在非结构化家庭环境中，环境信息大多是杂乱无章的。服务机器人很难获得足够的服务信息，这严重阻碍了任务的执行。为了解决这个问题，提出了一种新的对象搜索策略，以提高复杂家庭环境中对象搜索的速度和准确性。该方法利用真实的环境信息和人类知识构建家庭环境知识图，对任务执行起指导作用。家庭环境分为三个级别：功能房间、静态对象和动态对象。共现概率是从开放知识源中获得的，包括静态对象与动态对象之间、静态对象与功能室之间的概率。它们与基于家的本体知识相结合，形成服务机器人的先验知识。受人类搜索过程的启发，引入距离函数来计算机器人与目标物体之间的距离，以优化搜索策略。为了提高机器人服务的鲁棒性，我们设计了一个基于服务任务和知识库的概率更新模型。实验结果表明，与没有先验知识和距离函数的方法相比，所提出的搜索策略可以显著缩短搜索时间，提高搜索精度。

1. [1] M.Cho、S.Kwak、I.Laptev、C.Schmid和J.Ponce，“图像和视频中的无监督对象发现和定位”，《无处不在机器人和环境智能（URAI）国际会议》，第292-293页，2015年。
2. [2] J.Wilches、Y.Huang和Y.Sun，“在实践中推广学到的操作技能”，IEEE/RSJ智能机器人和系统（IROS）国际会议，第9322-93282020页。
3. [3] P.Khandelwal等人，“Bwibots:一个弥补人工智能和人机交互研究之间差距的平台”，《机器人研究国际期刊》，第36卷，第5-7期，第635-659页，2017年。
4. [4] A.Aydemir、A.Pronobis、M.Göbelbecker和P.Jensfelt，“使用不确定语义在未知环境中进行主动视觉对象搜索”，IEEE Trans。《机器人学》，第29卷，第4期，第986-10022013页。
5. [5] T.R.Schäfle、M.Mitschke和N.Uchiyama，“使用混合遗传算法为移动机器人生成最佳覆盖路径”，J.Robot。机电一体化。，第33卷，第1期，第11-23页，2021年。
6. [6] R.Toris和S.Chernova，“对象搜索的时间持久性建模”，IEEE机器人与自动化国际会议（ICRA），第3215-3222页，2017年。
7. [7] M.Lorbach、S.Höfer和O.Brock，“用于对象搜索的空间信息先验辅助传播”，IEEE/RSJ智能机器人和系统国际会议，第2904-2909页，2014年。
8. [8] Z.Zeng、A.Röfer和O.C.Jenkins，“主动视觉对象搜索的语义链接图”，IEEE机器人与自动化国际会议，1984-199020年。
9. [9] A.Aydemir、K.Sjö、J.Folkesson、A.Pronobis和P.Jensfelt，“现实世界中的搜索：基于空间关系的主动视觉对象搜索”，IEEE机器人与自动化国际会议，第2818-2824页，2011年。
10. [10] P.Chumtong，Y.Mae，K.Ohara等人，“使用源自web内容挖掘的对象共生关系进行对象搜索”，《智能服务机器人》，2014年第7卷第1期，第1-13页。
11. [11] C.Landsiedel、V.Rieser、M.Walter和D.Wollherr，“真实世界机器人的空间推理和交互综述”，《高级机器人学》，第31卷，第5期，第222-242页，2017年。
12. [12] J.Elfrin、S.Jansen、R.Molengraft和M.Steinbuch，“利用概率对象-对象关系的主动对象搜索”，机器人足球世界杯，第13-24页，2013年。
13. [13] W.Li，H.Wu，G.Tian，“基于归属关系的室内服务机器人对象识别与定位”，《计算机辅助设计与计算机图形学杂志》，第30卷，第12期，第2335-2343页，2018年（中文）。
14. [14] B.C.Russell、A.Torralba、K.P.Murphy和W.T.Freeman，“标签：用于图像注释的数据库和网络工具”，《计算机视觉国际期刊》，第77卷第1期，第157-173页，2008年。
15. [15] L.Kunze、M.Beetz、M.Saito、H.Azuma、K.Okada和M.Inaba，“在大型室内环境中搜索物体：决策理论方法”，IEEE机器人与自动化国际会议（ICRA），第4385-43902012页。
16. [16] R.Gupta和M.J.Kochenderfer，“室内移动机器人的常识数据采集”，人工智能发展协会，第605-610页，2004年。
17. [17] J.Pages、L.Marchionni和F.Ferro，“TIAGo：适应不同研究需求的模块化机器人”，机器人模块化国际研讨会，第1-4页，2016年。
18. [18] G.Grisetti、C.Stachniss和W.Burgard，“使用Rao-Blackwellized粒子过滤器改进栅格映射技术”，IEEE Trans。《机器人学》，第23卷第1期，第34-46页，2007年。
19. [19] S.Ren、K.He、R.Girshick和J.Sun，“更快的R-CNN：利用区域提议网络实现实时目标检测”，IEEE Trans。《模式分析与机器智能》，第39卷，第6期，第1137-1149页，2017年。
20. [20] N.Koenig和A.Howard，“Gazebo的设计和使用范例，一种开源的多机器人模拟器”，IEEE/RSJ国际智能机器人与系统会议（IROS），第3卷，第2149-21542004页。