FSCIL

新框架应对触觉AI学习中的上下文敏感变化

研究人员开发了一个名为上下文探测少样本类增量学习（CoP-FSCIL）的新框架，以解决少样本类增量学习中触觉传感的挑战。该方法解决了由于传感设备或扫描轨迹等不同采集上下文，相同材料可能产生不同观测值的问题。CoP-FSCIL使用上下文探测干预来识别上下文敏感的变化，使用探测条件商适配器来降低这些敏感性，并使用探测稳定性原型校准来确保可靠的原型估计。在HapTex和LMT108等触觉数据集上的实验表明，CoP-FSCIL的性能优于现有方法。