用于机器人规划与解释生成的混合逻辑与概率推理

在复杂领域辅助人类的机器人必须在感知运动层面和社会层面表示知识并进行推理。本文描述的架构将声明式语言的非单调逻辑推理能力与概率信念修正相结合，使机器人能够用知识的定性与定量描述及信念度进行表示和推理。具体而言，不完整的领域知识（包括除少数例外情况外均成立的信息）被表示为一个答案集Prolog（ASP）程序。通过求解该程序获得的答案集用于推理、规划，以及联合解释（a）由外生动作引起的意外动作结果和（b）从传感器输入提取的部分场景描述。对于任意给定任务，答案集中包含的规划里的每个动作都以概率方式执行。自动识别与该动作相关的领域子集，并从传感器输入提取的观测对该领域子集上定义的信念分布执行增量贝叶斯更新，高概率信念被提交至ASP程序。该架构的能力在仿真和一个在餐厅用餐区服务的移动机器人服务员场景中得到了展示。