論文の概要: Ontology-Guided Reasoning for Affordance-Based Explanations of Robot Navigation
- arxiv url: http://arxiv.org/abs/2606.00117v1
- Date: Wed, 27 May 2026 17:08:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-09 15:58:09.083469
- Title: Ontology-Guided Reasoning for Affordance-Based Explanations of Robot Navigation
- Title（参考訳）: ロボットナビゲーションの動作に基づく説明のためのオントロジー誘導推論
- Authors: Amar Halilovic, Vahidin Hasic, Senka Krivic,
- Abstract要約: 人間の環境では、ロボットがそのルートがブロックされていることを検出するのに十分ではない。
また、どの状態の変更が可能か、どの変更が安全に継続できるのか、近くのオブジェクトに何ができるかも考慮しなければなりません。
本研究では, 近隣の施設, 空き地, 空き地, 質的空間関係を局所的な空き地オントロジーで表現することで, この問題に対処する。
これは意味論的に根拠づけられただけでなく、作用可能な説明をもたらす。
- 参考スコア（独自算出の注目度）: 8.132280287658485
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper proposes ontology-guided reasoning for affordance-based explanations of robot navigation. In human environments, it is not sufficient for a robot to detect that its route is blocked. It must also reason about what nearby objects afford, which state changes are possible, and which of these changes would allow it to continue safely. We address this problem by representing nearby entities, their affordances, affordance states, and qualitative spatial relations in a local affordance ontology and by evaluating hypothetical object--affordance state changes as candidate explanation factors. This yields explanations that are not only semantically grounded but also actionable. We instantiate the approach in a lightweight benchmark centered on a robot librarian scenario and evaluate it on procedurally generated navigation cases. The results show that ontology-guided reasoning identifies relevant explanation factors more accurately than a semantic-only baseline and remains robust as semantic clutter increases. Overall, the paper argues that affordance ontologies can serve not merely as semantic descriptions of the environment, but as reasoning foundations for explainability and reliable robot autonomy.
- Abstract（参考訳）: 本稿では,ロボットナビゲーションの空き時間に基づく説明のためのオントロジー誘導推論を提案する。
人間の環境では、ロボットがそのルートがブロックされていることを検出するのに十分ではない。
また、どの状態の変更が可能か、どの変更が安全に継続できるのか、近くのオブジェクトに何ができるかも考慮しなければなりません。
本稿では, 近隣のエンティティ, 空き国, 空き国, 質的空間関係を局所的な空きオントロジーで表現し, 仮説的対象状態変化を候補的説明因子として評価することによって, この問題に対処する。
このことは、意味的に基礎付けられただけでなく、作用可能な説明をもたらす。
ロボットライブラリアンシナリオを中心とした軽量なベンチマークでアプローチをインスタンス化し、手続き的に生成されたナビゲーションケースで評価する。
その結果、オントロジー誘導推論は意味のみのベースラインよりも関連説明因子を正確に識別し、意味的クラッタの増加とともに頑健であることが示唆された。
全体としては、余剰オントロジーは環境のセマンティックな記述だけでなく、説明可能性と信頼性の高いロボットの自律性の基礎として機能する、と論じている。
関連論文リスト
- Provably Secure Agent Guardrail [89.79561918065122]
既存の防衛アーキテクチャは経験的セマンティックガードレールと確率論的大モデル調整器に依存している。
本稿では,論理的推論の基本的制約に基づくエージェントのための新しいセキュリティパラダイムを提案する。
論文 参考訳（メタデータ） (2026-05-28T02:12:41Z) - Pro-HOI: Perceptive Root-guided Humanoid-Object Interaction [57.252599851031505]
本稿では,知覚根誘導型ヒューマノイドオブジェクトインタラクション,Pro-HOIを紹介する。
Pro-HOIは、堅牢なヒューマノイドロコ操作のための一般化可能なフレームワークである。
ユニツリーG1ロボットの実証検証は、Pro-HOIが一般化と堅牢性においてベースラインを著しく上回っていることを示す。
論文 参考訳（メタデータ） (2026-03-01T14:19:59Z) - Ontological grounding for sound and natural robot explanations via large language models [6.358448988089591]
本稿では,オントロジーに基づく推論と大規模言語モデル(LLM)を融合したハイブリッドフレームワークを提案する。
オントロジーは論理的一貫性とドメインの基底を保証するが、LLMは流動的でコンテキスト対応で適応的な言語生成を提供する。
我々は,静的コントラストに基づく物語の検索と構築のための最先端のアルゴリズムをLLMエージェントと統合し,簡潔で明瞭で対話的な説明を生成する。
論文 参考訳（メタデータ） (2026-02-14T14:23:11Z) - Ontological foundations for contrastive explanatory narration of robot plans [8.913500117780819]
本稿では、2つの競合する計画の比較について、モデリングと推論のアプローチに焦点を当てる。
競合する計画の違いを形式化し、推論するために、新しい存在論的モデルが提案されている。
計画間の異なる知識を活用し、対照的な物語の構築を容易にする新しいアルゴリズムが提示される。
論文 参考訳（メタデータ） (2025-09-26T15:37:47Z) - Situationally-Aware Dynamics Learning [57.698553219660376]
隠れ状態表現のオンライン学習のための新しいフレームワークを提案する。
提案手法は、非観測パラメータが遷移力学と報酬構造の両方に与える影響を明示的にモデル化する。
シミュレーションと実世界の両方の実験は、データ効率、ポリシー性能、安全で適応的なナビゲーション戦略の出現を著しく改善した。
論文 参考訳（メタデータ） (2025-05-26T06:40:11Z) - Multimodal Coherent Explanation Generation of Robot Failures [1.3965477771846408]
本稿では,異なるモーダルからの説明の論理的コヒーレンスをチェックすることによって,コヒーレントなマルチモーダルな説明を生成する手法を提案する。
実験により,テキストの包含を認識するために事前訓練されたニューラルネットワークの微調整が,コヒーレンス評価に有効であることが示唆された。
論文 参考訳（メタデータ） (2024-10-01T13:15:38Z) - 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) - Principles and Guidelines for Evaluating Social Robot Navigation
Algorithms [44.51586279645062]
社会的ロボットナビゲーションは、動的エージェントとそのロボット行動の適切性に対する認識が関係しているため、評価が難しい。
コントリビューションには、(a)安全性、快適性、妥当性、丁寧さ、社会的能力、エージェント理解、活動性、文脈に対する応答性に関する原則、(b)メトリクスの使用のためのガイドライン、シナリオ、ベンチマーク、データセット、社会ナビゲーションを評価するためのシミュレーター、(c)様々なシミュレーター、ロボット、データセットの結果の比較を容易にするソーシャルナビゲーションメトリクスフレームワークなどが含まれます。
論文 参考訳（メタデータ） (2023-06-29T07:31:43Z) - Semantic-Based Explainable AI: Leveraging Semantic Scene Graphs and
Pairwise Ranking to Explain Robot Failures [18.80051800388596]
より一般化可能なセマンティックな説明フレームワークを導入する。
我々のフレームワークは、シーン内の意味情報を自律的にキャプチャして、意味記述的な説明を生成する。
以上の結果から,これらの意味記述的説明は,障害の特定と回復支援を両立する日常的ユーザの能力を大幅に向上させることが示唆された。
論文 参考訳（メタデータ） (2021-08-08T02:44:23Z) - CausalCity: Complex Simulations with Agency for Causal Discovery and
Reasoning [68.74447489372037]
本稿では,因果探索と反事実推論のためのアルゴリズムの開発を目的とした,高忠実度シミュレーション環境を提案する。
私たちの作業の中核となるコンポーネントは、複雑なシナリオを定義して作成することが簡単になるような、テキストの緊急性を導入することです。
我々は3つの最先端の手法による実験を行い、ベースラインを作成し、この環境の可利用性を強調する。
論文 参考訳（メタデータ） (2021-06-25T00:21:41Z) - Explainable Deep Classification Models for Domain Generalization [94.43131722655617]
説明は、深い分類網が決定を下す視覚的証拠の領域として定義される。
トレーニング戦略は周期的な正当性に基づくフィードバックを強制し、モデルが地中真実に直接対応する画像領域に焦点を合わせることを奨励する。
論文 参考訳（メタデータ） (2020-03-13T22:22:15Z)
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。