АссистентНовый вопросИсторияОбласти знаний
Партнёрские проектыСпецпроектыСтать автором
Сменить язык
О РУВИКИ

Обработка знаний для роботов

Обработка знаний для роботов (англ. KnowRob, knowledge processing for robots) — система, объединяющая методы представления знаний и логического вывода для приобретения и привязки знаний. Во втором поколении (KnowRob 2.0) она позиционируется как облачный сервис знаний (knowledge service), использующий гибридные рассуждения, симуляцию и семантические веб-технологии. Текущая стабильная версия 2.0.0 была выпущена 20 сентября 2024 года[1]. KnowRob выступает технологическим фундаментом для веб-консоли openEASE[2][3]; обе системы разрабатываются в Институте искусственного интеллекта при Университете Бремена (Германия).

Архитектура

Обработка знаний для роботов может выступать в роли платформы для интеграции знаний, в том числе энциклопедических, обыденных, описаний задач, моделей окружающей среды, информации об объектах, наблюдаемых действиях и других сведений, поступающих из различных источников: вручную аксиоматизированных, полученных из наблюдений или импортированных из Интернета[4].

Система Обработка знаний для роботов использовалась различными исследовательскими группами, такими как Университет Райса, применявшими онтологическую базу знаний в робототехнической платформе[5], а также исследовательской группой Университета технологии Эйндховена, выступавшей в лиге RoboCup, категория «at Home», в рамках проекта RoboEarth.

Система также упоминается в работах исследовательских коллективов из Университета Лучиана Блага в Сибиу[6], Ближневосточный технический университет в рамках комбинирования различных баз знаний[7], Университет Кэйо, где система рассматривается в связи с сервисом онтологий[8], Техасский университет в Остине как часть родственных исследований[9], а также Университет Ханъян в связи с фреймворком обработки знаний на основе OWL[10].

В архитектуре версии 2.0 интегрированы симуляция и рендеринг. Это позволяет повторно использовать компоненты управления в виртуальной среде с физикой и почти фотореалистичным рендерингом, а также получать опытные знания (NEEM — narrative enabled episodic memory) для успешной параметризации действий в реальном мире[11][12].

Представление знаний

Для представления знаний система Обработка знаний для роботов использует язык онтологий OWL и расширенное представление знаний на базе логики первого порядка с вычислимыми предикатами. Для задания порядка действий система предусматривает ограничение на попарный частичный порядок. Онтологии в системе представлены в виде RDF-графов знаний. В качестве базовой фундаментальной онтологии применяется DUL (заменившая использовавшуюся ранее Cyc), а для описания социально-физического контекста и повседневных действий используется онтологическая модель SOMA[13].[14]

Система использует принцип замкнутого мира в языке Пролог, а также принцип открытого мира при помощи вычислимых предикатов[15]. Для включения правил вывода в Пролог применяется процедура инференции, выходящая за пределы возможностей OWL, чтобы извлекать сведения об исполнении задач. Для логического вывода применяется подход «ансамбля рассуждателей» (ensemble of reasoners)[16], позволяющий загружать различные модули вывода в зависимости от решаемой задачи и объединять их результаты.

Во второй версии система предоставляет логический интерфейс к гибридному модулю рассуждений, реализованному как логико-ориентированный язык. Связь с внешними вычислениями (включая ROS) реализована через механизм процедурных прикреплений (procedural attachments) и предикат rdf_triple[17][18]. В этом языке гибридное ядро рассуждений представляется как совокупность сущностей, доступных посредством частичных описаний. К числу таких описаний относятся объекты, их части и модели сочленений, окружения, состоящие из объектов, программные компоненты, действия и события.

Эпизодические воспоминания

Эпизодическая память связана с информацией об опыте, организованной во времени и пространстве, в сочетании с контекстными сведениями. В системе Обработка знаний для роботов эпизодическая память понимается как запись, которую агент ведёт о текущей деятельности, включая подробную информацию о действиях, движениях, их назначении, эффектах и поведении, а также изображения, полученные в ходе выполнения[19]. Эпизодическая память в системе реализуется через технологию NEEM (Narrative Enabled Episodic Memories). Структура NEEM состоит из трёх частей: контекста (background), нарратива (narrative) и опыта (experience). Данные сохраняются в виде JSON-документов и BSON-файлов в базе данных MongoDB[20]. Для хранения, публикации и анализа эпизодической памяти используется централизованный веб-сервис NEEMHub. В этой инфраструктуре KnowRob выступает в качестве движка представления знаний и логического вывода[20].[21] В процессе обобщения опыта логический вывод преобразует сырые сенсорные данные из NEEMs в абстрактные символические модели действий[22].[23] Кроме того, эпизодическая память применяется для анализа ошибок и самокоррекции робота: путём сопоставления текущего состояния с прошлым неудачным опытом система диагностирует сбои и выбирает более подходящие параметры для последующих действий[24].[22]

Использование

Знания вычисляются внешними методами с использованием запросов на Прологе. Во второй версии системы предусмотрена улучшенная структура пакетов и документации, включающая расширения предыдущей версии, а также логически-ориентированный язык. К примеру, описание чашки, полученное из восприятия, может быть выражено в этом языке так: 

 entity(Cup,[an, object, [type, cup],
 [shape, cylinder], [color, orange]])

Контроллер может описывать тот же объект как: 

 entity(Cup, [an, object, [type, cup],
 [proper_physical_parts, [an, object,
 [type, handle], [grasp−pose, G−pose]]]])

KnowRob Query Language (упрощённый Пролог) сравним с другими языками запросов к символическим базам знаний[16][25]. Запросный язык KnowRob интегрирует методы рассуждения, включая моделирование на основе симуляции.

Цели

Главная цель фреймворка Обработка знаний для роботов — обеспечение сервисных роботов семантическими знаниями. Система способна отвечать на вопросы о недостающей информации в нечётко сформулированных инструкциях заданий, используя иерархическое представление действий и информацию об объектах, которые могут входить в определённые действия.

Примечания

  1. ↑ KnowRob 2.0.0. Zenodo. Дата обращения: 27 августа 2026.
  2. ↑ openEASE Lab. VRB EASE CRC. Дата обращения: 27 августа 2026.
  3. ↑ openEASE Knowledge Service Laboratory. VIB AI Uni Bremen. Дата обращения: 27 августа 2026.
  4. ↑ M. Tenorth и M. Beetz (2017). Representations for robot knowledge in the knowrob framework. Artificial Intelligence: Supplement C 247: 151—169. ISSN 0004-3702. doi:10.1016/j.artint.2015.05.010.
  5. ↑ Z. Saigol, M. Wang, B. Ridder и D. M. Lane (2015). The Benefits of Explicit Ontological Knowledge-Bases for Robotic Systems. Towards Autonomous Robotic Systems: 229—235. ISBN 978-3-319-22416-9.
  6. ↑ Flaviu Constantin и Florin Constantin (2017). Collaborative Robots and Knowledge Management — A Short Review. Acta Universitatatis Cibiniensis — Technical Series. De Gruyter Open LXIX: 143—147. doi:10.1515/aucts-2017-0018
  7. ↑ Ilker Bozcan и Sinan Kalkan (2017). Combining Different Knowledge-bases into a Single Partially-grounded Robotic Knowledge-base. Technical report METU-CENG-TR-2017-02:1-9. Middle East Technical University, Turkey
  8. ↑ Mori Yuichiro, Ogawa Yuhei, Hikawa Akatsuki и Yamaguchi Takahira (2014). Multi-robot Coordination Based on Ontologies and Semantic Web Service. Knowledge Management and Acquisition for Smart Systems and Services:150-164. ISBN 978-3-319-13332-4. doi:10.1007/978-3-319-13332-4_13
  9. ↑ Priyanka Khante и Andrea Thomaz. Situating Abstract Knowledge via Human Verification.
  10. ↑ Keon Kim, Doo Soo Chang и Yong Suk Choi (2017). Ontology based Human-Robot Interaction Knowledge for Intelligent Services. ICSR2017 Workshop on Social Human-Robot Interaction of Service Robots.
  11. ↑ KnowRob 2.0: A Knowledge Processing System for Robots. KnowRob Blog (2018). Дата обращения: 27 августа 2026.
  12. ↑ The KnowRob 2.0 Knowledge Processing System for Robots. MaxaPress (2019). Дата обращения: 27 августа 2026.
  13. ↑ Ontologies. KnowRob. Дата обращения: 27 августа 2026.
  14. ↑ SOMA: A Socio-Physical Model of Activities for Robot Knowledge Representation. Frontiers in Robotics and AI (2024). Дата обращения: 27 августа 2026.
  15. ↑ M. Tenorth и M. Beetz (2013). Knowrob: A knowledge processing infrastructure for cognition-enabled robots. The International Journal of Robotics Research 32(5):566-590. doi:10.1177/0278364913481635.
  16. ↑ 1 2 knowrob/knowrob. GitHub. Дата обращения: 27 августа 2026.
  17. ↑ Defining Computables. KnowRob Documentation. Дата обращения: 27 августа 2026.
  18. ↑ KnowRob 2.0: A Knowledge Processing Infrastructure for Cognition-Enabled Robots (PDF). AI Uni Bremen (2018). Дата обращения: 27 августа 2026.
  19. ↑ M. Beetz, D. Bessler, A. Haidu, M. Pomarlan, A. K. Bozcuoglu и G. Bartels (2018). KnowRob 2.0 — A 2nd Generation Knowledge Processing Framework for Cognition-enabled Robotic Agents. International Conference on Robotics and Automation (ICRA).
  20. ↑ 1 2 NEEM Handbook. EASE CRC. Дата обращения: 27 августа 2026.
  21. ↑ A Knowledge Processing Framework for Cognitive Robotics (Draft). arXiv. Дата обращения: 27 августа 2026.
  22. ↑ 1 2 A Knowledge Processing Framework for Cognitive Robotics. PMC. Дата обращения: 27 августа 2026.
  23. ↑ A Game Engine for Knowledge-Based Robot Control. Open EASE. Дата обращения: 27 августа 2026.
  24. ↑ Towards Knowledge-Based Diagnosis of Robot Failures. TAMS. Дата обращения: 27 августа 2026.
  25. ↑ Releases. GitHub. Дата обращения: 27 августа 2026.

Литература

  • M. Tenorth, M. Beetz. Representations for robot knowledge in the knowrob framework // Artificial Intelligence: Supplement C 247: 151—169, 2017. ISSN 0004-3702. doi:10.1016/j.artint.2015.05.010.
  • M. Tenorth, M. Beetz. Knowrob: A knowledge processing infrastructure for cognition-enabled robots // The International Journal of Robotics Research. 32(5):566-590, 2013. doi:10.1177/0278364913481635.

Ссылки

Категории