面向人机协作的意图理论

本文所描述的架构基于非拖延、持久性以及自动将推理限制在相关知识与观测上这些关键原则，对一种意图理论进行编码。该架构以两种不同分辨率对任意给定领域的转移图进行推理，其中细分辨率描述被定义为粗分辨率描述的精化，因而与后者紧密耦合。基于粗分辨率描述的非单调逻辑推理为任意给定目标计算出由抽象动作构成的活动（即规划）。每个抽象动作通过自动放大至与当前粗分辨率转移及目标相关的细分辨率转移图部分并进行推理，被实现为一系列具体动作。该序列中的每个具体动作利用感知与执行中不确定性的概率模型来执行，相应的细分辨率结果被用于推断被加入粗分辨率历史的粗分辨率观测。该架构的能力在以下情境中得到评估：模拟机器人于办公领域协助人类、物理机器人 (Baxter) 操作桌面物体、以及轮式机器人 (Turtlebot) 将物体移至特定位置或人处。实验结果表明，与不包含意图理论的架构以及不包含用于细分辨率推理的放大机制的架构相比，其在可靠性与计算效率上均有提升。