要約
過去 10 年間にわたり、ディープラーニングはロボット工学のあらゆる領域にわたる操作の問題の解決に役立ちました。
同時に、産業用ロボットは圧倒的に従来のプログラム表現とインターフェイスを使用してプログラミングされ続けています。
本稿では、業界実務者の視点から、この「AI 導入ギャップ」の分析を行います。
これに応えて、私たちは BANSAI アプローチ (神経記号 AI による AI 導入ギャップの橋渡し) を提案します。
ニューロシンボリック AI の原理を体系的に活用して、最新の産業用ロボット プログラミング ワークフローにおけるデータ駆動型のサブシンボリック プログラムの合成と最適化を確立します。
BANSAI は、いくつかの先行研究を概念的に統合し、実用的な現実世界での検証への道を提案します。
要約(オリジナル)
Over the past decade, deep learning helped solve manipulation problems across all domains of robotics. At the same time, industrial robots continue to be programmed overwhelmingly using traditional program representations and interfaces. This paper undertakes an analysis of this ‘AI adoption gap’ from an industry practitioner’s perspective. In response, we propose the BANSAI approach (Bridging the AI Adoption Gap via Neurosymbolic AI). It systematically leverages principles of neurosymbolic AI to establish data-driven, subsymbolic program synthesis and optimization in modern industrial robot programming workflow. BANSAI conceptually unites several lines of prior research and proposes a path toward practical, real-world validation.
arxiv情報
| 著者 | Benjamin Alt,Julia Dvorak,Darko Katic,Rainer Jäkel,Michael Beetz,Gisela Lanza |
| 発行日 | 2024-04-21 13:04:58+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google