[논문 리뷰] A ROS multi-ontology references services: OWL reasoners and application prototyping issues

Luca Buoncompagni, Alessio Capitanelli외 1명|arXiv (Cornell University)|2017. 06. 30.

Semantic Web and Ontologies참고 문헌 7인용 수 3

한 줄 요약

이 논문은 ROSJava 통합을 통해 OWL 추론기를 로봇 아키텍처에 스케일링 가능하고 스레드 세이프한 인터페이스로 통합하는 ROS 기반의 다중 온톨로지 서비스인 ARMOR를 제안한다. 이는 동적 지식 조작과 추론을 가능하게 하며, 동기화, 분산 접근, 그리고 주입된 서비스를 통한 확장 가능한 추론을 지원한다. 실세계 온톨로지와 OWL API 호환성을 갖춘 HRI 및 계획 응용 분야에서 검증되었다.

ABSTRACT

This paper introduces a ROS Multi Ontology References (ARMOR) service, a general-purpose and scalable interface between robot architectures and OWL reasoners. ARMOR addresses synchronisation and communication issues among heterogeneous and distributed software components. As a guiding scenario, we consider a prototyping approach for the use of symbolic reasoning in human-robot interaction applications.

연구 동기 및 목표

• OWL 기반 상징적 추론과 ROS 로봇 아키텍처 간의 표준화되고 일반적인 통합의 부족을 해결하기 위해.
• 기존의 ROS 의미적 프레임워크에서 비표준적인 추론 솔루션에 의존하고 고급 추론 패러다임을 지원하지 못하는 한계를 극복하기 위해.
• 인간-로봇 상호작용(HRI) 시나리오에서 동적 TBox 및 ABox 추론을 가능하게 하여 런타임 신념 업데이트와 학습을 지원하기 위해.
• 다양한 ROS 컴포onent 간에 일관성과 동기화 보장을 보장하면서도 다수의 OWL 온톨로지를 관리하기 위한 유연하고 확장 가능하며 스케일링 가능한 인터페이스를 제공하기 위해.
• ROSPlan 및 장면 학습을 위한 주입된 서비스와의 통합을 통해 로봇 분야에서 의미적 추론의 프로토타이핑을 지원하기 위해.

제안 방법

• ARMOR는 OWL API 및 추론기를 위한 스레드 세이프한 다중 온톨로지 관리자인 AMOR 라이브러리를 노출하는 ROSJava 서비스로 구현된다.
• 시스템은 ROS 메시지 기반 인터페이스를 사용하며, 구조화된 명령어(예: 추가, 제거, 질의)를 통해 온톨로지를 조작한다. 참조 이름을 통한 클라이언트 식별 및 작업 대상 지정을 지원한다.
• 수정 중 일관성을 보장하기 위해 마운트/언마운트 메커니즘을 도입하여 동시 쓰기 접근을 방지하면서도 읽기 질의는 허용한다.
• 주입된 서비스를 통한 절차 주입을 지원하여 고급 사용 사례에 맞는 사용자 정의 로직을 추론 파이프라인에 통합할 수 있다.
• 구성 설정을 위한 ROS 파rameter Server를 사용하고, 디버깅을 위한 GUI 기반 온톨로지 상태 시각화를 지원함으로써 표준 ROS 컴포onent와 통합된다.
• 공 fabrick 기반 인스턴스화를 통해 여러 OWL 추론기를 지원하며, Pellet 및 기타 표준 추론기와의 호환성을 보장한다.

실험 결과

연구 질문

• RQ1 OWL 기반 상징적 추론은 어떻게 ROS 기반 로봇 아키텍처에 효과적이고 일관되게 통합될 수 있는가?
• RQ2 실시간 로봇 시스템에서 다수의 OWL 온톨로지에 대해 확장 가능하고 분산되며 동기화된 접근을 가능하게 하는 아키텍처 패턴은 무엇인가?
• RQ3 HRI 응용 분야에서 동적 TBox 추론과 런타임 신념 분류는 어떻게 지원될 수 있는가?
• RQ4 여러 컴포넌트가 공유 온톨로지를 동시에 접근하고 수정할 경우 일관성과 레이스 컨디션을 방지하는 메커니즘은 무엇인가?
• RQ5 ARMOR는 PDDL 생성 및 데모 기반 학습과 같은 고급 의미적 추론 프로토타이핑을 어느 정도 지원할 수 있는가?

주요 결과

• ARMOR는 표준화된 ROS 메시지 인터페이스를 통해 ROS 아키텍처 내에서 다수의 OWL 온톨로지에 대한 동적이고 동기화된 조작 및 질의를 성공적으로 구현하였다.
• 마운트/언마운트 메커니즘을 통해 런타임 일관성 검사 기능을 제공하고, 동시 접근 중 충돌 수정을 방지함으로써 데이터 무결성을 보장하였다.
• ROSPlan과의 통합을 통해 내부 의미적 데이터 구조를 ARMOR로 대체함으로써 고수준 계획 파이프라인에서의 실현 가능성을 입증하였다.
• 주입된 서비스의 활용을 통해 인간-로봇 상호작용 시나리오에서 실시간 장면 학습과 신념 분류가 가능해졌으며, 사용자가 대화를 통해 로봇의 신념을 수정할 수 있었다.
• 2018년 ROS 개발자 컨ference에서의 튜토리얼을 통해 ARMOR가 실질적인 로봇 응용 분야(예: 위상 맵핑 및 SLAM 기반 내비게이션)에서의 사용 가능성을 확인하였다.
• OWL API 호환성과 다양한 추론기(Pellet 등) 지원을 통해 다양한 로봇 시스템에서의 확장성과 장기적인 유지보수 가능성을 보장하였다.