view in publisher's site

Home service robot task planning using semantic knowledge and probabilistic inference

In the face of unstructured home environment, home service robots are inevitably confronted with uncertainty and incompleteness of environment information. How to make the home service robot obtain enough environment information and plan a discrete sequence of actions through task planning is the key problem of robot intelligence. In this paper, a hierarchical task network based on semantic knowledge and probabilistic inference method is proposed. We use the object location ontology, the location relation between dynamic and static objects to build semantic knowledge of home environment, and build the probability model between dynamic and static objects, as well as between static objects and home scenes. The location of the object is determined by the semantic knowledge and the probability model. Hierarchical task network is selected as an engine of task planner, which can be provided with the location information to improve the autonomy and effectiveness of robot task planning. In order to prevent task execution failure and enhance the adaptability of robot to unstructured home environment, a mechanism of task execution diagnosis and replanning is designed. Experimental results in simulation and real home environment demonstrate that our method can effectively improve the performance of service robot task planning and generate better task execution sequence.

برنامه‌ریزی کاری ربات خانگی با استفاده از دانش معنایی و استنتاج احتمالی

در مواجهه با محیط خانگی بدون ساختار، ربات‌های خدمات خانگی به طور اجتناب‌ناپذیری با عدم قطعیت و ناقص بودن اطلاعات محیط مواجه می‌شوند. چگونگی به دست آوردن اطلاعات محیط به اندازه کافی اطلاعات و برنامه‌ریزی یک رشته گسسته از کنش‌ها را از طریق برنامه‌ریزی کاری، مساله کلیدی هوش مصنوعی است. در این مقاله یک شبکه کاری سلسله مراتبی براساس دانش معنایی و روش استنتاج احتمالی ارائه شده‌است. ما از هستی‌شناسی محل شی، رابط محلی بین اجسام پویا و ایستا استفاده می‌کنیم تا دانش معنایی از محیط خانه بسازیم و مدل احتمال بین اشیا استاتیک و استاتیک، و همچنین بین اشیا ساکن و صحنه‌های خانه بسازیم. مکان شی توسط دانش معنایی و مدل احتمال تعیین می‌شود. شبکه وظیفه سلسله مراتبی به عنوان موتور برنامه‌ریز کار انتخاب شده‌است که می‌تواند با اطلاعات مکانی برای بهبود استقلال و اثربخشی برنامه‌ریزی کار ربات ارائه شود. به منظور جلوگیری از شکست اجرای کار و افزایش سازگاری ربات به محیط خانگی بدون ساختار، مکانیزم تشخیص اجرای کار و replanning طراحی شده‌است. نتایج تجربی در شبیه‌سازی و محیط خانه واقعی نشان می‌دهند که روش ما می‌تواند به طور موثر عملکرد ربات خدماتی را بهبود بخشیده و توالی اجرای وظیفه بهتری را ایجاد نماید.
ترجمه شده با


پر ارجاع‌ترین مقالات مرتبط:

  • مقاله Software
  • ترجمه مقاله Software
  • مقاله نرم‌افزار
  • ترجمه مقاله نرم‌افزار
  • مقاله Information Systems and Management
  • ترجمه مقاله Information Systems and Management
  • مقاله سیستم‌های اطلاعاتی و مدیریت
  • ترجمه مقاله سیستم‌های اطلاعاتی و مدیریت
  • مقاله Artificial Intelligence
  • ترجمه مقاله Artificial Intelligence
  • مقاله هوش مصنوعی
  • ترجمه مقاله هوش مصنوعی
  • مقاله Management Information Systems
  • ترجمه مقاله Management Information Systems
  • مقاله مدیریت سیستم‌های اطلاعاتی
  • ترجمه مقاله مدیریت سیستم‌های اطلاعاتی
سفارش ترجمه مقاله و کتاب - شروع کنید

با استفاده از افزونه دانلود فایرفاکس چکیده مقالات به صورت خودکار تشخیص داده شده و دکمه دانلود فری‌پیپر در صفحه چکیده نمایش داده می شود.