基于图神经网络的机器人感知数据分词表征与学习方法

本发明涉及一种基于图神经网络的机器人感知数据分词表征与学习方法，包括以下步骤：获取机器人的多种感知数据；根据感知数据的类别进行分词表征；分词表征学习：基于分词表征后的感知数据构建初始特征图；基于自编码器学习特征图的紧凑表示，重建图结构，图结构表示不同节点之间的边的关系；自编码器完成图结构的学习后，固定图结构；将感知数据转化为节点特征向量，并基于学习到的图结构构建特征图，利用图神经网络对各节点特征向量进行数值编码，得到感知数据的高维特征向量表征。与现有技术相比，本发明具有能更好地表达感知数据的复杂性和多维度信息等优点。
同济大学
蒋烁 | 刘佳航 | 何斌 | 王志鹏 | 周艳敏 | 张文博