SAILOR: Perceptual Anchoring For Robotic Cognitive Architectures

要約

シンボリック アンカリングは、ロボットがセンサーを介して取得した知覚情報からシンボリックな知識を取得できるようにするため、ロボット工学の分野における重要な問題です。
認知ベースのロボットでは、現実世界のセンサーからのサブシンボリック データを処理してシンボリックな知識を取得するこのプロセスは、まだ未解決の問題です。
この問題に対処するために、このホワイト ペーパーでは、ROS 2 エコシステムでシンボリック アンカリングを提供するためのフレームワークである SAILOR を紹介します。
SAILOR は、実際のロボットの記号データと知覚データの間のリンクを長期間にわたって維持することを目的としています。
これは、オブジェクト認識とマッチング機能という 2 つの深層学習ベースのサブシンボリック ロボット スキルを使用して、セマンティック ワールド モデリング アプローチを提供します。
オブジェクト認識スキルにより、ロボットはその環境内のオブジェクトを認識して識別することができますが、マッチング機能により、ロボットは新しい知覚データが既存の記号データに対応するかどうかを判断できます。
このホワイト ペーパーでは、フレームワーク、パイプライン、開発、および MERLIN2 への統合について説明します。MERLIN2 は、ROS 2 を実行するロボットで完全に機能するハイブリッド認知アーキテクチャです。

要約(オリジナル)

Symbolic anchoring is a crucial problem in the field of robotics, as it enables robots to obtain symbolic knowledge from the perceptual information acquired through their sensors. In cognitive-based robots, this process of processing sub-symbolic data from real-world sensors to obtain symbolic knowledge is still an open problem. To address this issue, this paper presents SAILOR, a framework for providing symbolic anchoring in ROS 2 ecosystem. SAILOR aims to maintain the link between symbolic data and perceptual data in real robots over time. It provides a semantic world modeling approach using two deep learning-based sub-symbolic robotic skills: object recognition and matching function. The object recognition skill allows the robot to recognize and identify objects in its environment, while the matching function enables the robot to decide if new perceptual data corresponds to existing symbolic data. This paper provides a description of the framework, the pipeline and development as well as its integration in MERLIN2, a hybrid cognitive architecture fully functional in robots running ROS 2.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google