[论文解读] What Stands-in for a Missing Tool?: A Prototypical Grounded Knowledge-based Approach to Tool Substitution.

Madhura Thosar, Christian A. Mueller+1 more|arXiv (Cornell University)|Jan 1, 2018

AI-based Problem Solving and Planning参考文献 14被引用 1

一句话总结

本文提出了一种基于基础知识的、利用原型知识来识别在缺少所需工具时的合适工具替代品的方法，该方法基于专家验证的场景。在22个测试案例中的91%情况下，系统正确识别出了与人类专家相同的替代品。

ABSTRACT

When a robot is operating in a dynamic environment, it cannot be assumed that a tool required to solve a given task will always be available. In case of a missing tool, an ideal response would be to find a substitute to complete the task. In this paper, we present a proof of concept of a grounded knowledge-based approach to tool substitution. In order to validate the suitability of a substitute, we conducted experiments involving 22 substitution scenarios. The substitutes computed by the proposed approach were validated on the basis of the experts' choices for each scenario. Our evaluation showed, in 20 out of 22 scenarios (91%), the approach identified the same substitutes as experts.

研究动机与目标

• 解决在动态机器人环境中因所需工具不可用而带来的工具替代挑战。
• 开发一种基于语义和功能相似性的方法，以识别合理的工具替代品。
• 在真实世界的替代场景中，通过与专家判断对比来验证该方法。
• 证明利用基础化、原型化的知识实现可靠工具替代决策的可行性。

提出的方法

• 该方法利用基于典型工具功能和物理特性的知识库，推断潜在的替代候选。
• 通过其典型使用场景、形状和交互模式对工具进行建模，以支持功能推理。
• 利用目标工具的语义和功能相似性对替代候选进行排序。
• 通过将潜在替代品的典型角色和物理可用性与所需任务进行比较，评估其适用性。
• 使用专家验证的替代场景来校准和测试该方法的准确性。
• 该方法依赖于人工标注的专家选择作为评估的基准真实值。

实验结果

研究问题

• RQ1 基于基础知识的方法是否能可靠地识别在缺少所需工具时的合适替代品？
• RQ2 系统预测的替代品选择与人类专家选择的一致性如何？
• RQ3 该方法在真实世界任务中多样化替代场景下的表现如何？
• RQ4 原型化知识表征在多大程度上支持工具替代中的功能推理？

主要发现

• 该方法在22个替代场景中的20个达到了与专家一致的水平，成功率高达91%。
• 系统在复杂的真实世界工具替代任务中成功识别出了与专家相同的替代品。
• 使用原型化、基础化的知识使无需显式任务特定训练即可实现有效的功能推理。
• 该方法在不同工具和任务中表现出鲁棒性，表明其在动态环境中的可泛化性。
• 结果验证了利用语义和功能知识进行机器人工具替代决策的可行性。
• 与专家选择的高一致性证实了该方法在真实机器人系统中部署的潜力。