阿尔珀·艾哈迈托格鲁;塞克，M.尤努斯;朱斯塔斯·皮亚特;厄尔汗·奥兹托普;埃姆雷·乌古尔 DeepSym：在无监督的机器人交互中进行深度符号生成和规则学习以进行规划。 （英语） Zbl 1502.68289号 J.阿蒂夫。智力。研究（JAIR） 75, 709-745 (2022). 摘要：符号规划和推理是机器人处理复杂任务的强大工具。然而，需要手动设计符号限制了它们的适用性，尤其是对于预期在开放式环境中工作的机器人。因此，符号形成和规则提取应被视为机器人学习的一部分，如果操作得当，将提供可扩展性、灵活性和鲁棒性。为此，我们提出了一种新的通用方法，该方法可以找到基于动作的离散对象和效果类别，并在此基础上构建概率规则，用于非平凡动作规划。我们的机器人使用一个假定在早期获得的初始动作库与对象交互，并观察它在环境中产生的效果。为了形成基于动作的对象、效果和关系类别，我们在预测性深度编码器网络中使用了一个二进制瓶颈层，该网络将场景图像和应用的动作作为输入，并在场景中以像素坐标生成结果效果。学习后，二进制潜在向量表示基于机器人交互经验的动作驱动对象类别。为了将神经网络表示的知识提取为对符号推理有用的规则，需要训练决策树来重现其解码功能。概率规则是从树的决策路径中提取出来的，并用概率规划领域定义语言（PPDDL）表示，使离线规划师能够操作从机器人的感觉运动体验中提取的知识。将所提出的方法应用于模拟机器人操作器，可以发现对象属性的离散表示，如“可滚动”和“可插入”。反过来，使用这些表示法作为符号，可以生成有效的计划来实现目标，例如建造所需高度的塔楼，从而证明了多步骤对象操作方法的有效性。最后，我们通过评估系统对MNIST 8字谜领域的适用性，证明了该系统不仅限于机器人领域，在该领域中，学习的符号允许生成将空方块移动到任何给定位置的计划。 MSC公司： 68T40型 机器人人工智能 68T07型 人工神经网络与深度学习 68T20型 人工智能背景下的问题解决（启发式、搜索策略等） 关键词：符号涌现;认知机器人;规则学习;神经符号AI;神经网络 软件：BERT（误码率）;科佩利亚·西姆;亚当 PDF格式BibTeX公司 XML格式引用 \textit{A.Ahmetoglu}等人，J.Artif。智力。研究（JAIR）75，709--745（2022；Zbl 1502.68289） 全文： 内政部 arXiv公司 参考文献： [1] Akbulut，M.、Oztop，E.、Seker，M.Y.、Hh，X.、Tekden，A.和Ugur，E.（2021）。ACNMP：通过演示学习和通过表征共享强化学习实现技能转移和任务外推。《机器人学习会议》，第1896-1907页。PMLR公司。 [2] Asai，M.和Fukunaga，A.（2018年）。深层潜在空间中的经典规划：跨越子符号符号边界。《AAAI人工智能会议论文集》，第32卷。 [3] Asai，M.、Kajino，H.、Fukunaga，A.和Muise，C.（2022）。深层潜在空间中的经典规划。《人工智能研究杂志》，741599-1686·Zbl 07577519号 [4] Asai，M.和Muise，C.（2021）。通过立方体空间先期课程学习神经-符号描述性规划模型：回家之旅（STRIPS）。在国际人工智能联合会议上，第2676-2682页。 [5] Bengio，Y.、L’eoard，N.和Courville，A.C.（2013年）。通过随机神经元估计或传播梯度以进行条件计算。CoRR，abs/1308.3432。 [6] Bonet，B.和Geffner，H.（2005）。mGPT：一种基于启发式搜索的概率规划器。《人工智能研究杂志》，24933-944·Zbl 1080.68656号 [7] Callaghan，T.和Corbit，J.（2015）。符号表征的发展，第7章，第1-46页。John Wiley&Sons有限公司。 [8] Chitnis，R.、Silver，T.、Tenenbaum，J.B.、Perez，T.和Kaelbling，L.P.（2021年）。学习用于双层规划的神经符号关系转换模型。结合学习和推理：编程语言、形式主义和表示。 [9] Devlin，J.、Chang，M.、Lee，K.和Toutanova，K.（2018年）。BERT：深度双向变换器的预训练，用于语言理解。CoRR，abs/1810.04805。 [10] Gibson，J.J.（2014）。视觉感知的生态方法：经典版。心理学出版社。 [11] Hafner，D.、Lillicrap，T.P.、Norouzi，M.和Ba，J.（2020年）。掌握离散世界模型的atari。在国际学习代表大会上。 [12] Harnad，S.（1990年）。符号接地问题。《物理学D》，42（1-2），335-346。 [13] Hinton，G.E.和Salakhuttinov，R.R.（2006年）。利用神经网络降低数据的维数。《科学》，313（5786），504-507·兹比尔1226.68083 [14] Hoffmann，J.和Nebel，B.（2001年）。FF计划系统：通过启发式搜索快速生成计划。《人工智能研究杂志》，第14期，第253-302页·Zbl 0970.68044号 [15] Ioffe，S.和Szegedy，C.（2015年）。批量规范化：通过减少内部协变量偏移来加速深层网络培训。在机器学习国际会议上，第448-456页。PMLR公司。 [16] James，S.、Rosman，B.和Konidaris，G.（2020年）。学习用于高级规划的便携式表示法。在机器学习国际会议上，第4682-4691页。PMLR公司。 [17] Jang，E.、Gu，S.和Poole，B.（2017年）。使用Gumbel-softmax进行分类重适配。在国际学习代表大会上。 [18] Johnson，M.、Hofmann，K.、Hutton，T.和Bignell，D.（2016）。用于人工智能实验的Malmo平台。。在国际人工智能联合会议上，第4246-4247页。Citeser。 [19] Kingma，D.P.和Ba，J.（2015年）。亚当：一种随机优化方法。在国际学习代表大会上。 [20] Kingma，D.P.和Welling，M.（2013年）。自动编码变分贝叶斯。CoRR，abs/1312.6114。 [21] Klingspor，V.、Morik，K.和Rieger，A.D.（1996年）。从移动机器人的传感器数据学习概念。机器学习，23（2-3），305-332。 [22] Konidaris，G.、Kaelbling，L.和Lozano-Perez，T.（2015）。概率高层规划的符号获取。在国际人工智能联合会议上。 [23] Konidaris，G.（2019年）。关于抽象的必要性。行为科学的当前观点，29，1-7。 [24] Konidaris，G.、Kaelbling，L.和Lozano-Perez，T.（2014）。为高层规划构建符号表示。《AAAI人工智能会议论文集》，第28卷。 [25] Konidaris，G.、Kaelbling，L.P.和Lozano-Perez，T.（2018年）。从技能到符号：学习抽象高级规划的符号表示。《人工智能研究杂志》，61215-289·Zbl 1426.68254号 [26] Kuipers，B.、Feigenbaum，E.A.、Hart，P.E.和Nilsson，N.J.（2017）。沙基：从概念到历史。。AI杂志，38（1），88-103。 [27] Kulick，J.、Toussant，M.、Lang，T.和Lopes，M.（2013）。主动学习，用于教授基于关系符号的机器人。在国际人工智能联合会议上，第1451-1457页。 [28] Law，M.、Russo，A.和Broda，K.（2018年）。学习答案集程序的复杂性和通用性。人工智能，259110-146·Zbl 1445.68206号 [29] LeCun，Y.A.，Bottou，L.，Orr，G.B.，&M¨uller，K.-R.（2012年）。高效的后盾。《神经网络：贸易的诡计》，第9-48页。斯普林格。 [30] Maddison，C.J.、Mnih，A.和Teh，Y.W.（2017年）。具体分布：离散随机变量的连续松弛。在国际学习代表大会上。 [31] Mota，T.和Sridharan，M.（2019年）。常识推理和知识获取，指导机器人的深度学习。。机器人学：科学与系统。 [32] Mourao，K.、Petrick，R.P.和Steedman，M.（2008年）。使用内核感知器学习计划的动作效果。在认知系统国际会议上，第45-50页。Citeser。 [33] 墨菲·R和墨菲·R.（2000）。AI机器人简介。麻省理工学院出版社。 [34] Ozturkcu，O.B.、Ugur，E.和Oztop，E.（2020年）。通过无约束的感觉运动学习实现高级表达。在国际发展与学习会议上。 [35] Petrick，R.、Kraft，D.、Mourao，K.、Pugeault，N.、Kr¨uger，N.和Steedman，M.（2008）。表示和集成：结合机器人控制、高级规划和动作学习。第六届国际认知机器人研讨会论文集，第32-41页。 [36] Pisokas，J.和Nehmzow，U.（2005年）。移动机器人的次符号动作规划实验。InAdaptive Agents and Multi-Agent Systems II，AI课堂讲稿，第80-87页。斯普林格。 [37] Radford，A.、Metz，L.和Chintala，S.（2016年）。深度卷积生成对抗网络的无监督表示学习。在国际学习代表大会上。 [38] Reddi，S.J.、Kale，S.和Kumar，S.（2018年）。关于亚当和其他人的融合。在国际学习代表大会上。 [39] Riley，H.和Sridharan，M.（2019年）。将非单调逻辑推理和归纳学习与深度学习相结合，用于可解释的可视问题回答。机器人和人工智能前沿，6125。 [40] Rohmer，E.、Singh，S.P.N.和Freese，M.（2013年）。CoppeliaSim（前身为V-REP）：一个通用且可扩展的机器人仿真框架。2013年IEEE/RSJ国际智能机器人与系统会议。www.coppeliarobotics.com。 [41] Russell，S.J.和Norvig，P.（2020年）。《人工智能：现代方法》（第4版）。皮尔逊。 [42] Seker，M.Y.、Imre，M.、Piater，J.和Ugur，E.（2019年）。条件神经运动原语。机器人学：科学与系统。 [43] Silver，T.、Athalye，A.、Tenenbaum，J.B.、Lozano-Perez，T.和Kaelbling，L.P.（2022a）。学习双层规划的神经符号学技能。CoRR，abs/2206.10680。 [44] Silver，T.、Chitnis，R.、Kumar，N.、McClinton，W.、Lozano-Perez，T.，Kaelbling，L.P.和Tenenbaum，J.（2022b）。发明关系状态和动作抽象，以实现高效的双层规划。CoRR，腹肌/2203.09634。 [45] Silver，T.、Chitnis，R.、Tenenbaum，J.、Kaelbling，L.P.和Lozano-P´erez，T.（2021）。学习任务和动作规划的符号运算符。2021年IEEE/RSJ智能机器人和系统国际会议，第3182-3189页。电气与电子工程师协会。 [46] Sun，R.（2000）。符号基础：旧观念的新视角。哲学心理学，13（149-172）。 [47] Sutskever，I.、Vinyals，O.和Le，Q.V.（2014）。用神经网络进行序列到序列的学习。神经信息处理系统进展，27。 [48] Taniguchi，T.、Ugur，E.、Hoffmann，M.、Jamone，L.、Nagai，T.，Rosman，B.、Matsuka，T.和Iwahashi，N.、Oztop，E.、Piater，J.等人（2018年）。认知发展系统中的符号涌现：一项调查。IEEE认知与发展系统汇刊，11（4），494-516。 [49] Townsend，W.（2000年）。BarrettHand抓取器可编程地灵活处理和装配零件。工业机器人：国际期刊，27（3），181-188。 [50] Ugur，E.、Oztop，E.和Sahin，E.（2011年）。使用学习到的启示在感知空间中进行目标模拟和规划。机器人与自治系统，59（7-8），580-595。 [51] Ugur，E.和Piater，J.（2015a）。对象类别、动作效果和逻辑规则的自下而上学习：从持续的操作探索到符号规划。2015年IEEE国际机器人与自动化会议，第2627-2633页。电气与电子工程师协会。 [52] Ugur，E.和Piater，J.（2015b）。使用多步骤交互体验优化发现的符号。2015年IEEE-RAS类人机器人国际会议，第1007-1012页。电气与电子工程师协会。 [53] Ugur，E.、Sāahin，E.和Oztop，E.（2012年）。运动原语的自我发现和学习掌握启示。2012年IEEE/RSJ智能机器人和系统国际会议，第3260-3267页。电气与电子工程师协会。 [54] 通用机器人（2012）。UR10协作工业机器人。https://www.universalrobots.com/products/ur10-robot。在线；2020年9月10日访问。 [55] Werner，H.和Kaplan，B.（1963年）。符号形成。威利。 [56] W¨org¨otter，F.、Agostini，A.、Kr¨uger，N.、Shylo，N.和Porr，B.（2009年）。认知代理：基于对象-动作复合OAC的可预测性的程序性观点。机器人与自主系统，57（4），420-432。 [57] Xu，D.，Mandlekar，A.，Mart´11n n-Mart｜11n，R.，Zhu，Y.，Savarese，S.，&Fei-Fei，L.（2021）。深度启示远见：通过未来可以做的事情进行规划。2021年IEEE机器人与自动化国际会议，第6206-6213页。电气与电子工程师协会。 [58] Younes，H.L.和Littman，M.L.（2004）。PPDDL1.0：PDDL的扩展，用于表示具有概率效应的规划域。技术报告CMU-CS-04-162,2，99。 [59] Yuan，W.、Paxton，C.、Desingh，K.和Fox，D.（2022）。Sornet：用于顺序操作的空间对象中心表示。机器人学习会议，第148-157页。PMLR公司。 [60] Zech，P.、Haller，S.、Lakani，S.R.、Ridge，B.、Ugur，E.和Piater，J.（2017）。机器人启示的计算模型：分类和系统分类。适应性行为，25（5），235-271 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。