机器人学国家重点实验室科研人员提出了一种连续多视角任务学习算法

依托于中国科学院沈阳自动化研究所的机器人学国家重点实验室近日提出了一种连续多视角任务学习算法。这种被称为深度连续多视角任务学习(DCMvTL)的新算法，可有效解决现存大部分多视角任务学习模型不能够满足让机器人快速学习新任务的问题，让机器人更快认知不同的世界。

据了解，多视角多任务学习目前在机器学习和计算机视觉领域应用广泛，然而在诸多实际场景中，当多视角学习任务按序列顺序到来时，重新训练以前的任务在这种终身学习场景中会产生较高的存储需求和计算成本。为应对这一课题，机器人学国家重点实验室科研人员在研究中提出了一种集成了深度矩阵分解和稀疏子空间学习的连续多视角任务学习模型。

在基准测试数据集上的实验结果表明，深度连续多视角任务学习模型不仅能实现较高的认知准确率，同时能保持较高的学习效率，即让机器人更快地认知不同的世界。