この論文では、継続学習（CL）アルゴリズムを提案します。このアルゴリズムは、既存の学習情報を維持しながら、環境から新しい知識を継続的かつ増分的に習得する能力を持っています。特に、さまざまなデータモダリティ（触覚データ、視覚データなど）を増分的に学習できるように設計されており、ラベルが不足しているが非独立（Independent and Identical Distribution）非表示データが豊富な人工環境で、クラス増分学習とドメイン増分学習シナリオを活用します。アルゴリズムは、各クラスのプロトタイプのみを保存して効率を高め、延性空気圧グリッパの触覚データと非静止画像から抽出されたオブジェクトの視覚データからなるカスタマイズされた多モーダルデータセットとCore50データセットを使用して性能を評価しました。さらに、ROSフレームワークを使用したリアルタイムオブジェクト分類実験により、アルゴリズムの堅牢性を検証しました。
