面向机器人烹饪的知识网络中近似任务树检索
机器人学
2022-07-11 v1
摘要
灵活的任务规划对机器人而言仍是一个难题，机器人无法创造性地将任务计划适应于新的或未见的问题，这主要由于其关于自身动作和世界的有限知识。受人类适应能力的启发，我们探索了如何从知识图（称为功能对象导向网络 Functional Object-Oriented Network, FOON）中为需要机器人知识库中不易获得的概念的新颖问题生成任务计划。来自 140 个烹饪食谱的知识被构建在 FOON 知识图中，用于获取称为任务树的任务计划序列。任务树可被修改以复现 FOON 知识图格式的食谱，通过依赖语义相似性，可用于以包含未知对象和状态组合的新食谱丰富 FOON。我们展示了任务树生成在创建具有前所未见食材和状态组合的任务树方面的能力，这些组合来自 Recipe1M+ 数据集的食谱，并基于其描绘新添加食材的准确程度评估树的质量。我们的实验结果表明，我们的系统能够提供正确率为 76% 的任务序列。
引用
@article{arxiv.2207.03693,
title = {Approximate Task Tree Retrieval in a Knowledge Network for Robotic Cooking},
author = {Md. Sadman Sakib and David Paulius and Yu Sun},
journal= {arXiv preprint arXiv:2207.03693},
year = {2022}
}