可解释知识图谱嵌入：支持机器人动作的知识推断的推断调和

支持机器人的习得知识图谱表示蕴含丰富的驱动机器人行为的领域知识。然而，目前尚不存在一种推断调和框架来表达知识图谱表示如何影响机器人的序贯决策。我们采用教学法来解释一个习得的黑盒知识图谱表示（即知识图谱嵌入）的推断。我们的可解释模型使用决策树分类器在局部近似黑盒模型的预测，并提供非专家可理解的自然语言解释。我们的算法评估结果肯定了模型设计选择，而针对非专家的用户研究结果支持了所提出的推断调和框架的必要性。关键的是，我们的模拟机器人评估结果表明，我们的解释使非专家能够纠正由黑盒中荒谬信念导致的机器人异常行为。