位置的调整与重构。共采集了1200对训练样本,每对样本包含初始场景图像、目标场景图像及对应的原子操作序列,用于描述从初始状态变换为目标状态所需的操作步骤。实验从两方面进行评估,①操作成功率:完成目标场景重构的比例;②鲁棒性测试:目标场景扰动后,模型能否重新生成有效操作序列。

2.2.2 结果与分析

如图4所示,在测试时,首先记录目标场景的图像与结构信息,其次人为打乱积木位置,构造新的初始场景,然后分别将初始场景与目标场景表示为 Neo4j 图数据库中的知识图,经由分布式知识编码与场景变化矩阵分解后,模型输出一组单步原子操作组成的预测序列,最后机器人根据预测序列依次执行操作,逐步将当前场景还原为目标场景。在50组测试任务中,机器人成功完成 46 组,成功率为92%。失败案例主要包括夹取不稳定(3组)和视觉识别错误(1组)。

为进一步验证所提方法的鲁棒性与泛化能力,在机器人首次完成目标场景重构后,实验人员再次对目标场景施加扰动,形成新的非理想状态。如图5所示,模型再次成功推理出一组有效的原子操作序列,机器人成功完成目标场景的还原操作。在扰动场景下,方法仍能以88%的成功率完成任务,该结果表明本文方法在实际物理环境中具备良好的容错性与持续推理能力。

综上所述,分布式知识编码方法不仅在仿真环境中表现出色,也能够在真实物理环境中稳定运行,具备实际应用潜力。

未来研究可从以下几个方向进一步拓展:一是引入无监督与在线增量学习机制[17],实现知识图的自适应构建与更新,提升模型在开放场景中的通用性;二是融合时空图神经网络[18]以及多模态传感数据(如触觉[19]与力反馈[20]),增强模型对连续动态属性和多模态交互信息的感知与建模能力。

3 结论

提出了一种基于分布式知识编码的机器人场景理解与推理方法。该方法通过构建“概念-属性”双层结构的知识图谱,并引入分布式知识编码机制,将符号化的实体概念映射为属性层级的向量表示,实现了对场景变化的细粒度建模与识别。在多步原子操作推理中,提出的矩阵分解与逐步预测策略有效地降低了推理复杂度,使整体计算开销由指数级下降为线性级。

在公开数据集 Trance 上的实验结果表明,本文方法在单步与多步原子操作预测任务中均显著优于基线方法,尤其在复杂场景下保持了更高的推理准确率与计算效率。在真实机器人平台上的验证进一步说明,该方法能够稳定指导机械臂完成场景重构任务,具备良好的鲁棒性与实际应用潜力。

参考文献

[1]

Huang S, Ponomarenko I, Jiang Z, et al. ManipVQA: injecting robotic affordance and physically grounded information into multi-modal large language models[C]// IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS). Abu Dhabi: IEEE, 2024: 7580-7587.

[2]

曾桢, 王擎宇. 融合BERT中间隐藏层的方面级情感分析模型[J]. 科学技术与工程, 2023, 23(12): 5161-5169.

[3]

Zeng Zhen, Wang Qingyu. Aspect-based sentiment analysis model incorporating the BERT intermediate hidden layer[J]. Science Technology and Engineering, 2023, 23(12): 5161-5169.

[4]

Xu X, Zhao M, Shi P, et al. Crack detection and comparison study based on faster R-CNN and mask R-CNN[J]. Sensors, 2022, 22(3): 1215.

[5]

李金成, 代雪晶, 闫睿骜. 基于3D-CNN和融合Transformer的步态识别算法[J]. 科学技术与工程, 2025, 25(17): 7276-7284.

[6]

Li Jincheng, Dai Xuejing, Yan Ruiao. Gait recognition algorithm based on 3D-CNN and integrated Transformer[J]. Science Technology and Engineering, 2025, 25(17): 7276-7284.

[7]

侯永宏, 郑皓春, 高嘉俊, 等. 基于CLIP模型和知识数据库的零样本动作识别[J]. 天津大学学报(自然科学与工程技术版), 2025, 58(1): 91-100.

[8]

Hou Yonghong, Zheng Haochun, Gao Jiajun, et al. Zero-shot action recognition based on the CLIP model and a knowledge database[J]. Journal of Tianjin University (Science and Technology), 2025, 58(1): 91-100.

[9]

Williams C K I. Structured generative models for scene understanding[J]. International Journal of Computer Vision, 2025, 133(5): 2845-2867.

[10]

Driess D, Xia F, Sajjadi M S M, et al. PaLM-E: an embodied multimodal language model[C]// International Conference on Machine Learning. Hawaii: PMLR, 2023: 8469-8488.

[11]

Li J, Li D, Savarese S, et al. Blip-2: Bootstrapping language-image pre-training with frozen image encoders and large language models[C]// International Conference On Machine Learning. Hawaii: PMLR, 2023: 19730-19742.

[12]

Gu Q, Kuwajerwala A, Morin S, et al. Conceptgraphs: open-vocabulary 3D scene graphs for perception and planning[C]// IEEE International Conference on Robotics and Automation (ICRA). Yokohama: IEEE, 2024: 5021-5028.

[13]

褚旭龙, 史冬梅, 刘进长. 近20年中国智能机器人领域研究热点——基于CiteSpace的文献计量分析[J]. 科学技术与工程, 2023, 23(6): 2477-2484.

[14]

Chu Xulong, Shi Dongmei, Liu Jinchang. The hot spot of intelligent robot research in China in recent 20 years-bibliometric analysis based on CiteSpace[J]. Science Technology and Engineering, 2023, 23(6): 2477-2484.

[15]

王帅, 何文春, 王甫棣, 等. 大语言模型融合知识图谱与向量检索的问答系统[J]. 科学技术与工程, 2024, 24(32): 13902-13910.

[16]

Wang Shuai, He Wenchun, Wang Fudi, et al. Research on question answering system based on large language model integrating knowledge graph and vector retrieval[J]. Science Technology and Engineering, 2024, 24(32): 13902-13910.

[17]

夏毅, 兰明敬, 陈晓慧, 等. 可解释的知识图谱推理方法综述[J]. 网络与信息安全学报, 2022, 8(5): 1-25.

[18]

Xia Yi, Lan Mingjing, Chen Xiaohui, et al. Survey on explainable knowledge graph reasoning methods[J]. Chinese Journal of Network & Information Security, 2022, 8(5): 1-25.

[19]

Ravichandran Z, Peng L, Hughes N, et al. Hierarchical representations and explicit memory: learning effective navigation policies on 3D scene graphs using graph neural networks[C]// International Conference on Robotics and Automation (ICRA). Philadelphia: IEEE, 2022: 9272-9279.

[20]

Daruna A, Das D, Chernova S. Explainable knowledge graph embedding: inference reconciliation for knowledge inferences supporting robot actions[C]// IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS). Kyoto: IEEE, 2022: 1008-1015.

[21]

Hong X, Lan Y, Pang L, et al. Transformation driven visual reasoning[C]// Proceedings of the IEEE/CVF Conference on Computer Vision And Pattern Recognition. Nashville: IEEE, 2021: 6903-6912.

[22]

张昱, 冯亚寒, 丁千惠. 融合Word2Vec词嵌入的多核卷积神经网络音乐歌词多情感分类方法[J]. 科学技术与工程, 2024, 24(20): 8598-8605.

[23]

Zhang Yu, Feng Yahan, Ding Qianhui. Multi-sentiment classification of music lyrics by incorporating Word2Vec word embedding multi-core convolutional neural networks[J]. Science Technology and Engineering, 2024, 24(20): 8598-8605.

[24]

Liang Y, Mao W, Wu C. Unsupervised incremental transfer learning with knowledge distillation for online remaining useful life prediction of rotating machinery[J]. Proceedings of the Institution of Mechanical Engineers, Part O: Journal of Risk and Reliability, 2025, 239(1): 15-30.

[25]

Cini A, Marisca I, Bianchi F M, et al. Scalable spatiotemporal graph neural networks[C]// Proceedings of the AAAI Conference on Artificial Intelligence. Washington DC: AAAI, 2023, 37(6): 7218-7226.

[26]

Huang Y, Zhou J, Ke P, et al. A skin-integrated multimodal haptic interface for immersive tactile feedback[J]. Nature Electronics, 2023, 6(12): 1020-1031.

[27]

Yamasaki Y, Tokunaga M, Sakai Y, et al. Effects of a force feedback function in a surgical robot on the suturing procedure[J]. Surgical Endoscopy, 2024, 38(3): 1222-1229.

基金资助

国家重点研发计划(2024YFB3411104)

国家自然科学基金(62273342)

国家自然科学基金(U24A20281)

PDF (9831KB)

46

访问

0

被引

详细

导航
相关文章

/

〈 〉