Symbolic Representation of Dynamic Knowledge for Robotic Teams

Das Forschungsziel dieser Arbeit ist es, die konzeptionellen Grundlagen für ein Team autonomer Roboter zu entwickeln, welches in der Lage ist, Wissen über seine Umwelt symbolisch darzustellen, über sein symbolisches Wissen zu kommunizieren und mit dem Wissen zu schlussfolgern, während sich die Umgebung dynamisch ändert. Dieses Forschungsziel wird durch mehrere Anwendungsbereiche motiviert, wobei die Domäne der Haushaltsroboter das Forschungsziel am besten motiviert. Wir haben die Anwendungsdomänen und das Forschungsziel genau analysiert und auf Grund der Ergebnisse Anforderungen für die allgemeine Domänenunabhängigkeit, den Umgang mit unbekannten und dynamischen Umgebungen und die Erleichterung der Mensch-Roboter-Interaktion formuliert. Unsere vorgeschlagene Lösung koordiniert ein Team autonomer Roboter mit dem ALICA Framework. Um die Anforderungen zu erfüllen, haben wir das ALICA Framework neu implementiert und es beispielsweise um eine generische Solver-Schnittstelle erweitert. Die generische Solver-Schnittstelle ermöglicht die Integration nicht monotoner symbolischer Schlussfolgerungsverfahren und verbessert daher die Domänenunabhängigkeit des ALICA Frameworks. Weitherin haben wir eine symbolische Wissensbasis für dynamisches Wissen entwickelt, welche die Antwortmengenprogrammierung (ASP) als nicht monotonen Schlussfolgerungskern verwendet. Auf die Wissensdatenbank kann über die generische Solver-Schnittstelle aus dem Kontext des ALICA Frameworks zugegriffen werden. Sie bietet jedoch auch eine generische Schnittstelle, welche die Interaktion mit anderen Modulen unserer Softwarearchitektur erleichtert. Das Design unserer Wissensbasis erleichtert auch die Interaktion zwischen Menschen und Robotern. Dies haben wir erreicht, indem wir eine Allgemeinwissensdatenbank integriert haben und es Menschen ermöglicht haben, Roboter zur Laufzeit zu unterrichten. Darüber hinaus haben wir eine schlanke Middleware entwickelt, die die Kommunikationsanforderungen der Domäne der Haushaltsroboter erfüllt und die wissensbasierte Zusammenarbeit zwischen Robotern ermöglicht. Zusätzlich zu den Experimenten, die der Bewertung einzelner Teile unserer Lösung gewidmet waren, haben wir auch das gesamte System in zwei verschiedenen Demonstratoren evaluiert. Der Wumpus World-Demonstrator ist ein Standard-Spielzeugszenario für die Evaluierung künstlicher Intelligenz, während der gridbasierte Servicerobotersimulator realistischere Anwendungsfälle bietet. Insgesamt zeigen die Ergebnisse der Experimente, dass unser System die Anforderungen erfüllt. Wir haben jedoch auch festgestellt, dass weitere Forschungen zum ASP-basierten Schlussfolgern mit dynamisches Wissen erforderlich sind.