要約
この論文では、ロボットのコンテキスト認識能力を強化するために古典的な知識から常識的な知識を注入する Robo-CSK-Organizer と呼ばれるシステムを紹介します。これにより、タスクに関連した方法で検出されたオブジェクトを分類することで、検出されたオブジェクトの整理が容易になります。
特に多目的ロボット工学に役立ちます。
ChatGPT などの深層学習ツールのみに依存するシステムとは異なり、Robo-CSK-Organizer システムは次のような複数の面で際立っています。
曖昧さをうまく解決し、オブジェクトの配置の一貫性を維持します。
さらに、多様なタスクベースの分類に適応します。
さらに、説明可能な AI に貢献するため、信頼性と人間とロボットのコラボレーションの向上に役立ちます。
家庭用ロボット設定をシミュレートする私たちの仕事で実行された制御された実験により、Robo-CSK-Organizer は、コンテキストに関連した場所にオブジェクトを配置しながら優れたパフォーマンスを発揮します。
この研究は、ロボット工学において人間の認知の閾値に近い常識に基づいた意思決定を行う AI ベースのシステムの能力を浮き彫りにしています。
したがって、Robo-CSK-Organizer は AI とロボット工学にプラスの影響を与えます。
要約(オリジナル)
This paper presents a system called Robo-CSK-Organizer that infuses commonsense knowledge from a classical knowledge based to enhance the context recognition capabilities of robots so as to facilitate the organization of detected objects by classifying them in a task-relevant manner. It is particularly useful in multipurpose robotics. Unlike systems relying solely on deep learning tools such as ChatGPT, the Robo-CSK-Organizer system stands out in multiple avenues as follows. It resolves ambiguities well, and maintains consistency in object placement. Moreover, it adapts to diverse task-based classifications. Furthermore, it contributes to explainable AI, hence helping to improve trust and human-robot collaboration. Controlled experiments performed in our work, simulating domestic robotics settings, make Robo-CSK-Organizer demonstrate superior performance while placing objects in contextually relevant locations. This work highlights the capacity of an AI-based system to conduct commonsense-guided decision-making in robotics closer to the thresholds of human cognition. Hence, Robo-CSK-Organizer makes positive impacts on AI and robotics.
arxiv情報
| 著者 | Rafael Hidalgo,Jesse Parron,Aparna S. Varde,Weitian Wang |
| 発行日 | 2024-09-27 02:01:05+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google