形式化描述高水平智能机器人的逻辑基础研究

With the rapid development of economic, science and technology, robot has been used in many applications, such as medical health, scientific exploration, rescue, military battlefield, and agricultural production. These applications call for high level robot intelligence. Currently, research on intelligent robot made a lot of achievements, especially in computing, retrieval and reasoning is more prominent, but the level of robot intelligence is not high yet. A major reason is that, for most existing robot intelligent models, human’s knowledge, belief, experience, and other content are all put in advance on the robot system and run on a scheduled program. This kind of robots lack autonomy, and their intelligence level is affected. To this end, this project studies the basic theory of intelligent robot, and proposes new theories and new methods for formally describing high level intelligent robots. The research contents are as follows. We will establish a logical framework for describing the heterogeneous information, such as sensors, knowledge and actions. We will propose a semantic interpretation based on sensing data, which can be operated independently by robot. We will construct a knowledge understanding model composed of sensors, ontology base and knowledge base, which is used to formally describe the characteristics of robot's intelligence and autonomy. This project will give new ideas of the research of high level intelligent robot. The project results will provide new theory for constructing innovative robot of our country with high level intelligence, and have important theoretical value and practical significance.

随着科学技术与经济建设的快速发展，机器人在医疗健康、科学探测、军事战场、智能制造等方面的应用日益广泛，这些应用对机器人智能水平的要求越来越高。当前，机器人研究在检索、计算、推理等方面已取得了较多成果，但机器人的智能水平并不高。一个主要的原因是大多数智能模型事先把人类知识、信念、经验等放在机器人上按预定程序运行，这导致机器人缺乏自主性，从而影响智能水平。为此，本项目研究智能机器人的基础理论问题，提出形式化描述高水平智能机器人的新理论和新方法。主要内容包括：建立一个能统一描述传感器、知识及行动等异构信息的逻辑框架；提出一种由机器人自主操作的基于感知数据的语义解释；构建一个包含传感器、本体库和知识库三方面内容的知识理解模型，用于形式化描述机器人的智能水平和自主性特征。本项目将为高水平智能机器人的研究提供新思路，研究成果将为我国构建具有自主创新的高水平智能机器人提供关键基础理论支撑，具有重要意义。

本项目对构建机器人智能的逻辑基础开展深入研究。在多层级定性推理、常识推理、机器人理解知识和机器人意识方面获得进展。(1) 多层级定性推理。本项目组人员提出一种2n值逻辑，并在此基础上构建了一种多层级定性推理逻辑QRL，可用于形式化描述机器人进行定性推理的过程。我们还证明了QRL的极小公理系统QRL_0的可靠性和完备性等逻辑性质。与模糊逻辑和概率逻辑相比，QRL的优势在于可采用公理化方法进行推理，不需要构建隶属函数，也不需要大量的样本空间。(2) 常识推理。通过在一阶逻辑中引入一个新的量词来扩展经典的一阶逻辑，用于常识的形式化表示和推理。我们提出的逻辑比经典的非单调逻辑具有更强的表示能力和推理能力。该逻辑能够对诸如“大多数鸟会飞”的常识性知识进行直接的形式化表示和推理。(3) 机器人理解知识。提出了一种机器人理解知识的形式化框架。首先，我们提出形式化表示简单概念的内涵和外延的方法，然后提出机器人理解简单概念的框架，最后构建机器人理解复合概念的形式化框架。(4) 机器人意识。提出了一种描述机器人意识的形式化框架和一种实现机器人意识的思路。首先，我们提出机器人基于自身传感器的认知经历的形式化框架，并提出机器人获取经验知识的方法。然后，我们提出生成以代价为导向的机器人意识的方法。.在本项目的支持下，项目组人员积极开展相应的研究工作，取得了一系列研究成果。发表学术论文22篇(其中SCI收录3篇，EI收录13篇，中文核心期刊收录6篇，国际会议大会发言3篇，优秀论文1篇)；申请专利1项；培养研究生7名(其中，毕业5名，在读2名)。本项目按计划完成研究任务，研究成果达到预期目标。