کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
10150918 | 1665827 | 2018 | 7 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Knowledge acquisition through introspection in Human-Robot Cooperation
ترجمه فارسی عنوان
کسب دانش از طریق درون نگریِ همگاریِ بین انسان و روبات
همین الان دانلود کنید
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
عامل شناختی، کسب دانش، هستی شناسی، معماری شناختی، خودآزمایی،
فهرست مطالب مقاله
چکیده
کلمات کلیدی
مقدمه
یک معماریِ ادراکی برای تعامل تیمیِ انسان و روبات
شکل 1. معماری ادراکی تعامل تیمی انسان با ربات
توصیف مسئله: نمونهای از یک روبات که در محیط شناخته شدهی جزئی کار میکند
شکل 2. جزئیاز هستیشناسی که شامل تمام مفاهیم مربوط به خود است. مفاهیم با مربع نشان داده شده است
شکل 3. جزئی از هستی شناسی که شاملتمام مفاهیم در مورد محیط و وقایع آن است.
شکل 4. کسب دانش در مورد مفهوم CPU و واقعه آن توسط شکل لوزی نشان داده شده است
مدلسازیِ فرآیندهای مسیردهی و ادغام
جدول 1. نتایج PYP برای منبع CPU
شکل 5. کسب دانش در مورد مفهوم CPU با واقعهی آن که به صورت لوزی آمده است. مفاهیم ظاهر شده به صورت برجسته آمدهاند. هرچقدر مفهوم محتمل باشد، والد کاندید خواهد بود که به رنگ قرمز آمده است.
جدول 2.برخی از نتایج به دست آمده به هنگام آزمایش برای تست متد به دست آمدهاند.
بحثها
دروننگری در رابطه با وضعیت دانش
معانی ادراکی برای مدلسازی دروننگری
توصیف و شفافیت
اهمیت فراگیریِ دانش افزایشی
نتیجهگیری
کلمات کلیدی
مقدمه
یک معماریِ ادراکی برای تعامل تیمیِ انسان و روبات
شکل 1. معماری ادراکی تعامل تیمی انسان با ربات
توصیف مسئله: نمونهای از یک روبات که در محیط شناخته شدهی جزئی کار میکند
شکل 2. جزئیاز هستیشناسی که شامل تمام مفاهیم مربوط به خود است. مفاهیم با مربع نشان داده شده است
شکل 3. جزئی از هستی شناسی که شاملتمام مفاهیم در مورد محیط و وقایع آن است.
شکل 4. کسب دانش در مورد مفهوم CPU و واقعه آن توسط شکل لوزی نشان داده شده است
مدلسازیِ فرآیندهای مسیردهی و ادغام
جدول 1. نتایج PYP برای منبع CPU
شکل 5. کسب دانش در مورد مفهوم CPU با واقعهی آن که به صورت لوزی آمده است. مفاهیم ظاهر شده به صورت برجسته آمدهاند. هرچقدر مفهوم محتمل باشد، والد کاندید خواهد بود که به رنگ قرمز آمده است.
جدول 2.برخی از نتایج به دست آمده به هنگام آزمایش برای تست متد به دست آمدهاند.
بحثها
دروننگری در رابطه با وضعیت دانش
معانی ادراکی برای مدلسازی دروننگری
توصیف و شفافیت
اهمیت فراگیریِ دانش افزایشی
نتیجهگیری
ترجمه چکیده
هنگامی که همکاری با تیم شامل انسان میشود، روباتها باید اطلاعات معنایی را درک کرده و اطلاعات معنایی مربوط به وضعیت محیط را به روزرسانی کنند. ارزیابی زمان اجرا و دریافت مفاهیم جدید در دستهی یادگیریِ انبوه قرار میگیرد. این یادگیری یک مهارت ادراکی است که به روباتها اجازه میدهد از محیط زیست آگاهیِ کامل پیدا کرده و کارهای خود را با موفقیت به اتمام برساند. در اینجا نوع خودآگاهی ایجاد میشود: روبات فرآیند ذهنیِ دروننگری را فعال میکند و میبیند که آیا یک مفهوم دامنهای دارد یا نه، و به درستی معنای مفهومیِ هویتهای جدید را با هم ترکیب میکند. آثار بسیاری سعی میکنند عملکردهای ذهن انسان را که باعث پیادهسازیِ شبکهی عصبیِ آگاهی میشود شبیهسازی کنند. متاسفانه، برخی از این مطالعات مدل دقیقی ایجاد میکنند که روشی برای ایجاد عاملهای مجازی که در کار تیمی قادر به تعامل با انسان هستند (مانند انسان) در بر ندارند، بنابراین جنبههایی مانند قابلیتهای خودآگاهی، اعتماد، احساسات و انگیزهها را دخیل میکنند. ما متدی پیشنهاد میکنیم که بر اساس معماریِ ادراکی برای تعامل تیمیِ انسان با روبات، روباتی با قابلیت مدلسازیِ دانش خود در مورد محیطی که با آن تعامل دارد ارائه میکند که میتواند هرگاه لازم باشد دانش جدیدی کسب کند.
موضوعات مرتبط
مهندسی و علوم پایه
مهندسی کامپیوتر
هوش مصنوعی
چکیده انگلیسی
When cooperating with a team including humans, robots have to understand and update semantic information concerning the state of the environment. The run-time evaluation and acquisition of new concepts fall in the critical mass learning. It is a cognitive skill that enables the robot to show environmental awareness to complete its tasks successfully. A kind of self-consciousness emerges: the robot activates the introspective mental processes inferring if it owns a domain concept or not, and correctly blends the conceptual meaning of new entities. Many works attempt to simulate human brain functions leading to neural network implementation of consciousness; regrettably, some of these produce accurate model that however do not provide means for creating virtual agents able to interact with a human in a teamwork in a human-like fashion, hence including aspects such as self-conscious abilities, trust, emotions and motivations. We propose a method that, based on a cognitive architecture for human-robot teaming interaction, endows a robot with the ability to model its knowledge about the environment it is interacting with and to acquire new knowledge when it occurs.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Biologically Inspired Cognitive Architectures - Volume 25, August 2018, Pages 1-7
Journal: Biologically Inspired Cognitive Architectures - Volume 25, August 2018, Pages 1-7
نویسندگان
Antonio Chella, Francesco Lanza, Arianna Pipitone, Valeria Seidita,