Dissertação

{en_GB=Active Semantic Mapping for a Domestic Service Robot} {} EVALUATED

{pt=Os robôs de serviço doméstico precisam de lidar com ambientes complexos e dinâmicos. Para poderem interagir com eles, precisam de manter uma representação atualizada da informação que lhes é relevante sobre esses mesmos ambientes. Neste trabalho é apresentada uma arquitetura para solucionar esse problema, considerando a incerteza associada a essa representação. A arquitetura precisa de gerar um mapa semântico, mantê-lo atualizado e fazer uso do mesmo. Para isso, é apresentada uma solução para o problema do agente em decidir o seu comportamento de forma a manter uma representação probabilística atualizada do estado do mundo. A arquitetura é composta por duas partes: um mecanismo de representação de conhecimento, que mantém uma crença global sobre o estado do mundo e um tomador de decisões, que é responsável pelo comportamento do agente. O mecanismo de representação de conhecimento usa o ProbLog, para ter uma representação probabilística do mundo e tira partido do seu processo de inferência para gerar o modelo do tomador de decisões e o próprio estado do mundo. Por sua vez, o tomador de decisões é composto por um conjunto de POMDPs, onde cada um é responsável por uma representação parcial do conhecimento global do mundo e por tomar decisões, se necessário, a fim de atingir o objetivo do sistema. O problema de tomada de decisão é dividido em vários subproblemas para reduzir o espaço de estado de cada um e contornar o problema de encontrar a política ideal em POMDPs de grande dimensão., en=Domestic service robots need to deal with complex and dynamic environments. In order to interact with them, robots must keep an up to date representation of relevant information. In this work, an architecture to solve that problem is presented, considering the uncertainty associated with that representation. The architecture needs to generate a semantic map of the domestic environment, maintain it up to date and making use of that. A solution to the agent’s problem of driving its behavior to keep an updated probabilistic representation of the world state and using that information to carry out some tasks is presented. The architecture presented is composed by two parts: a Knowledge Representation Engine that keeps a global belief about the world state and is responsible for generating and controlling the second part, the Decision Maker that is responsible for the agent’s behavior. The Knowledge Representation Engine uses ProbLog to have a probabilistic world representation and to take advantage of the inference process to generate the Decision Maker model and the world state. The Decision Maker is composed by a set of POMDPs, where each one is responsible for having a partial representation of the global knowledge of the world and for making decisions, if required, in order to reduce the uncertainty about the world state and eventually reach a specific goal. The decision making problem is divided into several problems to reduce the state space of each POMDP and to bypass the problem of finding the optimal policy on a large POMDP.}
{pt=ProbLog, Mapeamento Semântico, POMDP, Tomada de decisão, Representação de conhecimento., en=ProbLog, Semantic Mapping, POMDP, Decision Making, Knowledge Representation.}

Outubro 31, 2018, 13:30

Orientação

ORIENTADOR

Pedro Manuel Urbano de Almeida Lima

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Associado

ORIENTADOR

Rodrigo Martins de Matos Ventura

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Auxiliar