論文の概要: Deliberative and Conceptual Inference in Service Robots

• arxiv url: http://arxiv.org/abs/2012.07121v1
• Date: Sun, 13 Dec 2020 18:30:15 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-09 14:49:39.775129
• Title: Deliberative and Conceptual Inference in Service Robots
• Title（参考訳）: サービスロボットにおける熟考と概念推論
• Authors: Luis A. Pineda, No\'e Hern\'andez, Arturo Rodr\'iguez, Ricardo Cruz and Gibr\'an Fuentes
• Abstract要約: サービスロボットは日々の状況で人々を支援する必要がある。 推論は要求に応じて使用するべき高価なリソースです。 日常生活の推論サイクルをサポートするサービスロボットの概念モデルとアーキテクチャについて説明します。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Service robots need to reason to support people in daily life situations. Reasoning is an expensive resource that should be used on demand whenever the expectations of the robot do not match the situation of the world and the execution of the task is broken down; in such scenarios the robot must perform the common sense daily life inference cycle consisting on diagnosing what happened, deciding what to do about it, and inducing and executing a plan, recurring in such behavior until the service task can be resumed. Here we examine two strategies to implement this cycle: (1) a pipe-line strategy involving abduction, decision-making and planning, which we call deliberative inference and (2) the use of the knowledge and preferences stored in the robot's knowledge-base, which we call conceptual inference. The former involves an explicit definition of a problem space that is explored through heuristic search, and the latter is based on conceptual knowledge including the human user preferences, and its representation requires a non-monotonic knowledge-based system. We compare the strengths and limitations of both approaches. We also describe a service robot conceptual model and architecture capable of supporting the daily life inference cycle during the execution of a robotics service task. The model is centered in the declarative specification and interpretation of robot's communication and task structure. We also show the implementation of this framework in the fully autonomous robot Golem-III. The framework is illustrated with two demonstration scenarios.
• Abstract（参考訳）: サービスロボットは日々の状況で人々を支援する必要がある。 推論は、ロボットの期待が世界の状況と一致せず、タスクの実行が分解されるたびに、需要に応じて使用するべき高価な資源であり、そのようなシナリオでは、ロボットは、何が起きたかの診断、何をするかの決定、計画の誘導と実行、サービスタスクが再開できるまでそのような行動を繰り返すことからなる、常識的な日常生活推論サイクルを実行しなければならない。 本稿では,このサイクルを実現するための2つの戦略について検討する。(1) 推論,意思決定,計画を含むパイプライン戦略,(2) 概念推論と呼ぶロボットの知識ベースに格納される知識と選好の使用。 前者はヒューリスティック検索によって探索される問題空間を明確に定義し、後者は人間の好みを含む概念的知識に基づいており、その表現には単調な知識に基づくシステムが必要である。 両方のアプローチの長所と限界を比較します。 また,ロボットサービスタスク実行時の日常生活推定サイクルを支援することができるサービスロボットの概念モデルとアーキテクチャについて述べる。 このモデルは、ロボットのコミュニケーションとタスク構造の宣言的仕様と解釈に集中している。 また,完全自律型ロボットGolem-IIIの実装についても述べる。 フレームワークには2つのデモシナリオがある。

関連論文リスト

• An Epistemic Human-Aware Task Planner which Anticipates Human Beliefs and Decisions [8.309981857034902]
  目的は、制御不能な人間の行動を説明するロボットポリシーを構築することである。 提案手法は,AND-OR探索に基づく新しい計画手法と解法の構築である。 2つの領域における予備的な実験は、1つの新しいものと1つの適応されたもので、フレームワークの有効性を実証している。
  論文  参考訳（メタデータ） (2024-09-27T08:27:36Z)
• SECURE: Semantics-aware Embodied Conversation under Unawareness for Lifelong Robot Learning [17.125080112897102]
  本稿では,ロボットが指示されたタスクを解く上で鍵となる概念を知らない,困難な対話型タスク学習シナリオについて論じる。 本稿では,このような問題を解決するための対話型タスク学習フレームワークSECUREを提案する。 SECUREを用いて、ロボットはミスをしたときのユーザの補正フィードバックから学習するだけでなく、指示されたタスクを解決するための新しい概念に関する有用な証拠を明らかにするための戦略的対話決定も行う。
  論文  参考訳（メタデータ） (2024-09-26T11:40:07Z)
• Commonsense Reasoning for Legged Robot Adaptation with Vision-Language Models [81.55156507635286]
  脚のついたロボットは、様々な環境をナビゲートし、幅広い障害を克服することができる。 現在の学習手法は、人間の監督を伴わずに、予期せぬ状況の長い尾への一般化に苦慮することが多い。 本稿では,VLM-Predictive Control (VLM-PC) というシステムを提案する。
  論文  参考訳（メタデータ） (2024-07-02T21:00:30Z)
• RoboScript: Code Generation for Free-Form Manipulation Tasks across Real and Simulation [77.41969287400977]
  本稿では,コード生成を利用したデプロイ可能なロボット操作パイプラインのためのプラットフォームである textbfRobotScript を提案する。 自由形自然言語におけるロボット操作タスクのためのコード生成ベンチマークも提案する。 我々は,Franka と UR5 のロボットアームを含む,複数のロボットエボディメントにまたがるコード生成フレームワークの適応性を実証した。
  論文  参考訳（メタデータ） (2024-02-22T15:12:00Z)
• Learning Vision-based Pursuit-Evasion Robot Policies [54.52536214251999]
  我々は、部分的に観察可能なロボットの監督を生成する完全観測可能なロボットポリシーを開発する。 我々は、RGB-Dカメラを搭載した4足歩行ロボットに、野生での追従回避のインタラクションにポリシーを展開させる。
  論文  参考訳（メタデータ） (2023-08-30T17:59:05Z)
• Towards a Causal Probabilistic Framework for Prediction, Action-Selection & Explanations for Robot Block-Stacking Tasks [4.244706520140677]
  因果モデル(英: Causal model)は、ロボットの環境との相互作用を管理する因果関係の形式的知識を符号化する原則的な枠組みを提供する。 本研究では,物理シミュレーション機能を構造因果モデルに組み込むことで,ロボットがブロックスタッキングタスクの現況を認識・評価できる新しい因果確率的枠組みを提案する。
  論文  参考訳（メタデータ） (2023-08-11T15:58:15Z)
• Can Foundation Models Perform Zero-Shot Task Specification For Robot Manipulation? [54.442692221567796]
  タスク仕様は、熟練していないエンドユーザの関与とパーソナライズされたロボットの採用に不可欠である。 タスク仕様に対する広く研究されているアプローチは、目標を通じて、コンパクトな状態ベクトルまたは同じロボットシーンのゴールイメージを使用することである。 そこで本研究では,人間の指定や使用が容易な目標仕様の代替的,より汎用的な形式について検討する。
  論文  参考訳（メタデータ） (2022-04-23T19:39:49Z)
• A Road-map to Robot Task Execution with the Functional Object-Oriented Network [77.93376696738409]
  関数型オブジェクト指向ネットワーク(FOON)はロボットの知識グラフ表現である。 FOONは、二部グラフの形で、ロボットの環境やタスクに対する理解に関係のある象徴的あるいは高レベルな情報を含んでいる。
  論文  参考訳（メタデータ） (2021-06-01T00:43:04Z)
• Towards Coordinated Robot Motions: End-to-End Learning of Motion Policies on Transform Trees [63.31965375413414]
  人間による実証から構造化政策を学習し、マルチタスクの課題解決を提案します。 我々の構造化ポリシーは、異なる空間におけるサブタスクポリシーを組み合わせるためのフレームワークであるRMPflowにインスパイアされている。 マルチタスク問題に適したエンドツーエンドの学習目標関数を導き出します。
  論文  参考訳（メタデータ） (2020-12-24T22:46:22Z)
• Axiom Learning and Belief Tracing for Transparent Decision Making in Robotics [8.566457170664926]
  ロボットがその決定や信念の説明を提供する能力は、人間との効果的なコラボレーションを促進する。 我々のアーキテクチャは、非単調な論理的推論、ディープラーニング、決定木帰納の相補的な強みを兼ね備えています。 推論と学習の間、このアーキテクチャにより、ロボットはその決定、信念、仮説的行動の結果について、オンデマンドでリレーショナルな記述を提供することができる。
  論文  参考訳（メタデータ） (2020-10-20T22:09:17Z)
• DREAM Architecture: a Developmental Approach to Open-Ended Learning in Robotics [44.62475518267084]
  我々は、この再記述プロセス段階を段階的にブートストラップし、適切なモチベーションを持った新しい状態表現を構築し、獲得した知識をドメインやタスク、さらにはロボット間で伝達するための発達的認知アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2020-05-13T09:29:40Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。