智能机器人自主知识与自主行动推理研究

The project focuses on autonomous knowledge and autonomous action reasoning of intelligent robots under the case of "situation-response". Through incorporating the transformation process of the formation mechanism of human intelligence-"data-information-knowledge-intelligence", the evolution of "machine data-machine information-machine knowledge-machine intelligence" on robots is explored, and using "knowledge machine" as the breakthrough point, some new theories and new methods for autonomous knowledge and autonomous action reasoning of intelligent robots are proposed. On the one hand, through introducing sensors into action theory in situation calculus, and defining a semantic interpretation based on sensors, the original situation calculus would be expanded, and adopting the concept of self-reflective design stance, the autonomous knowledge base would be established. In addition, the logical system LBS is also proposed. On the other hand, through extending the representation and the ability of reasoning of LBS system, the autonomous action reasoning models are established by considering the automatic conversion mechanism from external information to the knowledge of the machine. The problem of evolution on the autonomous knowledge of robots transfer to the autonomous intelligence of robots is investigated. It is expected that the study will contribute to establish a theoretical system of autonomous reasoning about action independent of the designers and the external operators, so as to describe multi-task, multi-situation and multi-information couples better. The research has an important application value as well as significant science meanings.

本项目着眼于"情境-应对"下智能机器人的自主知识与自主行动推理的研究。拟借鉴人类智能生成机制的转换过程"数据－信息－知识－智能"，探索机器人上"机器数据－机器信息－机器知识－机器智能"的演化机理，以"机器知识"为切入点，探索机器人自主知识及自主行动推理的新理论和新方法。一方面，通过把感知器加到情境演算行动理论中及定义基于感知器的语义解释，将情境演算进行扩展，并采用"内省设计立场"建模的思想，创建机器人的自主知识库，构建既能描述机器人的行动，又能描述感知器的逻辑系统LBS。另一方面，通过扩展LBS系统的表示和推理能力，建立从外部信息到机器知识的自动转换机制及智能机器人的自主行动推理模型，研究"机器人自主知识"向"机器人自主智能"演化的基础问题，探求建立描述多任务、多情境及多信息耦合环境下独立于设计者和外部操控人员的自主行动推理的理论体系。本研究不仅具有重要的应用价值，而且具有深远的科学意义。

本项目借鉴人类智能生成机制的转换过程“数据－信息－知识－智能”，探索机器人智能的演化机理，研究机器人自主知识获取及自主行动推理的新理论和新方法。项目所取得的研究成果主要体现在以下几个方面：(1) 研究形式化描述机器人自主知识和自主行动推理的逻辑框架及其语义解释模型。扩展情境演算，把感知器（传感器）加到情境演算行动理论中，建立一个能够形式化描述传感器、知识和感知行动的逻辑系统；提出一种与经典方法完全不同的语义解释----基于感知数据的语义解释，这种语义解释把感知器的输出信息映射到逻辑系统的公式中，从而把公式解释成知识。(2) 研究机器人自主知识的生成方法。提出机器知识和机器信念的概念、机器知识生成和更新的方法、从感知数据到机器知识的自动转换机制；并提出基于模糊关联规则和决策树的图像自动标注方法、集成多种查询方式的图像语义检索框架。(3) 研究机器人理解知识的模型和方法。提出形式化描述机器人理解知识的方法，给出明确的关于机器人理解知识的形式化定义，构建一个知识理解模型，展示知识理解模型的具体应用；并提出混合生成式和判别式模型的图像自动标注方法，从图像数据库中学习语义概念。(4) 研究人机交互和问题求解方法。提出带有知识服务的物联网，为人机交互及机器人之间的信息传递提供支持；提出了一种用于确立问题框架中问题领域因果行为的形式化验证方法，为问题渐变的实现提供保障；对已有的面向问题的计算机辅助软件需求工程工具进行扩展，提出基于人机交互的计算机辅助软件需求分析工具。.依托本项目发表（录用）学术论文19篇，其中SCI收录3篇，EI收录7篇，CPCI收录2篇。本项目的主要成果可应用于形式化描述机器人对外部环境的感知、自主知识生成、知识理解、自主行动推理、图像语义映射、文本分类等相关领域，对于提高机器人的自主能力和智能水平具有重要的理论价值和应用前景。