40、学习动作原语与上下文动作识别

学习动作原语与上下文动作识别

学习动作原语

学习动作原语是一个活跃的研究领域，具有众多潜在应用，如活动和行为识别、机器人学习、体育训练和康复等。

机器人动作效果建模

在机器人领域，可采用发展性方法。步骤如下：
1. 让机器人在其环境中随机应用一组预定义的动作。
2. 记录每个动作对环境产生的效果，这里的状态是机器人在动作前感知到的场景状态，效果是动作导致的环境变化，均由机器人感知。
3. 将连续的效果集量化为一组离散的效果 ID。
4. 使用支持向量机（SVM）或类似方法对效果与场景状态和动作之间的关系进行建模和预测。通过这种方式，能够生成和识别目标导向的动作和行为，目标被定义为在给定场景状态下期望的最终效果。在监控场景中进行场景理解时，可利用这些关系预测已观察动作的可能结果；对于目标导向的机器人控制，需根据这些关系系统地应用可用动作来产生期望效果。

动作原语表示方法

目前出现了两种主要的动作原语表示方法：
1. 随机模型 ：通过概率分布来描述动作的不确定性。
2. 动态系统模型 ：基于动态方程描述动作的变化过程。

其他研究领域

还包括维度缩减、从连续时间序列数据中通过分割提取动作原语，以及将动作原语纳入更高级的行为模型等。

然而，在实现完全自主的动作原语学习系统之前，仍存在许多开放性问题：
|问题类型|具体问题|
| ---- | ---- |
|系统自主性|当前许多系统是半自主的，数据离线收集、手动排序