Как упоминалось ранее, логические утверждения, которыми обмениваются совещательные компоненты, объединяются в базе знаний Oro в онтологию. Концептуализация (т. е. система понятий или TBox ) этой онтологии статически утверждается 4, в то время как создание экземпляров ( ABox ) онтологии обычно динамически утверждается во время выполнения другими когнитивными компонентами.
OpenRobots здравый смысл онтология представляет собой статически утверждал часть онтологии. Он был разработан с учетом двух требований: быть практичным (т.е. охватывать наши экспериментальные потребности) и максимально соответствовать существующим стандартам (в частности, верхней онтологии OpenCyc ).
Это приводит к двунаправленному процессу проектирования: снизу вверх относительно выбора концепций для модели, сверху вниз относительно верхней части концептуализации. Выравнивание верхней части онтологии в OpenCyc (как это делают другие системы представления знаний, такие как KnowRob или PEIS K & R ), имеет множество преимуществ.
Во-первых, дизайн этой части онтологии, как правило, сложен: она касается абстрактных понятий, взаимоотношения которых сводятся к философским дискуссиям. Верхняя таксономия OpenCyc представляет относительный консенсус, по крайней мере, в рамках сообщества семантической сети. Затем, поскольку это хорошо зарекомендовавший себя проект с многочисленными ссылками на другие онлайновые базы данных (например, Википедию или WordNet), повторное использование ключа OpenCyc концепций гарантирует, что знания, хранящиеся в роботе, могут быть разделены или расширены с четко определенной семантикой. Концепция чего-либо Объект OpenCyc является хорошим примером, поскольку представляет типичный случай неоднозначного значения: в повседневной беседе объект - это относительно небольшая физическая вещь, которой обычно можно манипулировать. Человек обычно не рассматривается как объект. Однако OpenCyc точно определяет объект как что-либо хотя бы частично материальное . Это включает в себя, очевидно, людей, и на самом деле многие другие сущности, которые обычно не называют объектами (например, Земля). Полагаясь на четко определенную и стандартную семантику для обмена информацией между искусственными системами, мы избегаем семантических неоднозначностей. Поскольку робот взаимодействует с людьми, мы должны, однако, устранить несоответствие между понятиями и человеческой терминологией. В этих ситуациях мы вручную помечаем OpenCyc понятия с соответствующими человеческими именами: например, онтология OpenRobots связывает метку « объект » с понятием cyc: Artifact вместо понятия cyc: PartiallyTangible . Эти ярлыки используются в приоритетном порядке при обосновании словесных взаимодействий.
Фактические действия (то есть подклассы из PurposefulAction как Give или LookAt изначально не утверждаются в онтологии здравого смысла. Вместо этого они добавляются во время выполнения контроллером выполнения (в связи с символическим планировщиком задач) и процессором на естественном языке в зависимости от того, что робот на самом деле способен выполнять и / или интерпретировать в текущем контексте (т.е. текущий робот конфигурация и действия, требуемые сценарием). Набор действий, которые робот может интерпретировать, обычно очень похож на используемую область планирования (т. е. набор задач, известных символическому планировщику задач, с соответствующими им предварительными и последующими условиями).
Если человек сообщает роботу, что данный объект действительно является бутылкой, робот может, следовательно, получить больше информации об объекте. И наоборот, если человек утверждает, что «машина - это бутылка», рассудитель может обнаружить логические противоречия (например, несовместимые размеры) и отклонить утверждение. Модуль Dialogs полагается на такие проверки логической согласованности при обработке входных данных на естественном языке, чтобы гарантировать, что вербальный ввод был правильно получен и проанализирован, а также чтобы убедиться, что то, что говорит человек, логически непротиворечиво.
Продолжение следует...
