当前，服务机器人已经开始走进普通家庭，有着巨大的市场潜力。然而，服务机器人产业要想取得进一步发展，还面临着一些以认知障碍为代表的技术挑战，主要体现为机器人的认知理解能力较弱、任务执行效率与操作能力偏低。

由于缺乏对语义知识的获取和利用能力，服务机器人的功能开发及实际应用受到很大限制。例如，当机器人执行相对高级的服务任务时，如食品加工、桌面整理等，就要求机器人能够充分、准确、恰当地进行服务任务规划和执行操作。

通过模仿人脑系统，可以有效提升机器人的智能。在IJAC最新发表的特约专题"先进机器人的智能控制与计算"中，山东大学田国会教授团队提出了一种全新的可应用于服务机器人的语义认知算法。在真实场景下的实验结果表明，该算法可模拟人脑的认知过程，使机器人借助于自身对环境的理解和认知，顺利完成语义认知任务，机器人的工作效率以及整体的智能化水平都得到了很大的提升。以下为文章导读。

A Selective Attention Guided Initiative Semantic Cognition Algorithm for Service Robot

Huan-Zhao Chen, Guo-Hui Tian, Guo-Liang Liu

SpringerLink：

(限时免费下载，截至11月9日)

https://link.springer.com/article/10.1007/s11633-018-1139-6 

本研究试图将人类的认知过程迁移至服务机器人中，提出了一种面向服务机器人的语义认知算法。通过该算法，机器人可以更深层次地理解环境，提高任务执行效率，进而提升服务质量，这为建立一个服务机器人认知系统提供了坚实的基础。

本研究通过构建智能空间，以一种双向的方式来获取信息，以此提升服务机器人的认知能力和执行能力。智能空间的核心在于把某些传感器和执行器分布式放置在服务环境中，在该空间内，用户可以与智能空间服务机器人系统进行交互，并获得相应的服务。图1展示了智能空间的结构。

在本文中，研究者们基于视觉方法及智能空间中的关键区域，提出了一种认知算法。一方面，利用人工神经网络，通过视觉信息来识别一般物体；另一方面，借助智能空间的关键区域法来捕捉内部环境中人类的行动，通过改进的选择性视觉注意模型帮助机器人将注意力迅速转移到环境中的目标物体上，实现对服务任务关联的物品进行主动地选择认知。

为了让机器人更好地选择与服务任务相关的有用信息，同时摒弃大量无用的信息，本文搭建了一种全新的选择注意模型，并最终构建了一种构次化知识库及对应的推理引擎，通过对知识进行处理来帮助机器人能够基于模糊任务描述，获取需要的语义信息，准确、深度的认知服务任务相关物品，为最终的机器人进行服务作业奠定认知基础。

◇ 感谢本文作者田国会教授、陈焕朝博士对以上内容的审核与修改！

全文信息

A Selective Attention Guided Initiative Semantic Cognition Algorithm for Service Robot

Huan-Zhao Chen, Guo-Hui Tian, Guo-Liang Liu

摘要：

With the development of artificial intelligence and robotics, the study on service robot has made a significant progress in recent years. Service robot is required to perceive users and environment in unstructured domestic environment. Based on the perception, service robot should be capable of understanding the situation and discover service task. So robot can assist humans for home service or health care more accurately and with initiative. Human can focus on the salient things from the mass observation information. Humans are capable of utilizing semantic knowledge to make some plans based on their understanding of the environment. Through intelligent space platform, we are trying to apply this process to service robot. A selective attention guided initiatively semantic cognition algorithm in intelligent space is proposed in this paper. It is specifically designed to provide robots with the cognition needed for performing service tasks. At first, an attention selection model is built based on saliency computing and key area. The area which is highly relevant to service task could be located and referred as focus of attention (FOA). Second, a recognition algorithm for FOA is proposed based on a neural network. Some common objects and user behavior are recognized in this step. At last, a unified semantic knowledge base and corresponding reasoning engine is proposed using recognition result. Related experiments in a real life scenario demonstrated that our approach is able to mimic the recognition process in humans, make robots understand the environment and discover service task based on its own cognition. In this way, service robots can act smarter and achieve better service efficiency in their daily work.

关键词：

Service robot, cognition computing, selective attention, semantic knowledge base, artificial neural network.

下载链接：

1) SpringerLink: https://link.springer.com/article/10.1007/s11633-018-1139-6

2) IJAC官网: http://www.ijac.net/EN/abstract/abstract2028.shtml

更多精彩内容，欢迎关注

1) IJAC官方网站：

http://link.springer.com/journal/11633

http://www.ijac.net

2) Linkedin: Int. J. of Automation and Computing

3) 新浪微博: IJAC-国际自动化与计算杂志

4) Twitter: IJAC_Journal

5) Facebook: ijac journal

关于杂志或文章，您有任何意见或建议，欢迎后台留言或私信小编，对话框回复关键词，自动获取往期更多精彩内容！

本文编辑：欧梨成