کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
4942126 | 1436985 | 2017 | 36 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Envisioning the qualitative effects of robot manipulation actions using simulation-based projections
ترجمه فارسی عنوان
پیش بینی اثرات کیفی اقدامات دستکاری ربات با استفاده از پیش بینی های مبتنی بر شبیه سازی
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
پیش بینی، پیش بینی های مبتنی بر شبیه سازی، فیزیک نایاب، دستکاری روزمره ربات،
ترجمه چکیده
روبات های مستقل که برای انجام کارهای پیچیده روزمره مانند ساخت پنکیک ها باید بدانند که چگونه اثرات یک عمل بستگی به نحوه اجرا دارد. درون هوش مصنوعی، دلایل برنامه ریزی کلاسیک در مورد اینکه آیا اقدامات اجرایی هستند، اما این فرض را مطرح می کند که اقدامات (با احتمال) موفق خواهند بود. در این کار، ما چارچوبی را طراحی کرده ایم که به ما امکان می دهد تا جلوه های فیزیکی اقدامات دستکاری ربات را پیش بینی کنیم. ما تصور می کنیم که یک روش استدلال کیفی است که دلایل در مورد اقدامات و اثرات آنها بر اساس پیش بینی های مبتنی بر شبیه سازی است. در نتیجه این اجازه می دهد تا یک ربات به نتیجه برسد چه اتفاقی می افتد وقتی که یک کار را به نحوی خاص انجام می دهد. این را با ترجمه یک مسئله فیزیکی کیفی به یک مسئله شبیه سازی پارامتریک بدست آورید. انجام یک شبیه سازی مبتنی بر فیزیک دقیق از یک برنامه ربات؛ ثبت تکامل دولت به ساختارهای اطلاعات مناسب؛ و سپس این ساختارهای داده های زیرمجموعه را به نمایش های نمادین، کیفی، مرتبه اول بر اساس فاصله ها، به کار می گیرند. نتیجه تصورات مجموعه ای از روایات مفصل است که توسط جدول زمانی ارائه شده اند که پس از آن برای پاسخگویی به مشکلات استدلال کیفی به ارمغان می آورد. با پیش بینی کردن نتیجه اقدامات قبل از ارتکاب به آنها، یک ربات می تواند به پدیده های فیزیکی فکر کند و بنابراین می تواند خود را از رسیدن به موقعیت های ناخواسته جلوگیری کند. با استفاده از این رویکرد، روبات ها می توانند وظایف دستکاری را به صورت موثر، کارآمد و انعطاف پذیر انجام دهند و حتی می توانند با موفقیت تغییرات ناشناخته ای از وظایف را نیز انجام دهند.
موضوعات مرتبط
مهندسی و علوم پایه
مهندسی کامپیوتر
هوش مصنوعی
چکیده انگلیسی
Autonomous robots that are to perform complex everyday tasks such as making pancakes have to understand how the effects of an action depend on the way the action is executed. Within Artificial Intelligence, classical planning reasons about whether actions are executable, but makes the assumption that the actions will succeed (with some probability). In this work, we have designed, implemented, and analyzed a framework that allows us to envision the physical effects of robot manipulation actions. We consider envisioning to be a qualitative reasoning method that reasons about actions and their effects based on simulation-based projections. Thereby it allows a robot to infer what could happen when it performs a task in a certain way. This is achieved by translating a qualitative physics problem into a parameterized simulation problem; performing a detailed physics-based simulation of a robot plan; logging the state evolution into appropriate data structures; and then translating these sub-symbolic data structures into interval-based first-order symbolic, qualitative representations, called timelines. The result of the envisioning is a set of detailed narratives represented by timelines which are then used to infer answers to qualitative reasoning problems. By envisioning the outcome of actions before committing to them, a robot is able to reason about physical phenomena and can therefore prevent itself from ending up in unwanted situations. Using this approach, robots can perform manipulation tasks more efficiently, robustly, and flexibly, and they can even successfully accomplish previously unknown variations of tasks.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Artificial Intelligence - Volume 247, June 2017, Pages 352-380
Journal: Artificial Intelligence - Volume 247, June 2017, Pages 352-380
نویسندگان
Lars Kunze, Michael Beetz,