Заземление (также называемое привязкой при обращении к созданию связей между восприятиями и физическими объектами ) является задачей, заключающейся в создании и поддержании двунаправленной связи между субсимвольными представлениями (данные датчиков, приведение в действие низкого уровня) и символические представления, которыми можно манипулировать и рассуждать . Это представляет важный когнитивный навык, особенно в контексте взаимодействия человека с роботом: в этой ситуации связь, которую робот должен установить между восприятием и символами, должна как можно лучше отображаться в представлениях человека, чтобы эффективно поддерживать связь.
Таким образом, символьное заземление связывает модель знаний с возможностями восприятия и активации робота. Различные компоненты, которые мы упомянули до сих пор, демонстрируют механизмы заземления: модули геометрических рассуждений и обработки диалога постоянно создают и переносят новое символическое содержание о мире в базу знаний. Мы подробно рассмотрим этот процесс в следующих разделах.
Когнитивные навыки
В предыдущем разделе была представлена модель интеграции нашей архитектуры, а также модель связанных знаний. В этом разделе мы обсудим каждый из его строительных блоков . Они изображены на рис. 2 вместе с их связями с другими компонентами.
Мы называем когнитивные навыки совещательным поведением, в котором :
1 состояние , то есть отслеживание предыдущих состояний, как правило, необходимо для правильной работы компонента;
2 амодальна тем, что навык по своей природе не связан с конкретным восприятием или модальностью активации ;
3 манипулируют явной семантикой , обычно с помощью символических рассуждений;
4 работают на уровне человека , то есть читаются людьми, как правило, действуя на аналогичных уровнях абстракции.
Мы представляем первые основные внутренние когнитивные возможности, реализованные в Оро самой базе знаний, а затем обсудить последовательно модуль оценки ситуации Спарк , диалог процессора Диалоги , символический планировщик задач HATP, и , наконец , основные характеристики наших контроллеров исполнения Шария и Robots.
Мы называем внутренними те когнитивные возможности, которые тесно связаны с моделью знаний и, следовательно, реализуются непосредственно на сервере Oro . Мы представляем здесь три из них: рассуждение , теория моделирования ума и наш (наивный) подход к управлению памятью .Символическое рассуждение.
Как упоминалось в предыдущем разделе, мы используем рассуждения с открытым исходным кодом Pellet для рассуждения на базе знаний. Он поддерживает несколько стандартных механизмов вывода: проверка непротиворечивости, выполнимость концепции , классификация и реализация (вычисление наиболее специфических классов, к которым относится концепция). В случае логической несогласованности рассуждатель также может предоставить объяснения (в настоящее время мы используем их только для целей отладки).
Кроме того, сервер Oro реализует несколько алгоритмов (представленных в) для выявления сходств и различий между понятиями (классами или экземплярами): алгоритм Common Ancestors , полезный для определения наиболее конкретного класса (классов), который включает в себя данный набор индивидов; алгоритм « Первые разные предки» , который возвращает то, что можно интуитивно понимать как наиболее общие типы, которые различают два понятия; и осветление и дискриминация алгоритмы , которые играют роль ключа в процессе интерактивного заземлению семантики понятий (мы обсудим этот процесс в разделе). Алгоритмы выяснения и различения основаны на том, что мы называем дескрипторами , то есть свойствами индивидов, которые либо статически утверждаются в онтологии здравого смысла, либо приобретаются роботом посредством восприятия или проактивного опроса человека-партнера, либо получены из других алгоритмов рассуждения, таких как что общие предки и различные Предки . Дискриминации алгоритм состоит тогда в поиске дискриминантов, т.е. дескрипторы , которые позволяют максимально дискриминацию среди множества лиц.
Продолжение следует...