{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{“日期-部件”：[[2024,9,16]]，“日期-时间”：“2024-09-16T17:29:32Z”，“时间戳”：172650772795}，“引用-计数”：50，“发布者”：“Elsevier BV”，“许可证”：[{“开始”：{-“日期-零件”：[2018,1,1]]，”日期-时间“：”2018-01-01T00:00:00 0:00Z“，”timestamp“：1514764800000}，”content-version“：“tdm”，“delay-in-days”：0，“URL”：“https:\/\/www.elsevier.com//tdm\/userlicense\/1.0\/”}]，“内容域”：{“域”：[“elsevier.com”，“sciencedirect.com”]，“crossmark-restriction”：true}，“short-container-title”：[”机器人和自治系统“]，“published-print”:{“date-parts”：[2018,1]]}，”DOI“：”10.1016\/j.robot.2017.10.013“，”type“：”journal-article“，“created”：{“date-parts”：[[2017,11,2]]，“date-time”：“2017-11-02T05:18:16Z”，“timestamp”：1509599896000}，“page”：“166-180”，“update-policy”：”http://\/dx.doi.org\/10.1016\/elsevier_cm_policy“，”source“：”Crossref“，“is-referenced-by-count”：13，“special_numberning”：“C”，“title”：[“通过更新带有位置线索的语言模型进行无监督空间词汇习得”]，“前缀”：“10.1016”，“卷”：“99”，“作者”：[{“给定”：“Akira”，“家族”：“Taniguchi”，“序列”：“first”，“affiliation”：[]}，{“given”：“Tadahiro”，“family”：“Taniguchi”：“additional”，“affiliation”：[]}]，“member”：“78”，“reference”：[{“key”：“10.1016\/j.robot.2017.0.013_b1”，“series-title”：“IEEE\/RSJ智能机器人与系统国际会议论文集”，“首页”：“1623”，“article-title”：“使用多模态LDA和分层Pitman-Yor语言模型在线学习概念和单词”，“author”：“Araki”，“year”：“2012”}，{“issue”：“1”，“key”：“10.1016\/j.robot.2017.0.013_b2”，“doi-asserted-by”：“crossref”，《first page》：“21”，“doi”：“101016\/j.cognition.2009.03.008”，“article-title”：“贝叶斯分词框架：探索上下文的影响”，“卷”：“112”，“作者”：“Goldwater”，“年份”：“2009”，“新闻标题”：“认知”}，{“问题”：“4”，“关键”：“10.1016\/j.robot.2017.0.013_b3”，“首页”：“285”，“文章标题”：“移动机器人的空间概念获取，集成了自我定位和口语中的无监督单词发现”，“卷”：“8”，“作者”：“Taniguchi”，“年份”：“2016”，“期刊标题”：“IEEE Trans.Conn.Dev.Syst.”}，｛“问题”：“2”，“密钥”：“10.1016\/j.robot.2017.10.113_b4”，“doi断言者”：“crossref”，“首页”：“614”，“doi”：“10.1587”，“transinf.E95.D.614”，“article-title”：“从连续语音中学习语言模型的贝叶斯方法”，“volume”：“95”，“author”：“Neubig”，“year”：“2012”，“journal-title“：”IEICE Trans.Inf.Syst.“}，{“key”：”10.1016\/j.robot.2017.10.013_b5“，”doi-asserted-by“：”crossref“，”unstructured“：”D.Mochihashi，T.Yamada，N。Ueda，带嵌套Pitman\u2013Yor语言建模的贝叶斯无监督分词，收录于：ACL第47届年会联合会议和AFNLP第四届国际自然语言处理联合会议的会议记录，ACL-IJCNLP，2009年，第100\u2013108页。“，“DOI”：“10.3115\/16878.1687894”}，{“key”：“10.1016\/j.robot.2017.10.013_b6“，”doi-asserted-by“：”crossref“，”unstructured“：”j.Heymann，O.Walter，R.Haeb-Umbach，B.Raj，《音素格中无监督词汇发现的迭代贝叶斯分词法》，《声学、语音和信号处理国际会议论文集》，2014年。“，”doi“：”10.1109\/ICSP.2014.6854364“｝，｛“key”：“10.1016\/j.robot.2017.10.1013_b7”，“doi asserted by”：“crossref”，“nonstructured”：“T.Nakamura，T.Araki，T.Nagai，S.Nagasaka，T.Taniguchi，N。Iwahashi，使用有错误的音素序列进行多模概念和单词学习，收录于：IEEE \/RSJ智能机器人和系统国际会议论文集，2013年，第157\u2013162页。“，”DOI“：”10.1109\/IROS.2013.6696347“}，{“key”：“10.1016\/j.robot.2017.10.013_b8”，“DOI-asserted-by”：“crossref”，“unstructured”：“T.Nakamura，T。Nagai，K.Funakoshi，S.Nagasaka，T.Taniguchi，N.Iwahashi，基于MLDA和NPYLM的对象概念和语言模型的相互学习，收录于：IEEE RSJ智能机器人和系统国际会议（IROS）论文集，2014年，第600\u2013607页。“，DOI”：“10.1109\/IROS.2014.6942621”}，{“问题”：“1”，“关键”：“10.1016\/j.robot.2017.10.013_b9“，”doi-asserted-by“：”crossref“，”first page“：”113“，“doi”：“10.1207\/s15516709cog2601_4”，“article-title”：“从视觉和声音中学习单词：计算模型”，“volume”：“26”，“author”：“Roy”，“year”：“2002”，“journal-title“：”Cogn。科学。“}，{”issue“：”1“，”key“：”10.1016\/j.robot.2017.0.013_b10“，”doi-asserted-by“：”crossref“，”first page“：“109”，”doi“：”101016\/S0020-0255（03）00167-1“，”article-title“：”通过结合语音、视觉和行为信息的人类\u2013机器人界面获取语言“，”volume“：通知。科学。“}，{”key“：”10.1016\/j.robot.2017.0.013_b11“，”series-title“：”人机交互“，”首页“：”95“，”article-title“：“学习语言的机器人：定位人类对话的发展途径”，“author”：“Iwahashi”，“year”：“2007”}，“key”：“10.1016\/j.ropot.2017.10.13_b12”，“unstructured”：“N.Iwahasi，R.Taguchi，K.Sugiura，K。Funakoshi，M.Nakano，《学会对话的机器人：情境语言处理的发展方法》，摘自：《语音和语言处理国际研讨会论文集》，澳大利亚昆士兰州布里斯班，2009年，第532\u2013537页。“}，{“key”：“10.1016\/j.robot.2017.10.013_b13”，“doi-asserted-by”：“crossref”，“unstructured”：“S.Qu，j.Y。Chai，将时间和语义信息与眼睛注视结合起来，用于多模式会话系统中的自动词汇获取，载于：《自然语言处理经验方法会议论文集》，2008年，第244\u2013253.页，“DOI”：“10.3115\/1613715.1613750”}，{“issue”：“1”，“key”：“10.1016\/j.robot.2017.10.013_b14”doi断言为：“crossref”，“first page”：“247”，“doi”：“10.1613\/jair.2912”，“文章标题”：“虚拟世界中基于上下文的情境对话词汇习得”，“volume”：“37”，“author”：“Qu”，“year”：“2010”，“journal title”：“J.Artificial Intelligence Res.”}，{“key”：“10.1016\/J.robot.2017.10.1013_b15”，“series title”：“从机器人的运动学习到交互学习”，“首页”：“467”，“文章标题”：“基于运动学习和交互的多模语言习得”，“作者”：“H\u00f6rnstein”，“年份”：“2010”}，{“键”：“10.1016\/j.robot.2017.10.013_b16”，“series-title”：“IEEE机器人与自动化国际会议论文集”，“首页“：”745“，”article-title“：”使用非本地分词和家庭助理机器人对象提取学习新对象“，”author“：”Attamimi“，”year“：”2010“}，{“issue”：“17”，“key”：“10.1016\/j.robot.2017.1013_b17”，”doi-asserted-by“：”crossref“，”first page“：”2189“，”doi“：”10.1163\/016918611X595035“，”article-titel“：”潜在Dirichlet基于分配的多模态概念词义基础”，“卷”：“25”，“作者”：“Nakamura”，“年份”：“2011”，“新闻标题”：“高级机器人”。“}，{”key“：”10.1016\/j.robot.2017.1013_b18“，”doi-asserted-by“：”crossref“，”first page“：“86”，“doi”：“10.1016\/j.ropot.2014.12.006”，“article-title”：“移动机器人任务的语义映射：调查”，“volume”：“66”，“author”：“Kostavelis”，“year”：“2015”，“journal-title“：”robot.Auton.Syst.“}”，{“year“：”“2005”，“series-title”：“概率机器人”，“author“：”Thrun“，”key“：”10.1016\/j.robot.2017.1013_b19“}，{“issue”：“6”，“key”：“10.1016\/j.ropot.2017.0.013_b20”，“doi-asserted-by”：“crossref”，“first page”：”647“，”doi“：”101177\/027836498090961“，”article-title“：”FAB-MAP:“外观空间中的概率定位和映射”，“volume”:“27”，“author”：“Cummins”“，”年份“：”2008“，”《新闻标题》：《国际机器人杂志》。Res.“}，{”key“：”10.1016\/j.robot.2017.1013_b21“，”doi-asserted-by“：”crossref“，”unstructured“：”M.R.Walter，S.Hemachandra，B.Homberg，S.Tellex，S.Taller，《从自然语言描述中学习语义图》，摘自：《机器人学学报：科学与系统》（RSS），2013.“，”doi“：”1015607\/RSS.2013.IX.004“}”，{“key”：“”10.1016\/j.robot.2017.10.013_b22“，”doi-asserted-by“：”crossref“，”unstructured“：”K.Welke，P.Kaiser，A.Kozlov，N.Adermann，T.Asfour，M.Lewis，M.Steedman，基于经验的任务规划的基础空间符号，摘自：2013年第13届IEEE-RAS国际类人机器人会议论文集，第484\u2013491页“，”DOI“：”10.1109\/HUMANOIDS.2013.7030018“}，{”article-title“：”On-line semantic mapping“，”year“：”2013“，”series-title“：”Proceedings of the 16th International Conference On Advanced Robotics（ICAR）“，”author“：”Bastianelli“，”key“：“10.1016\/j.robot.2017.0.013_b23”}，”{“key”：“10.116\/j.robot.2017.10.013_b24”，“unstructured”：“E。Bastianelli，D.Croce，A.Vanzo，R.Basili，D.Nardi，《交互式机器人中扎根口语理解的判别方法》，摘自：《国际人工智能联合会议论文集》，2016年，第2747\u20132753页。“}，{“key”：“10.1016\/j.robot.2017.10.013_b25”，“非结构化”：“T.Mikolov，K.Chen，G。Corrado，J.Dean，向量空间中单词表示的有效估计，2013年。arXiv预印本arXiv:1301.3781.“}，{”issue“：”5“，”key“：”10.1016\/j.robot.2017.0.013_b26“，”doi-asserted-by“：”crossref“，”first page“：“403”，”doi“：”101016\/j.robat.2006.12.006“，“article-title”：“从ratslam表示中学习空间概念”，“volume”：“55”，“author”：“Milford”，“year”：“2007”，“journal-title“：”robot.Auto n.系统“}，{”键“：”10.1016\/j.robot.2017.10.013_b27“，“doi-asserted-by”：“crossref”，“unstructured”：“M.Milford，G.Wyeth，D.Prasser，RatSLAM：用于同步定位和绘图的海马模型，摘自：IEEE机器人与自动化国际会议（ICRA），2004年，第403\u2013408页。”，“doi”：“10.1109\/robot.2004.1307183”}，{“问题”：“6”，“key“：”10.1016\/j.robot.2017.1013_b28“，”doi-asserted-by“：”crossref“，”first page“：“409”，”doi“：”101177\/1059712311421437“，”article-title“：”Lingodroids:私有认知地图中的社交地地名“，”volume“：19”，“author”：“Schulz”，“year”：“2011”，“journal-title”：“Adapt”。贝哈夫。“}，{”key“：”10.1016\/j.robot.2017.10.013_b29“，”series-title“：”IEEE机器人与自动化国际会议（ICRA）“，”首页“：”490“，”article-title“：“具有不同认知能力的lingodroids之间的通信”，“author”：“Heath”，“year”：“2013”}，“issue”：“2”，“key”：“10.1016\\j.robat.2017.10.01 3_b30”，“”doi-asserted-by“：”crossref“，”first page“：”163“，“doi”：“10.1109\/TAMD.2010.2103361”，“article-title”：“我们到了吗？”？将时间概念根植于共享旅程”，“卷”：“3”，“作者”：“舒尔茨”，“年份”：“2011年”，“新闻标题”：“IEEE Trans。自动。心理发展“}，{“问题”：“1”，“关键”：“10.1016\/j.robot.2017.0.013_b31”，“doi-asserted-by”：“crossref”，“first page”：“3”，“doi”：“101109\/TAMD.2015.2442619”，“article-title”：“Lingodroids:情景元素的跨情境学习”，“volume”：”8“author”：“Heath”，“year”：“2016”，“journal-title“：”IEEE Trans.Cogn.Dev.Syst.”，“ISSN”：“http://\/id.crosref.org\/issn\/2379-8920“，”issn-type“：”print“}，{“key”：“10.1016\/j.robot.2017.0.013_b32”，“unstructured”：“M.Spranger，L.Steels，《句法和语义的协同习得：空间语言研究》，摘自：《第24届国际人工智能联合会议（IJCAI）论文集》，2015年，第1909\u20131915页。”}key“：”10.1016\/j.robot.2017.10.013_b33“，”unstructured“：”R.Taguchi，N.Iwahashi，T.Nose，K.Funakoshi，M.Nakano，（2009）基于统计模型选择的口语词汇学习，收录于：英国布莱顿国际言语交际协会（INTERSPEECH）年会论文集。，第2731\u20132734页。“}，{”key“：”10.1016\/j.robot.2017.0.013_b34“，”series-title“：”人机交互\u2013Getting Closer“，”first page“：“69”，”article-title“：“从口语中学习基于物理的词汇”，”author“：”Taguchi“，“year”：“2012”}，”key：“10.1016\/j.ropot.2017.10.013_b35”，“doi-asserted-by”：“crossref”，“unstructured”：“R.”。Taguchi，Y.Yamada，K.Hattori，T.Umezaki，M.Hoguro，N.Iwahashi，K.Funakoshi，M.Nakano，通过移动机器人从口语中学习地名和定位结果，收录于：国际语音通信协会（INTERSPEECH）年会论文集，2011年，第1325\u20131328页。“，DOI”：“10.21437\/Interspeech.2011-440“}，{“key”：“10.1016\/j.robot.2017.1013_b36”，“doi-asserted-by”：“crossref”，“unstructured”：“A.Taniguchi，T.Taniguhi，T。稻村，从嘈杂的话语和感官信息中同时估计自我位置和单词，摘自：第13届IFAC\/IFIP\/IFORS\/IEA人机系统分析、设计和评估研讨会论文集，2016年。“，“DOI”：“10.1016\/j.ifacol.2016.10.528”}，{“key”：“101016\/j.robot.2017.10.013_b37”，“series-title”：“第41届IEEE工业电子学会（IECON）年会论文集”，“第一页”：“1369”，“文章标题”：“利用卷积神经网络对自动车辆进行统计定位”，“作者”：“Ishibushi”，“年份”：“2015”}，{“关键”：“10.1016\/j.robot.2017.10.013_b38”，“非结构化”：“A.Krizhevsky，I.Sutskever，G。Hinton，深度卷积神经网络的Imagenet分类，《神经信息处理系统进展论文集》，2012年，第1097\u20131105页。Taniguchi，基于位置和视觉信息的hmlda位置概念学习，摘自：第13届IFAC\/IFIP\/IFORS\/IEA人机系统分析、设计和评估研讨会论文集，2016年IEEE \/RSJ智能机器人与系统国际会议论文集”，“首页”：“2272”，“文章标题”：“使用层次化潜在dirichlet分配形成层次化对象概念”，“作者”：“Ando”，“年份”：“2013”}，{“key”：“10.1016\/j.robot.2017.10.013_b41”，“series-title”：“IEEE机器人与自动化国际会议论文集（ICRA），第2卷，“首页”：“1322”，“文章标题”：“移动机器人的蒙特卡洛定位”，“作者”：“Dellaert”，“年份”：“1999”}，{“键”：“10.1016\/j.robot.2017.1013_b42”，“第一页”：作者”：“Sethuraman”，“年份”：“1994”，“期刊标题”：“Statist。Sinica“}，{“key”：“10.1016\/j.robot.2017.1013_b43”，“doi-asserted-by”：“crossref”，“首页”：“1020”，“doi”：“101214\/10-AOAS395”，“article-title”：“应用于说话人日记化的粘性HDP-HMM”，“author”：“Fox”，“year”：“2011”，“journal-title“：”Ann.Appl.Stat.“，”doi-asserted-by“：”crossref“，”unstructured“：”D.Gildea，T.Hofmann，使用EM的基于主题的语言模型，in：《第六届欧洲语音通信与技术会议论文集》（EUROSPEECH），1999年。桥本，N.Kawai，T.Miyashita，Y.Sakurai，M.Shimizu，M.Otake，K.Hosoda，启用社会交互仿真的模拟器平台\u2014SIGVerse:SocioIntelliGenesis Simulator\u2014，收录于：IEEE SICE国际系统集成研讨会论文集，2010年，第212\u2013217页。“，DOI”：“10.1109\/SII.2010.5708327”}，{“key”：“10.1016\/j.robot.2017.10.013_b46“，“doi-asserted-by”：“crossref”，“unstructured”：“川原聪，小林，武田，N.Minematsu，伊藤，山本，A.山田，宇佐，石野，日语大词汇量连续语音识别共享软件库，in：《第五届国际口语处理会议论文集》，1998年。“，”DOI“：”10.21437\/ICSLP.1998-682“}，{”key“：”10.1016\/j.robot.2017.0.013_b47“，”DOI-asserted-by“：”crossref“，”unstructured“：”A.Lee，T.Kawahara，K。Shikano，Julius \u2014an开源实时大型词汇识别引擎，in：《欧洲语音通信与技术会议论文集》（EUROSPEECH），2001.“，”DOI“：”10.21437\/EUROSPEECH.2001-396“}，{“issue”：“3”，“key”：“10.1016\/j.robot.2017.1013_b48”，“DOI-asserted-by”：“crossref”，“first page”：”443“，“DOI”：“”10.1007 \/s10463-014-0446-0“，“文章标题”：“顺序蒙特卡罗滤波器和平滑器的计算方面”，“卷”：“66”，“作者”：“北川”，“年份”：“2014年”，“期刊标题”：《Ann.Inst.Statist》。数学。“｝，｛”issue“：”1“，”key“：”10.1016\/j.robot.2017.10.113_b49“，”doi断言“：”crossref“，”首页“：”193“，”doi“：”10.1007\/BF01908075“，”文章标题“：”比较分区“，”卷“：”2“，”作者“：”休伯特“，”年份“：”1985“，”期刊标题“：”j.Classif.“｝，｛”key“：”10.1016\/j.robot.2017.10.113_b50“，”系列标题“：”《声学、语音和信号处理国际会议论文集》，“首页”：“532”，“文章标题”：“语音识别算法比较中的一些统计问题”，“作者”：“Gillick”，“年份”：“1989”}]，“容器标题”：[“机器人和自主系统”]，“原文标题”：[]，“语言”：“en”，“链接”：[{“URL”：“https:\/\/api.elsevier.com/content\/article\/PII:S0921889017302178？httpAccept=text\/xml“，”content-type“：”text\/.xml“，”content-version“：”vor“，”intended-application“：”text-mining“}，{“URL”：“https:\/\/api.elsevier.com/content\/article\/PII:S0921889017302178？httpAccept_text\/plain“，”内容类型“：”文本\/plaine“，”content-version”：“vor”，“intended_application”：“text-mining”}]，“存放”：{“日期部分”：[[2022,8,6]]，“date-time“：”2022-08-06T03:40:24Z“，”timestamp“：1659757224000}，”score“：1，”resource“：{“primary”：{”URL“：”https:\/\/linkinghub.elsevier.com/retrieve\/pii\/S0921889017302178“}}，“subtitle”：[]，“shorttitle”：[]，“issued”：{“date-parts”：[[2018,1]]}，‘references-count’：50，‘alternative-id’：[”S0921889173021780 2178“]，”URL“：”http:\/\/dx.doi.org\/10.1016\/j.robot.2017.1013“，”关系“：{}，”ISSN“：[”0921-8890“]，”ISSN-type“：[{”类型“：”打印“，”值“：”09218890“}]，”主题“：[]，”发布“：{”日期部分“：[[2018,1]]}，{“值”：“通过使用位置线索更新语言模型，无监督空间词汇习得，“name”：“articletitle”，“label”：“Article Title”}，{“value”：“Robotics and Autonomous Systems”，“name“：”journaltitle“，”label“：”Journal Title“}，”{“value”：“https:\\/doi.org\/101016\/j.robot.2017.0.013”，“name”：“rticlelink”，“标签”：“”CrossRef DOI链接到出版商维护的版本“}，{“value”：“article”，“name”：“content_type”，“label”：“content-type”}，}“values”：“\u00a9 2017 Elsevier B.V.保留所有权利。”，“名称”：“版权”，“标签”：“copyright”}]}