Кроме того, такие способности должны быть спроектированы и реализованы независимо от задачи и должны обеспечивать достаточные уровни параметризации, чтобы они могли адаптироваться к различным средам, различным задачам и различным уровням взаимодействия робота, начиная от поведения товарища по команде до помощника или активный помощник.
Основной вклад сосредоточен на архитектуре уровня принятия решений социальных роботов. В частности, совещательная архитектура робота предназначена для совместного использования пространства и задач с людьми, а также для действий и взаимодействия таким образом, чтобы поддерживать собственные действия и решения человека. Ниже модель когнитивной интеграции для сервисных роботов, которая:
- Раскрывает принципиальный подход к интеграции набора сложных когнитивных компонентов явным, ориентированным на семантику и в то же время слабо связанным способом;
- Обеспечивает мультимодальное и интерактивное заземление символов в сложных реальных условиях, в которых участвует один или несколько человек и робот;
- Распределяет вычисление символических знаний, комбинируя взятие перспективы, вычисление материальных ценностей, локализованный диалог и логический вывод;
- Предоставляет роботу общие механизмы для определения психического состояния его человеческих партнеров;
- Повторно использует тот же набор возможностей и умозаключений, а также явные контекстуальные рассуждения о людях и способностях роботов для создания общих планов человек-робот.
Эта архитектура полностью реализована, и мы демонстрируем ее на нескольких роботизированных платформах и в нескольких сценариях взаимодействия. Это в конечном итоге оказывается эффективной основой для новых вкладов о совместных действиях человека и робота , а также для междисциплинарных исследований .
Создание сознательного совещательного слоя
Объединение нескольких независимых программных модулей в единую роботизированную архитектуру - это не только техническая задача, но и проблема дизайна и архитектуры. В частности, правильное управление богатой семантикой естественного взаимодействия с людьми поднимает ряд вопросов. Наше основное допущение и руководящий принцип заключается в том, что взаимодействие на уровне человека легче осуществить, если сам робот полагается внутренне на семантику уровня человека. Мы реализуем этот принцип, широко полагаясь на явное представление знаний и манипулирование ими: программные компоненты взаимодействуют друг с другом, используя логические операторы первого порядка, организованные в онтологии, семантика которых близка к тем, которыми манипулируют люди.
Например, Spark (робот) может взять книгу, лежащую на мебели, и символически обозначить ее как « Книга типа BOOK1, BOOK1 is on TABLE». Эти символические утверждения хранятся в базе знаний Oro и предоставляются другим когнитивным модулям. Позже робот может обработать предложение типа «дай мне другую книгу». Диалоги модуль будет затем запросить базу знаний: находка (OBJ типа книги, OBJ different From BOOK1?) , И записать обратно утверждения как < человеческие желания GIVE_ACTION45, GIVE_ACTION45 acts On BOOK2 > в Oro . Это в свою очередь вызовет выполнение контроллера Shary подготовиться к действию. Сначала позвонит планировщик HATP. Планировщик использует базу знаний для инициализации области планирования (например, find (BOOK2 is At? Location) ) и возвращает полный символический план контроллеру выполнения. Наконец, контролер будет выполнять план и контролировать его достижение, как для себя, так и для человека.
Наша архитектура не была разработана для того, чтобы воспроизводить или предоставлять правдоподобную модель человеческого познания, и в этом смысле мы отличаемся от исследований когнитивных архитектур . Вместо этого главный принцип проектирования заключается в том, чтобы развивать решающие компоненты робота с помощью моделей человеческого поведения и человеческих предпочтений, чтобы разработать эффективное искусственное познание для робота, способного беспрепятственно обслуживать и взаимодействовать с людьми. В этом смысле он разделяет свои цели .
Продолжение следует...