로봇에 대한 지식 처리

Knowledge processing for robots

노하우로브(로봇을 위한 지식처리)는 지식표현과 추론 방법을 결합해 지식을 습득하고 그라운드를 하는 시스템이다. 이 시스템은 openEase의 중추다. 둘 다 독일 브레멘 대학의 인공지능 연구소에서 개발 중에 있다.

틀

KnowRob은 지식의 통합을 위한 상식 프레임워크의 역할을 할 수 있다. 이 지식은 정적인 백과사전적 지식, 상식적 지식, 업무 설명, 환경 모델, 객체 정보, 관찰된 행동 등이 될 수 있으며, 수동 공리화, 관찰에서 파생되거나 웹에서 가져온 것과 같은 다른 출처에서 나올 수 있다.[1]

노우 로브는 라이스 대학교가 로봇 플랫폼에서 존재론적 지식 기반을 사용하는 등 여러 연구 그룹에서 사용되어 왔다.[2] 아인트호벤 공대 연구팀이 로보컵 리그에서 로보어스 프로젝트를 가지고 "홈" 부문에서 경쟁하고 있다.

마찬가지로, KnowRob 일부 연구 팀의 루치안 블라가 대학 Sibiu,[3]중동 공과 대학교의 다른 지식의 조합에 bases,[4]게이오 대학에서 업무에 그ontology service,[5]Austin에서 Texas의 대학교도 관련 작업과 관련되어 일로 여기기 때문에 관계 때문에 언급된다. 그 일 한양대학교를 OWL 기반의 지식처리 프레임워크로서 관련 업무로 제시하였다.[6][7]

표현

KnowRob은 지식을 표현하기 위해 OWL 온톨로지 언어와 연산 가능한 술어와 함께 확장된 1차 로직 지식 표현을 사용한다. 하위 작업의 순서를 지정하기 위해 KnowRob은 부분적인 순서를 지정하는 쌍 순서 제한을 포함한다.

KnowRob은 폐쇄형 가정인 Prolog를 채택하고, 컴퓨터 사용으로 개방형 가정을 채택한다.[8] 추론 규칙을 Prolog에 포함시키기 위해 KnowRob은 OWL의 기능을 넘어 추론 절차를 사용하여 태스크 실행에 대한 정보를 추출한다.

두 번째 버전에서 KnowRob은 로직 기반 언어로서 하이브리드 추리 커널에 대한 로직 인터페이스를 제공한다. 이 언어는 혼성 추리 커널을 마치 모든 것이 부분적인 설명을 제공함으로써 검색할 수 있는 것처럼 나타낸다. 이 실체 설명은 객체, 그 부분 및 연결 모델, 객체, 소프트웨어 구성요소, 조치 및 이벤트로 구성된 환경을 포함한다.

삽화적 기억

삽화적 기억은 문맥 정보와 결합하여 일시적, 공간적으로 정리되는 경험 정보와 관련이 있다. KnowRob에서, 성공적 기억은 진행 중인 활동에 대해 에이전트가 만드는 기록으로 이해되며, 여기에는 행동, 동작, 목적, 효과 및 그들이 생성하는 행동에 대한 매우 상세한 정보가 포함되며, 실행 중에 캡처된 이미지 등도 포함된다.[9]

사용법

지식은 Prolog 쿼리를 사용하여 외부 방법에 의해 계산된다. KnowRob 시스템의 두 번째 버전에는 패키지와 문서화의 더 나은 구조가 포함되어 있다. 여기에는 논리 기반 언어뿐만 아니라 이전 버전의 일부 확장도 포함된다. 예를 들어, 지각의 컵 설명은 다음과 같이 이 언어로 표현될 수 있다. 

 엔티티(컵, [an, 객체, [타입, 컵], [모양, 실린더], [색, 주황색])

또한 컨트롤러는 다음과 같은 개체를 나타낼 수 있다. 

 엔티티(컵, an, object, object, [type, cup], [property_parts, [property, object, [type, handle], [graph-pose])])

인터페이스 언어는 상징적 지식 기반에 대한 다른 질의 언어와 견줄 만하다. KnowRob의 쿼리 언어는 시뮬레이션 기반 추론과 같은 추론 방법을 통합한다.

목표들

KnowRob 프레임워크의 목표는 의미론적 지식을 서비스 로봇에 사용할 수 있게 하는 것이다. 작업에 대한 모호한 지시로 누락된 정보에 대한 질의에 답변할 수 있다. 이것은 특정 동작에 포함될 수 있는 동작 계층적 표현과 객체에 대한 정보를 통해 가능하다.

참조

  1. ^ 테너스와 M. Beetz (2017) knowrob 프레임워크에서 로봇 지식을 표현한다. 인공지능: 부록 C 247: 151-169. ISSN0004-3702. doi:10.1016/j.artint.2015.05.010. AI와 로봇공학에 관한 특별 이슈.
  2. ^ Z. Saigol, M. Wang, B. Ridder 및 D. M. Lane(2015) 로보틱 시스템에 대한 명시적 온톨로지 지식-베이스의 이점 자율로봇 시스템 방향: 229-235. ISBN 978-3-319-22416-9
  3. ^ 플라비우 콘스탄틴과 플로린 콘스탄틴 (2017) 협업 로봇과 지식 관리 - 짧은 리뷰 Acta Uiversitatis Cibinensis – Technical Series. De Gruyter Open LXIX: 143-147. doi:10.1515/공로-2017-0018
  4. ^ Ilker Bozcan과 Sinan Kalkan(2017) 다양한 지식베이스를 단일 부분 기반 로봇 지식 베이스로 결합. 기술보고서 METU-CENG-TR-2017-02:1-9 터키 중동공과대학
  5. ^ 모리 유이치로, 오가와 유헤이, 히카와 아카츠키, 야마구치 타카히라(2014년) 온톨로지와 시멘틱 웹 서비스를 기반으로 한 멀티로봇 조정. 스마트 시스템 및 서비스를 위한 지식 관리 및 취득:150-164. ISBN 978-319-319-13332-4. doi:10.1007/978-3-19-319-332-4_13
  6. ^ 프리얀카 칸테와 안드레아 토마즈. 인간 검증을 통한 추상적 지식 배치.
  7. ^ 건킴, 두수창, 최용석(2017) 온톨로지 기반 지능형 서비스를 위한 인간-로봇 상호작용 지식. ICSR 2017 서비스 로봇의 사회적 인간-로봇 상호작용에 관한 워크숍
  8. ^ 테너스와 M. 비츠(2013) 노하우: 인지 가능 로봇을 위한 지식 처리 인프라. 국제 로봇 연구 저널 32(5):566-590. doi:10.1177/0278364913481635.
  9. ^ M. 비츠, D. 베슬러, A. 하이두, M. Pomarlan, A. K. Bozcuoglu 및 G. Bartels (2018) KnowRobe 2.0 -- 인지 가능 로보틱 에이전트의 2세대 지식 처리 프레임워크. 국제 로봇 및 자동화 회의(ICRA)

외부 링크