SAILOR: Perceptual Anchoring For Robotic Cognitive Architectures

要約

記号アンカリングは、ロボットがセンサーを通じて取得した知覚情報から記号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。
コグニティブ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、この文書では、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にわたって維持し、ロボットのインテリジェントな動作を向上させ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 スキルを使用したセマンティックな世界モデリング アプローチを提供します。
物体認識スキルにより、ロボットは環境内の物体を認識して識別できるようになり、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るようになります。
この文書では、提案された方法とフレームワークの開発、および MERLIN2 (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) への統合について説明します。

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 the ROS 2 ecosystem. SAILOR aims to maintain the link between symbolic data and perceptual data in real robots over time, increasing the intelligent behavior of robots. 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 proposed method and the development of the framework, 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