[論文レビュー] Narrative based Postdictive Reasoning for Cognitive Robotics

Manfred Eppe, Mehul Bhatt|arXiv (Cornell University)|Jun 4, 2013

Logic, Reasoning, and Knowledge参考文献 28被引用数 14

ひとこと要約

本論文は、認知ロボティクスにおけるオンラインで物語ベースの後件的推論フレームワークを提示し、自律車いすシステムにおけるリアルタイムの異常検出と計画修復を可能にする。近似的認識的計画法としての答え集合プログラミング（ASP）を統合することで、感覚的物語に対する逐次的推論を用いて、予期しない世界状態変化の原因を後件的に特定し、不完全で矛盾する感覚的情報下でも強固で反応的な制御を実現する。

ABSTRACT

Making sense of incomplete and conflicting narrative knowledge in the presence of abnormalities, unobservable processes, and other real world considerations is a challenge and crucial requirement for cognitive robotics systems. An added challenge, even when suitably specialised action languages and reasoning systems exist, is practical integration and application within large-scale robot control frameworks. In the backdrop of an autonomous wheelchair robot control task, we report on application-driven work to realise postdiction triggered abnormality detection and re-planning for real-time robot control: (a) Narrative-based knowledge about the environment is obtained via a larger smart environment framework; and (b) abnormalities are postdicted from stable-models of an answer-set program corresponding to the robot's epistemic model. The overall reasoning is performed in the context of an approximate epistemic action theory based planner implemented via a translation to answer-set programming.

研究の動機と目的

• 現実世界のロボティクス制御における不完全で矛盾する、あるいは異常な感覚的物語の推論に取り組む。
• 不確実性下での自律エージェントにおけるリアルタイムで段階的な計画監視と修復を可能にする。
• 観察された変化の過去の原因についての帰納的推論である後件的推論を、スケーラブルでオンラインな計画フレームワークに統合する。
• ExpCogフレームワークとROSへの統合を通じて、大規模な認知ロボティクスシステムへの実用的導入を支援する。
• センシングと後件的推論をサポートする、計算的に効率的で記述の変更に強い計画形式を構築する。

提案手法

• センサデータと人間の入力から得られる物語ベースの感覚的モデルを用いて、エージェントの認識的状態を表現する。
• 計画のための認識的行動理論の妥当で不完全だが効率的な近似として、h-近似（HPX）形式を適用する。
• HPX形式を答え集合プログラミング（ASP）に翻訳し、oclindoオンラインASP推論エンジンを用いて実行可能な推論を実現する。
• 実行中に新たな感覚的観測を知識ベースに動的に更新することで、段階的でオンラインな計画を実行する。
• ASPの安定モデル意味論を用いて、予期しない世界状態変化の説明を推論することで後件的推論を実現する。
• ROSやiCubなどのロボットプラットフォームへのシームレスな統合を実現するため、ExpCog認知ロボティクスフレームワークにシステムを統合する。

実験結果

リサーチクエスチョン

• RQ1 どのようにして後件的推論をリアルタイムのロボティクス制御に効果的に統合し、感覚的物語における異常を検出し説明できるか？
• RQ2 不完全な知識下で効率的で段階的かつ記述の変更に強い推論を可能にする形式は何か？
• RQ3 物語ベースの推論をどのように活用し、予期しない世界状態変化に応じた動的計画修復を実現できるか？
• RQ4 大規模なロボティクス制御フレームワークへの後件的推論ベースの推論の実装における実用的課題は何か？
• RQ5 オンラインASPベースの計画を、リアルタイムのロボティクスアプリケーションにスケーラブルかつ効率的にするにはどうすればよいか？

主な発見

• 本システムは、物語的知識に基づく帰納的推論を用いて、予期しない世界状態変化を後件的に特定することで、リアルタイムで異常を検出し説明するのに成功した。
• h-近似（HPX）の使用により、効率的でNP完全な計画存在性の検査が可能となり、リアルタイム応用に適していることが示された。
• oclindoオンラインASP推論エンジンとの統合により、計画実行中に知識ベースの動的更新が可能となり、段階的推論を支援した。
• 計画の失敗要因（例：ドアが予期せず閉じていたなど）を特定し、原因について推論することで、オンラインでの計画修復が可能になった。
• 本手法は、自律車いすを用いた実世界のスマートホームシナリオで検証され、感覚的情報の不確実性下でも強固であることが示された。
• 本システムは、ROSやGazeboを含むさまざまなロボットプラットフォームへの広範な展開を想定し、ExpCogフレームワークへの統合が進行中である。