英语原文共 12 页，剩余内容已隐藏，支付完成后下载完整资料

SitLog：服务机器人的一种汇编语言

摘要：

在本文中我们提出Sitlog这样一种逻辑语言，这是服务机器人在一种特定环境任务下的一种逻辑语言。这种语言在工作领域中独立存在，并且应用广泛。Sitlog也可以看成在进行复杂工作时的一种工程行为规范和解释行为规范，工作期间，它支持自主运行。这种语言结合了递归网络过渡的形式,利用扩展函数来表达动态的、更符合实际的任务结构,用一个函数式语言表达控制内容信息。SitLog 语言的注释写在开端处，并且SitLog 的程序紧跟着开始符。它允许在复杂模块化结构和紧凑的形式中使用陈述性解释和直接性翻译。我们论述服务机器人在实际任务中的设置结构和表示方式如何用sitlog这种语言来表达。目前的结构已经在服务机器人Golem-Ⅱ中进行了测试，这个测试是利用在Robo Cup@Home的典型任务中利用规范和程序来测试的。

关键词：机器人编程语言、服务机器人任务结构、服务机器人编程、服务机器人体系结构、Golem-II 机器人

1. 介绍

在本文中,我们提出一个规范的编程语言和环境,用于服务机器人任务的表示和解释。服务机器人编程是一个复杂的事情，它包含了至少三种程序定义，大多都是正交尺寸。第一种包含了机器人编程算法的基本认知和应用，例如：视觉、语音识别、导航等。第二种涉及系统编程处理过程，和系统间各部分沟通协调的过程，还有不同的输入输出设备的驱动程序。最后就是三维立体地址表示和服务机器人编程结构。这便是文学上常常提及的行为工程。由于当今计算机、算法、传感器和机械电子等技术的进步，当前的机器人通常配备了各种功能，例如：导航、稳定装置和对象识别。因此机器人能够执行多种功能，也能同时进行的复杂工作。为了能让机器人自动执行任务，这就需要一种指定其运行情况的方式（i.e.），这是一种行为选择机制。它根据机器人的感知到的类型决定机器人要做什么工作。特别是服务机器人在高度动态和非结构化环境中工作时。由于行为工程，提出了很多种策略，从传统的编程结构和编程语言到发展出一种领域内特定的语言。然而，如何灵活而且简洁的描述出机器人运行状态仍旧是一个挑战。在本文中，我们在后面这一类型上描述服务机器人的编程和运行情况。

1. 中，我们为编程结构的任务概述几种方法，这些方法专注于服务机器人的工作任务并将现在的方法置于一种特定环境下。
2. 中，我们提出代表服务机器人的任务结构的方法。任务是概念化的通用协议，我们称之为对话模式（DMS），机器人需要执行任务以实现其目标。底层的计算模型的方法是函数递归转移网络（F-RTM），这是一种递归转移网络（RTM）的扩展。RTNs的表达能力相当于自动下推模型，它超越了有限状态自动机器（FSA)或者有限状态机器（FSM）模型（在FSA对应于一个普通编程语言的正常意义上）。RTNs通常用于机器人编程任务，但是他保留有定向图结构，并且提供了一个表达能力高效的协议。编程环境通过一个简单的接口嵌入在机器人的体系结构和操作系统中，它允许快速构建程序和开发。另外，这个系统对知识库和提供资源的人员建立了一个简单而灵活的接口，这些人员包括规划的人员、理论研究人员以及解决问题的人，他们可以根据具体任务做不同的决定。
3. 我们提出并演示SitLog的程序规范和解释方法。它们紧跟着开端符号和系统核心，包括一前一后两个解释程序。第一个实现了F-RTN模型（即遍历递归图），第二个解释程序表达式的函数语言称为L，通过DMS的内容和控制信息来表达。DMS的图解表示方法也在这一章节给出。这种结构的说明用两个方面加以描述，其一是固定的规格，其二是服务机器人常用的一种典型的脚本程序，如在Robo Cup@Home Competition情况下的程序。DMS的表示独立于感知和行动模式之外，SitLog的程序需要与实际解释相关，并且由机器人执行任务时表现出来。因此，SitLog的解释是嵌入在机器人的体系结构之中。
4. 中，我们描述适用于互动的一种体系结构（IOCA）[1]，基于此目的，我们已经结合SitLog做了相关开发。

在第六节中，我们提出如何实现机器人Golem-Ⅱ的当代形式体系和编程环境。为了验证我们的目的，我们对RoboCup@Home Competition研发出了一整套的验证办法（见2013年蓝皮书），并取得了满意的结果。SitLog在工作及相关领域内独立存在，并且它应用于不同的体系结构和操作系统中。在本文第七节我们队当前的形式体系做了简单总结反思。

机器人编程语言

在本节中，我们重新提出有关机器人工作时的指定策略和编程结构的一系列策略。第一种领域特有语言是对行为工程设计的行为语言，它建立在一个扩展包容架构之上。在行为语言中，行为被定义为写入模糊子集中的集合规则。根据这些规则，行为信息被编译成增强的有限状态机器（AFSMs），并且他们反过来编程汇编代码。其他比较突出的汇编语言实例有Colbert和Task Description Language（TDL）。Colbert是为萨费拉结构创造的一种程序装置语言，用于开发中间模块与运动控制规划的连接。Colbert是一种基于FSMs语义的一种程序语言，这都写入ANSIC的子集中。在这方面，TDL定义了一种语法作为C 语言的扩展，例如：任务分解、同步性、执行监控和异常处理。TDL代码在调用一个独立于平台任务控制（TCM)图书馆时被编译成纯粹的C 代码。

最近机器人领域内特定语言实例有 Extensible Agent Behaviour Specification Language（XABSL)、XRobot和B-script。其中XABSL和XRobot得语义结构都是基于机器语言分层结构。对于XABSL，它是根据整个系统机器状态而定的给定规则。XABSL已经在多种平台上应用，主要有机器人足球竞赛。XRobot将最高级的陈述视为一种行为，并且可以作为参数传递给其他的语言和结构。它还结合了模板行为状态，允许广义行为的自定义和实例化。相比之下，B-script通过专业生成器描述复杂的层次性行为状态。B-script是基于Python和C 而设计的。用B—script编写的程序可以通过编码器编译成C 程序。

另一些常见的行为工程策略是用于通用编程框架下。GOLOG是一种基于微积分的逻辑编程语言，已经被证明适用于机器人编程。这种语言的一些扩展添加了额外的特性，例如：并发性、连续变化性和执行与监控系统，使之更适用于某些应用程序。Frob，一种嵌入在Haskel函数的功能反应性编程结构。据彼得森等人介绍，它可以在不同的级别对机器人进行编程。对时间要求严格的应用程序，例如:空间控制器、基于模型的被动编程语言（RPML），已经被广泛应用。Ziparo等人提出了一种基于Petri网的新形势，叫做皮特里网计划(PNP),用于描述机器人和多机器人行为。UML基于同样的目的也提出了申请，尤其是在足球机器人方面。采用离散状态图和Petri网模型重要的优点就是代理行为可以自然直观的图形工具来设计的。

对于服务机器人，应用程序和任务通常是实现FSMs的变体。举个例子，HERB2.0的的行为状态被行为工程利用混合状态机器从三个不同的层次进行了仿制。这种方法使得服务机器人HERB2.0在人类环境中可以执行复杂的操作任务。TREX框架结构是用来控制的PR2机器人的行为。TREX集成了任务规划、离散和连续状态以及持续性和并发操作。在这个结构下，机器人可以通过办公软件操作，比如打开门或者给自己插上插座充电。Bohren等人基于分层并发状态机器开发了一个名为SMACH的Python库。SMACH可以在PR2机器人执行抓取水杯和传递的过程中使用。对于GRACE机器人，FSMs是基于TDL而创造用以构建人工智能机器人协会的机器人挑战。在Robo Cup@Home，机器人Cosero和Dynamaid构建了分层体系来完成竞赛的测试。而机器人Caesar则使用了一个命名为Ready Log的加强版本的GOLOG。

总之，关于机器人行为工程提出了很多不同的策略和工程领域特定的语言。他们之中大多数都是原有工程语言的扩展，主要有命令形式、规格和功能模式。这些策略中使用的形式通常基于FSM或其扩展而建立，因此经常翻译表达能力有限,编程任务笨拙。相比之下，SitLog是专门为服务机器人创建的逻辑编程语言并且它更多的是基于DMs的表达体系而设计建立。DMs是根据背景和历史任务来决定如何去执行动作。在逻辑编程范式方面，ReadyLog专注于由因及果的推理，而SitLog将位置和任务结构的观念作为其表征对象。因此，我们认为，SitLog更为简洁灵活，并且更适用与任务等级的服务机器人，具体实例我们在4.4小节中作详细论证。

任务结构、场景和对话模型

服务机器人可以根据状态进行翻译，机器人是能够执行一些特定的行为，根据输入信息的特定状态和可能在前面的机器人执行任务的状态。这种状态有两种含义，就像州在世界上的含义，又如机器人记忆中的信息物品。在这方面，我们说如果机器人的记忆状态跟世界上的常态相符合（即机器人认为它是这样的状态），那机器人设计便成立。在这种情况下，机器人编译和行动就会运行良好并且有助于任务的完成。另一个方面，如果机器人外部信息如记忆存储的信息不相符，机器人运行就会出错。当这种情况下出现时，在机器人进行任务出错前，机器人的编译和行动就会指向机器人的前后动作进行对比。从这个角度看就存在一个很重要的问题，机器人工作需要多少信息存储。这里就有一个表达能力与计算成本之间的平衡问题。如果当前状态只有少量信息存储，而在下一个状态的很大程度上依赖于外部信息输入，计算指令尽管很有效，但是这种复杂的任务是很难处理的，他比模型要困难。在另一个极端条件下，如果现在状态下存在大量的信息，下一个阶段的状态需要推理获得，任务结构的表达或许很简单但是却需要很高的计算成本。这两种极端相当于在相互对话和作用情况下的两种不同的传统。一个是使用FSMs，这种状态最小限度的信息是沿着固定轨迹已恒定方式表达，这种方法常见于对话系统和交互式应用程序，如上所述，也应用于很多服务机器人。另一种是关于对话模型的人工智能，它涉及到复杂的推理和一种需要在执行任务期间进行动态搜索加以确定的对话模型。在后一种情况下，这种状态可能包含完整的精神状态，例如时间和空间状态、历史任务情况、领域内相关知识、信仰、需求和代理的意图，甚至是普通的常识知识。

这目前的框架结构下，我们采用这样一种观点：这种状态的信息内容包含潜在行动的相关知识，这种动作由另一个代理进行，但这需要一种特定的状态。这种状态有或者没有交际意图，另外，这种潜在行动会在这个世界特定的状态下发生。我们称这种信息为预期，这种信息也包含策划行动的信息，即机器人预期要进行的行为。在这基础上，我们定义了一种情况作为包含机器人在工作中的预期和潜在动作的信息状态，除此之外也作为机器人进行任务时的控制信息。预期效果、动作和接下来的情况都可以是具体的、实在的，但是他们也可以是取决于前后情况的动态情形。在现在的构想中，这些情况可以抽象的知识对象，就像时间和空间抽象存在。例如，机器人在寻找东西的时候，它在寻找的路途中可能找到这样一个东西，也可能找不到这样一个东西。另一种情况就是机器人可能到达（或者不能到达）一个探求点，在这种情况下机器人可能行动改变其空间位置并且很多时间都在不停的进行定位，但尽管如此机器人仍然在同一个位置。

从另一个角度来看，期望值代表一种潜在的解释（即感觉的表达)，这种说法在机器人任务结构中看似合理，而且这不同于低水平传感器给出的原始数据，这些原始数据需要根据情况（如独立的任务或领域）独立处理。一种情况是感知和行动的抽闲集合，或者要大一些，并且任务仅仅通过一小部分就可以建立模型。此外，当象征运动弧线的标志发生变化（即现实世界上一件事发生）时FSM会改变其状态。当一组期望值发生改变时，任务代理也会发生改变。尽管预期的改变往往归因于外部事件的改变，但是也有很多外部事件不会改变预期状态。而且预期也会由于内部代理的推理而发生改变。因此，环境是有意知识对象，他与直接根据输入实体对象进行处理和外延的FSM不同。其他类型的知识存储在机器人的数据库或知识库,如特定领域知识或一般概念,甚至机器人的信仰、愿望和意图,但这些并不包含在当前框架的情况。这些知识对象可以在编译情况下从机器人的内存中获取和更新，但是这些知识往往独立于整体存在，而且与沟通和互动并不直接相关。

更常见的是，现状是前后状况的信息对象，也是机器人为了完成任务的预期的假设定位。为此，目前对于现状的概念是满足现在任务条件的地方。我们将任务解释成的形式与跟他们实际相关的任务形式和相关领域独立的猜测相似。相应延长艾伦实际对话的概念和假设如下：实际任务的结构明显比开放性人性任务（实际假设任务）简单，尽管它也很复杂。并且有这种实际任务的结构和任务控制在任务领域（领域无关的假设）和实现中是相对独立存在的。我们还假设实际任务存在于FSMs之间的某个地方,这些假设他们的表达能力太有限,和开放的搜索引擎之间还需要一个无界限的计算成本。SitLog了支持这一观点的显示状态和任务结构。接下来,我们用一种简单的应用来证明和介绍一下这种语言。

总结

在本文中我们提出我们提出了SitLog：

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[150162]，资料为PDF文档或Word文档，PDF文档可免费转换为Word