标题：KnowRob: A knowledge processing infrastructure for cognition-enabled robots

KnowRob：支持认知的机器人的知识处理基础架构

作者：Moritz Tenorth and Michael Beetz

0.摘要

自主服务机器人将必须理解模糊描述的任务，例如“摆桌子”或“清理”。要执行预期的任务，需要机器人充分，精确并适当地设置其低级控制程序的参数。我们建议将知识处理作为一种计算资源，以使机器人能够弥合模糊的任务描述与实际以预期方式执行这些任务所需的详细信息之间的鸿沟。在本文中，我们介绍了KNOWROB知识处理系统，该系统专门设计用于为自主机器人提供执行日常操纵任务所需的知识。该系统允许实现“虚拟知识库”：知识片段的集合未明确表示，而是根据机器人的内部数据结构，感知系统或外部信息源的需要进行计算的。本文概述了各种知识，不同的推理机制以及从外部资源（例如，机器人的感知系统，对人类活动的观察，Internet上的网站以及基于Web的知识库）获取知识的接口。用于机器人之间的信息交换。我们评估了该系统的可扩展性，并提供了各种集成实验来证明其多功能性和全面性。

1.介绍

未来的服务机器人有望成为机器人助手，同伴和（同事）同事（Bicchi等，2007； Bischoff和Guhl，2009； Hollerbach等，2009），这些机器人将执行诸如设置餐桌， 清理，做煎饼。 为了理解和执行诸如“摆桌子”之类的非正式命令，他们需要推断这些模糊的说明中未明确指出的缺失信息。 例如，要设置桌子，机器人必须确定餐所需的物品，在厨房的什么地方可以找到它们以及应该将它们放置在哪里。

我们期望这种从所描述的内容中推断出什么意思的能力将成为直观上可行的未来机器人代理的普遍前提。 在某种意义上，人类给出的大多数指令是不完整的，因为人类希望交流伙伴具有一定程度的常识。 要有能力检测这些信息差距并决定如何获取丢失的信息以及如何在任务执行环境中利用它，将需要机器人代理具有大量的知识体系和强大的知识处理机制。

为了将这些推理技术包括在任务执行中，我们建议以一种支持知识的方式实施机器人的控制程序。 这意味着决策被制定为推理任务，可以由机器人的知识库来回答。 图1给出了一个用于提取对象的例程的示例，该例程紧凑地指定为：“在最可能的存储位置查找该对象。 如果物体在容器内，请使用容器物体的铰接模型以适当的方式打开容器。 编写计划时，程序员通常知道做出决定所需的信息，因此可以决定这些查询的结构，例如前面示例中对最可能的对象位置的查询。 虽然查询的结构和结果是已知的，但实际的结果集将基于执行时机器人的知识来确定。

使用对知识库的查询作为界面，可以创建自动更改机器人知识的机器人计划。如果示例中的机器人探索了周围的环境并发现了一个装有米饭和意大利面的橱柜，则应从那时起考虑在计算搜索通心粉面食时应考虑的信息。额外的知识也可能导致选择不同的推理技术：在考虑相似距离的地方（Schuster等，2012），在存储相似对象的地方搜索对象需要有关环境中其他对象的信息。到这些位置（Kunze等人，2012）需要有关机器人位置的信息。因此，只有相应的信息可用时，这些方法才会生成假设。除了提高适应性之外，启用知识的计划还较少依赖于具体的域或环境，因为有关对象属性，这些对象在环境中的空间排列以及基于此来计算可能位置的推理规则的知识无需调整机器人计划即可独立更改所有知识。