面向机器人自主行为的认知语义地图信息模型构建

发布时间：2020-09-24 07:08

　　随着社会的进步和科技的发展,人工智能已逐步从感知智能向认知智能阶段迈进。自主行为是机器人实现认知智能的重要标志之一。目前,基于规则或案例推理成为机器人实现自主行为的主要研究方法。但是,基于推理机制实现自主行为,机器人只能在特定场景执行特定任务,不具备自主认知能力,无法实现真正的自主决策。因此,研究基于认知能力的机器人自主行为已成为人工智能发展的主要趋势之一。认知语义是机器人实现自主认知和自主决策的前提和基础。机器人为实现类人智能行为,不仅需要静态环境信息来识别自身所处场景,还需要高层语义知识来准确理解决策场景中的事件及其含义。因此,本文融合时间、人员及其需求偏好、地理位置及其决策属性、物体及其位置关系等语义信息构建语义信息结构模型,实现机器人环境认知和行为认知过程中所需先验知识的表示、存储与应用。在语义信息结构模型的基础上,根据不同区域的先验操作知识,利用本体技术在二维栅格地图的不同位置关联相应的语义描述和认知知识构建机器人认知语义地图,为机器人实现情境相关的室内位置服务提供语义信息支持。基于认知语义地图,机器人在不同位置、不同场景,能够基于环境认知有针对性的主动感知任务相关信息,发掘当前场景中有意义的管理事件,进而在情境理解的基础上自主决策需要执行的服务任务。知识表示与环境建模是机器人实现环境认知进而实现行为认知的先决条件。本文围绕机器人自主行为问题,主要研究认知语义地图的信息结构模型。模型将机器人地图知识化表示,实现地理位置与情境模式的紧密关联,为机器人基于情境认知的自主行为决策奠定基础。首先,对基于认知的自主行为流程进行深入分析,着重探讨认知语义对机器人自主行为实现机理的重要性,构建语义信息结构模型。其次,针对机器人在房间不同位置执行不同任务的特性提出任务分区,并在此基础上设计认知语义地图构建模型,深入研究位置与情境知识库之间的信息交互方式。最后,基于环境信息和场景知识进行本体建模,并通过家庭环境中机器人自主安防的案例阐述了该模型的具体应用。
【学位单位】：合肥工业大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TP242
【部分图文】：

类层次图,情境,类层次图,安防

合肥工业大学硕士学位论文3 创建本体模型，利用 OWL 网络本体语言对领域本体的形式化规范说明，为异质多智能体间的互操作提供环境信息和场景信息创建的本体模型为情境知识库构特定场景下通过理解当前情境实现服务认知。为了降的开发和利用知识，将实现自主行为所需的环境和场区域、对象、时间和人员 4 个领域，如图 5.2 所示。各以最简明的层次结构实现所有信息的完全描述，同时

安防,本体关系,情境,家庭

图 5.4 家庭安防情境本体关系图Fig 5.4 Situation ontology diagram for home security5.3 自主安防的实现自主安防的目的在于转变传统的反应式安防模式，期望机器人在家庭成员外出时能够基于先验知识进行自主布防。同时，机器人经过一段时间的经验积累和自主学习，能够根据家庭成员的作息规律进行自主布防和主动预警，最终提供真正自主化、个性化的安防服务。大门作为家庭出入的重要通道，是非常关键的安防区域。据公安部统计数据分析，76%以上的入室盗窃案都是由大门侵入的。因此，本节以智能家庭中的大门安防任务为例，阐述机器人如何基于情境认知实现自主安防。针对大门区域的自主安防任务，根据 4.3 节的认知语义地图模型对图 5.1 所示的大门安防区域 SR1 进行建模。（1）栅格层栅格层提供任务分区及其包含对象的位置信息，是机器人实现情境理解不可

【相似文献】