[论文解读] A ROS multi-ontology references services: OWL reasoners and application prototyping issues

Luca Buoncompagni, Alessio Capitanelli+1 more|arXiv (Cornell University)|Jun 30, 2017

Semantic Web and Ontologies参考文献 7被引用 3

一句话总结

本文提出 ARMOR，一种基于 ROS 的多本体服务，通过可扩展、线程安全的接口将 OWL 推理器集成到机器人架构中。它通过 ROSJava 实现动态知识操作与推理，支持同步、分布式访问以及通过注入服务实现的可扩展推理，已在人机交互（HRI）和规划应用中通过真实世界本体和与 OWL API 兼容性得到验证。

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.

研究动机与目标

• 解决 OWL 基于的符号推理与 ROS 机器人架构之间缺乏标准化、通用集成的问题。
• 克服现有 ROS 语义框架依赖临时推理解决方案且不支持高级推理范式的问题。
• 在人机交互（HRI）场景中支持动态 TBox 和 ABox 推理，支持运行时信念更新与学习。
• 为管理多个 OWL 本体提供灵活、可扩展且可伸缩的接口，确保在分布式 ROS 组件间具有同步性和一致性保证。
• 通过与 ROSPlan 等工具集成以及支持场景学习的注入服务，促进机器人语义推理的原型开发。

提出的方法

• ARMOR 实现为一个 ROSJava 服务，暴露 AMOR 库，该库是用于 OWL API 和推理器的线程安全、多本体管理器。
• 系统使用基于 ROS 消息的接口，通过结构化命令（例如，添加、删除、查询）操作本体，支持通过引用名称进行客户端识别和操作目标定位。
• 支持挂载/卸载机制，确保在操作期间的一致性，防止并发写入，同时允许读取查询。
• 通过注入服务实现过程注入，允许将自定义逻辑注入推理流水线，以支持高级用例。
• 使用 ROS 参数服务器与标准 ROS 组件集成以进行配置，并支持通过 GUI 的本体状态可视化，便于调试。
• 通过基于工厂的实例化支持多种 OWL 推理器，确保与 Pellet 等标准推理器的兼容性。

实验结果

研究问题

• RQ1 如何有效且一致地将基于 OWL 的符号推理集成到基于 ROS 的机器人架构中？
• RQ2 哪些架构模式能够实现实时机器人系统中对多个 OWL 本体的可扩展、分布式和同步访问？
• RQ3 如何在 HRI 应用中支持动态 TBox 推理和运行时信念分类？
• RQ4 当多个组件访问并修改共享本体时，哪些机制能确保一致性并避免竞争条件？
• RQ5 ARMOR 在多大程度上能够支持机器人语义推理的高级原型开发，例如 PDDL 生成和示范学习？

主要发现

• ARMOR 通过标准化的 ROS 消息接口，成功实现在 ROS 架构内对多个 OWL 本体的动态、同步操作与查询。
• 系统通过挂载/卸载机制支持运行时一致性检查，并防止冲突修改，确保在并发访问期间的数据完整性。
• 与 ROSPlan 的集成将其中的内部语义数据结构替换为 ARMOR，证明了其在高层规划流水线中的可行性。
• 通过使用注入服务，实现在人机交互场景中实时的场景学习与信念分类，用户可通过对话纠正机器人信念。
• 2018 年 ROS 开发者大会的教程证实了 ARMOR 在实际机器人应用中的可用性，包括拓扑地图构建和基于 SLAM 的导航。
• ARMOR 与 OWL API 兼容，并支持多种推理器（如 Pellet），确保在多样化机器人系统中的可扩展性和长期可维护性。