基于本體的無(wú)人系統(tǒng)任務(wù)規(guī)劃研究綜述

龐維建, 李 輝, 黃 謙, 李 朋, 馬賢明

(1. 軍事科學(xué)院, 北京 100091; 2. 北京航空工程技術(shù)研究中心, 北京 100076)

0 引 言

當(dāng)前,世界主要軍事強(qiáng)國(guó)都將無(wú)人系統(tǒng)研究置于重要的位置,尤其是具備自主能力的無(wú)人系統(tǒng)。能夠完成復(fù)雜任務(wù)的智能規(guī)劃和決策是自主能力的重要標(biāo)志。

在美軍的自主控制等級(jí)(autonomous control level，ACL)分級(jí)中,ACL7級(jí)以上為高級(jí)自主性,ACL7級(jí)的定義為“編隊(duì)?wèi)?zhàn)術(shù)目標(biāo)”。吳森堂提出的導(dǎo)彈自主編隊(duì)協(xié)同制導(dǎo)控制等級(jí)(cooperation guidance & control level for missile autonomous formation, CGCL)對(duì)最高級(jí)自主性——自主自治的定義為能夠進(jìn)行“使命任務(wù)運(yùn)籌和戰(zhàn)術(shù)任務(wù)動(dòng)態(tài)規(guī)劃”。

“戰(zhàn)術(shù)目標(biāo)”和“使命任務(wù)”都是相對(duì)抽象的任務(wù)指令,這種任務(wù)指令往往僅明確了任務(wù)的目標(biāo)或者最終狀態(tài),而為了達(dá)到任務(wù)目標(biāo)應(yīng)該執(zhí)行哪些行動(dòng)、如何執(zhí)行等任務(wù)規(guī)劃將由無(wú)人系統(tǒng)自主完成。

當(dāng)前,無(wú)人系統(tǒng)任務(wù)規(guī)劃的研究主要集中在任務(wù)分配和航跡/軌跡規(guī)劃兩個(gè)方面,將規(guī)劃問(wèn)題看作組合優(yōu)化問(wèn)題,在遺傳算法、粒子群算法、蟻群算法、多智能進(jìn)化算法等智能算法的輔助下完成問(wèn)題的求解。但是,從本質(zhì)上來(lái)看,任務(wù)分配屬于調(diào)度問(wèn)題,解決的是誰(shuí)去做的問(wèn)題,航跡/軌跡規(guī)劃屬于運(yùn)動(dòng)規(guī)劃問(wèn)題,解決的是如何去做的問(wèn)題。對(duì)于一個(gè)任務(wù)來(lái)說(shuō),在解決怎么做和誰(shuí)去做的問(wèn)題之前,需要解決做什么的問(wèn)題,這是任務(wù)規(guī)劃需要完成的工作。例如無(wú)人機(jī)偵察打擊任務(wù),無(wú)人機(jī)完成這個(gè)復(fù)合任務(wù)需要根據(jù)所處狀態(tài)判斷執(zhí)行起飛、機(jī)動(dòng)到目標(biāo)區(qū)域、打開(kāi)傳感器、搜索目標(biāo)、打擊目標(biāo)、評(píng)估打擊效果等子任務(wù)。這些子任務(wù)的規(guī)劃屬于符號(hào)規(guī)劃問(wèn)題,但當(dāng)前無(wú)人系統(tǒng)自主處理和規(guī)劃這些子任務(wù)的能力還很弱,針對(duì)此類問(wèn)題的研究也很少。

實(shí)現(xiàn)這種智能規(guī)劃能力的關(guān)鍵因素是知識(shí)和處理知識(shí)的能力。這意味著需要一種能夠形式化表示和處理戰(zhàn)場(chǎng)環(huán)境、作戰(zhàn)任務(wù)等知識(shí)的方法,使無(wú)人系統(tǒng)能夠獲取、表示和理解所需的戰(zhàn)場(chǎng)知識(shí),并根據(jù)獲取的知識(shí)進(jìn)行任務(wù)的智能規(guī)劃。

本體技術(shù)是一種形式化的知識(shí)表示方法,在服務(wù)型機(jī)器人和自動(dòng)化領(lǐng)域具有比較深厚的研究基礎(chǔ),在自主規(guī)劃、抓取策略、智能空間認(rèn)知等方面取得了大量的研究成果。軍事領(lǐng)域中,本體技術(shù)在戰(zhàn)場(chǎng)態(tài)勢(shì)表示與評(píng)估、多源信息融合、作戰(zhàn)計(jì)劃表示與校驗(yàn)、決策支持等方面的應(yīng)用較為成熟,并逐步應(yīng)用到空間站短期規(guī)劃、生物恐怖事件救援任務(wù)決策、艦空導(dǎo)彈防空任務(wù)規(guī)劃中,促進(jìn)了軍事任務(wù)規(guī)劃和決策智能化的發(fā)展。

近幾年來(lái)本體技術(shù)開(kāi)始應(yīng)用于無(wú)人機(jī)、無(wú)人駕駛汽車和無(wú)人潛航器等領(lǐng)域中,在異構(gòu)知識(shí)庫(kù)集成、態(tài)勢(shì)表示與評(píng)估、智能決策、駕駛意圖預(yù)測(cè)等方面得到了有效應(yīng)用。

如何系統(tǒng)規(guī)范地存儲(chǔ)和表示戰(zhàn)場(chǎng)知識(shí),使無(wú)人系統(tǒng)能夠根據(jù)人類指揮員的高層任務(wù)指令,快速地獲取戰(zhàn)場(chǎng)知識(shí)和作戰(zhàn)領(lǐng)域經(jīng)驗(yàn)知識(shí),自主完成任務(wù)規(guī)劃,并在執(zhí)行過(guò)程中進(jìn)行任務(wù)的重規(guī)劃和智能決策,已經(jīng)成為一個(gè)新的研究領(lǐng)域。

本文首先對(duì)任務(wù)規(guī)劃領(lǐng)域的概念、方法和知識(shí)表示方法進(jìn)行系統(tǒng)梳理,分析了任務(wù)規(guī)劃領(lǐng)域的發(fā)展方向,提出了基于本體的任務(wù)規(guī)劃框架。然后,介紹了本體在機(jī)器人自主化、軍事任務(wù)規(guī)劃領(lǐng)域的應(yīng)用情況,明確了本體在任務(wù)規(guī)劃中的作用,分析了當(dāng)前基于本體的任務(wù)規(guī)劃研究現(xiàn)狀和存在的問(wèn)題,并提出若干重要的研究方向。最后,論述了無(wú)人系統(tǒng)任務(wù)規(guī)劃本體的構(gòu)建原則和關(guān)鍵能力指標(biāo)。

1 任務(wù)規(guī)劃發(fā)展概述

1.1 任務(wù)規(guī)劃領(lǐng)域概念

路徑/航跡規(guī)劃是在連續(xù)空間中規(guī)劃一條從起始點(diǎn)到終點(diǎn)的可行路徑,一般不考慮時(shí)間因素。無(wú)人機(jī)的航跡規(guī)劃、無(wú)人車的路徑規(guī)劃都屬于路徑/航跡規(guī)劃的范疇,是空間約束下的優(yōu)化問(wèn)題。

軌跡規(guī)劃在跟蹤空間位置的同時(shí),還需要對(duì)速度進(jìn)行跟蹤。此外,軌跡規(guī)劃通常考慮三維場(chǎng)景,如機(jī)械臂的運(yùn)動(dòng)規(guī)劃通常是軌跡規(guī)劃,不僅要滿足空間約束,也要滿足時(shí)間約束。

路徑/航跡規(guī)劃和軌跡規(guī)劃統(tǒng)稱為運(yùn)動(dòng)規(guī)劃,其解決的是怎么做的問(wèn)題。

任務(wù)規(guī)劃的定義有多種,但總體上來(lái)說(shuō),任務(wù)規(guī)劃是尋找使問(wèn)題從初始狀態(tài)轉(zhuǎn)移到目標(biāo)狀態(tài)的一系列行動(dòng)的過(guò)程。任務(wù)規(guī)劃主要解決做什么的問(wèn)題,通過(guò)推理行動(dòng)的結(jié)果,在一系列可能的行動(dòng)中做出選擇。

調(diào)度是在一段時(shí)間內(nèi)為任務(wù)分配有限資源的問(wèn)題。調(diào)度是一種特殊的情況,在這種情況下已經(jīng)選擇了行動(dòng),只留下分配這些任務(wù)的問(wèn)題。調(diào)度通常被看作是任務(wù)規(guī)劃的子問(wèn)題。

1.2 任務(wù)規(guī)劃方法

(1) 經(jīng)典任務(wù)規(guī)劃范式。斯坦福問(wèn)題求解器(Stanford research institute problem solver, STRIPS)是第一個(gè)經(jīng)典任務(wù)規(guī)劃求解器，問(wèn)題被描述為實(shí)現(xiàn)既定目標(biāo)，提出了一種使用預(yù)先條件和效果表示可執(zhí)行行動(dòng)的算子，稱為STRIPS算子。經(jīng)典任務(wù)規(guī)劃在早期人工智能研究中得到廣泛的應(yīng)用，但是這種方法沒(méi)有明確的時(shí)間模型，無(wú)法表示任務(wù)的資源消耗和需求，無(wú)法表征不確定信息，且只能指定達(dá)到的目標(biāo)。

(2) 分層任務(wù)網(wǎng)絡(luò)(hierarchical task network, HTN)。采用遞歸方法將高層任務(wù)擴(kuò)展為底層任務(wù)。擴(kuò)展過(guò)程由稱為“方法”的規(guī)則驅(qū)動(dòng),“方法”可以看作是從高層任務(wù)到部分有序任務(wù)網(wǎng)絡(luò)的映射以及行動(dòng)約束集合。HTN最大的優(yōu)勢(shì)是可以通過(guò)設(shè)計(jì)“方法”來(lái)控制任務(wù)分解的過(guò)程,而在經(jīng)典的規(guī)劃方法中行動(dòng)的條件和效果只是明確了什么情況下可以使用該行動(dòng)。HTN規(guī)劃方法在實(shí)際問(wèn)題中得到廣泛的應(yīng)用。

(3) 決策論規(guī)劃方法。決策論規(guī)劃方法將規(guī)劃問(wèn)題建模為馬爾可夫決策過(guò)程,這種規(guī)劃方法中狀態(tài)的轉(zhuǎn)移是概率的,特別適用于處理不確定情況下的規(guī)劃問(wèn)題。但是,馬爾可夫決策過(guò)程難以解決具有任務(wù)目標(biāo)的規(guī)劃問(wèn)題。

1.3 任務(wù)規(guī)劃領(lǐng)域知識(shí)表示與建模

(1) 任務(wù)規(guī)劃表示語(yǔ)言。規(guī)劃表示語(yǔ)言是實(shí)現(xiàn)任務(wù)規(guī)劃的第一步,STRIPS算子兼有規(guī)劃問(wèn)題表示和操作的能力,實(shí)現(xiàn)了規(guī)劃問(wèn)題的規(guī)范化表示,使規(guī)劃問(wèn)題的求解更加方便。文獻(xiàn)[32]提出的體系結(jié)構(gòu)描述語(yǔ)言,是STRIPS的早期擴(kuò)展版本,相對(duì)于STRIPS提高了表示能力,但是語(yǔ)義模糊沒(méi)有獲得廣泛的應(yīng)用。規(guī)劃領(lǐng)域定義語(yǔ)言(planning domain definition language,PDDL)是一種標(biāo)準(zhǔn)化的任務(wù)表示語(yǔ)言,也是最常用的描述語(yǔ)言。PDDL是一種純符號(hào)化方法描述規(guī)劃問(wèn)題的語(yǔ)言,無(wú)法描述涉及導(dǎo)航等幾何計(jì)算的子問(wèn)題。概率PDDL(probabilistic PDDL，PPDDL)是在PDDL語(yǔ)言的基礎(chǔ)上擴(kuò)展而來(lái),能夠以概率方式表示行動(dòng)的結(jié)果,具備概率規(guī)劃能力。面向?qū)ο蟮囊?guī)劃語(yǔ)言,融合了面向?qū)ο缶幊痰膬?yōu)點(diǎn),通過(guò)一個(gè)特定的接口,擴(kuò)展了符號(hào)規(guī)劃結(jié)果的外部訪問(wèn)特性。

(2) 任務(wù)規(guī)劃領(lǐng)域知識(shí)表示方法。Nau和Knoblock等開(kāi)始了規(guī)劃領(lǐng)域建模的工作,并指出任務(wù)規(guī)劃中需要更好的知識(shí)建模方法和更豐富的規(guī)劃知識(shí)。文獻(xiàn)[38]和文獻(xiàn)[39]針對(duì)一般任務(wù)構(gòu)建了領(lǐng)域知識(shí)本體。Yolanda等人提出了一種聚焦計(jì)劃表示(plan semantic net,PLANET)的本體,是一種聚焦計(jì)劃表示的本體,通過(guò)將狀態(tài)和行動(dòng)的推理區(qū)別化對(duì)待的框架,通過(guò)映射規(guī)則實(shí)現(xiàn)非形式化文本中的語(yǔ)義, PLANET定義了計(jì)劃上下文、目標(biāo)、行動(dòng)和任務(wù),以及決策點(diǎn)等概念,并設(shè)計(jì)了聯(lián)合作戰(zhàn)空中任務(wù)指揮官本體、行動(dòng)方針?lè)治霰倔w、對(duì)應(yīng)變反應(yīng)本體3種實(shí)用性的本體。但是,文獻(xiàn)[38-40]也指出本體存在粒度無(wú)法支撐應(yīng)用需要,缺少重要概念,沒(méi)有考慮時(shí)間等問(wèn)題。針對(duì)早期本體存在的這些問(wèn)題,Rajpathak等聚焦任務(wù)的形式化問(wèn)題,形成了獨(dú)立于特定領(lǐng)域、應(yīng)用和推理方法的通用任務(wù)本體,明確了任務(wù)的初始狀態(tài)、目標(biāo)、計(jì)劃、行動(dòng)、代理、參數(shù)、時(shí)間域、約束、前提、成本函數(shù)、方案標(biāo)準(zhǔn)和規(guī)劃模型等關(guān)鍵概念和準(zhǔn)則。值得注意的是，Enrico提出的本體模型是基于業(yè)務(wù)概念建模語(yǔ)言(operational conceptual modelling language, OCML),但是提供了從OCML轉(zhuǎn)換到網(wǎng)絡(luò)本體語(yǔ)言(ontology web language，OWL)的機(jī)制,而在2004年OWL成為萬(wàn)維網(wǎng)聯(lián)盟的推薦標(biāo)準(zhǔn),并在之后成為比較重要和常用的本體建模語(yǔ)言。

(3) 不確定性知識(shí)表示方法。在現(xiàn)實(shí)世界中,特別是戰(zhàn)場(chǎng)環(huán)境中,無(wú)人系統(tǒng)面臨著處理大量不確定信息的情景,不確定性知識(shí)表示對(duì)于無(wú)人系統(tǒng)來(lái)說(shuō)至關(guān)重要。當(dāng)前處理不確定知識(shí)的數(shù)學(xué)理論主要有:模糊邏輯、貝葉斯網(wǎng)絡(luò)、馬爾可夫邏輯網(wǎng)絡(luò)等。文獻(xiàn)[44]將模糊邏輯引入到本體中,使用OWL2實(shí)現(xiàn)了模糊本體,通過(guò)概率注釋方法表示信息的不確定性,能夠表示模糊數(shù)據(jù)類型、模糊概念、模糊修飾符等模糊本體元素。文獻(xiàn)[45]提出了一種從零開(kāi)始構(gòu)建模糊本體開(kāi)發(fā)方法，并基于這種方法構(gòu)建了一個(gè)海底環(huán)境的模糊本體。多實(shí)體貝葉斯網(wǎng)絡(luò)(multi-entities Bayesian network,MEBN)是貝葉斯網(wǎng)絡(luò)的擴(kuò)展,使用實(shí)體集合及實(shí)體之間的各種關(guān)系來(lái)表征環(huán)境中的不確定性?；贛EBN理論實(shí)現(xiàn)的本體技術(shù),可以有效地解決推理問(wèn)題,提高無(wú)人系統(tǒng)在任務(wù)執(zhí)行過(guò)程中的應(yīng)對(duì)能力,在欺詐檢測(cè)、海事預(yù)警等領(lǐng)域都有應(yīng)用,如圖1所示。

圖1 用于估計(jì)海洋污染緊急程度的MEBN模型Fig.1 MEBN model for estimating emergency level of marine pollution

1.4 無(wú)人系統(tǒng)任務(wù)規(guī)劃的發(fā)展趨勢(shì)

隨著無(wú)人系統(tǒng)執(zhí)行能力的提升,現(xiàn)實(shí)中的復(fù)雜任務(wù)不能再孤立地考慮任務(wù)規(guī)劃和運(yùn)動(dòng)規(guī)劃,許多行動(dòng)都具有邏輯上和空間上的依賴性,以何種順序執(zhí)行何種行動(dòng)與該行動(dòng)如何在物理世界中執(zhí)行密切相關(guān)。因此,需要研究集成了任務(wù)規(guī)劃和運(yùn)動(dòng)規(guī)劃的規(guī)劃技術(shù)。文獻(xiàn)[49]首次提出了任務(wù)&運(yùn)動(dòng)規(guī)劃(task and motion planning, TMP)的概念,并提出了相應(yīng)的測(cè)試集。TMP處理的不僅是空間優(yōu)化問(wèn)題,而且需要進(jìn)行邏輯域中的知識(shí)推理。文獻(xiàn)[50]首次將邏輯推理問(wèn)題與空間搜索問(wèn)題結(jié)合起來(lái)進(jìn)行研究,提出了一種將任務(wù)規(guī)劃使用的基于符號(hào)的表示方法與運(yùn)動(dòng)規(guī)劃使用的數(shù)值表示方法鏈接起來(lái)的機(jī)制,規(guī)劃過(guò)程中不僅考慮符號(hào)約束,同時(shí)考慮空間約束。文獻(xiàn)[51]介紹了一種用于表示行動(dòng)帶來(lái)的物理作用的“語(yǔ)義附件”,使規(guī)劃器能夠在運(yùn)行時(shí)計(jì)算狀態(tài)變量的值,為符號(hào)規(guī)劃中判斷行動(dòng)是否可行提供支持。文獻(xiàn)[35]提出了一種面向?qū)ο蟮囊?guī)劃語(yǔ)言,與“語(yǔ)義附件”的功能類似,旨在通過(guò)外部訪問(wèn)為符號(hào)規(guī)劃器提供數(shù)值變量,實(shí)現(xiàn)涉及數(shù)值的規(guī)劃。文獻(xiàn)[52]將“流”作為運(yùn)動(dòng)規(guī)劃與PDDL語(yǔ)言之間的接口,實(shí)現(xiàn)了不限于特定領(lǐng)域的集成了數(shù)值計(jì)算模塊的規(guī)劃語(yǔ)言。

TMP概念中,任務(wù)規(guī)劃、運(yùn)動(dòng)規(guī)劃與知識(shí)之間存在著緊密的聯(lián)系,如圖2所示。

圖2 知識(shí)與TMP關(guān)系Fig.2 Relationship between knowledge and TMP

AlphaGo的成功掀起了連接主義人工智能研究的熱潮。但是隨著研究的深入,深度學(xué)習(xí)的脆弱性也逐漸被發(fā)現(xiàn)。文獻(xiàn)[55]中介紹了第三代人工智能的三空間模型,提出將感覺(jué)提升為感知(符號(hào))時(shí)機(jī)器就具備理解和基于知識(shí)的推理能力。文獻(xiàn)[56]也指出智能決策的實(shí)現(xiàn)過(guò)程中,如何利用已有的知識(shí)是一個(gè)重要的問(wèn)題?？梢?jiàn),具備自主性的無(wú)人系統(tǒng)任務(wù)規(guī)劃融合了知識(shí)推理與空間優(yōu)化的優(yōu)勢(shì),符合下一代人工智能的發(fā)展方向。

因此,未來(lái)具備高度自主能力的無(wú)人系統(tǒng)任務(wù)規(guī)劃必然是融合了知識(shí)推理與空間優(yōu)化的復(fù)合體,可以稱之為基于本體的任務(wù)規(guī)劃。其框架如圖3所示。

圖3 基于本體的任務(wù)規(guī)劃框架Fig.3 Framework of ontology-based task planning

基于本體的任務(wù)規(guī)劃是知識(shí)推理與任務(wù)規(guī)劃的結(jié)合體,其內(nèi)涵可概括如下。

內(nèi)涵之一:基于知識(shí)實(shí)現(xiàn)任務(wù)規(guī)劃。基于知識(shí)意味著規(guī)劃可以充分利用經(jīng)驗(yàn)信息,這種經(jīng)驗(yàn)信息包含人類的任務(wù)經(jīng)驗(yàn)、無(wú)人系統(tǒng)在歷次任務(wù)執(zhí)行過(guò)程中學(xué)習(xí)到的經(jīng)驗(yàn),以及在虛擬的仿真世界中學(xué)習(xí)到的經(jīng)驗(yàn)。基于知識(shí)意味著無(wú)人系統(tǒng)的任務(wù)規(guī)劃具備了成長(zhǎng)性和共享性的特征,能夠像人類一樣根據(jù)經(jīng)驗(yàn)更好地完成某項(xiàng)任務(wù)。

內(nèi)涵之二:任務(wù)規(guī)劃與運(yùn)動(dòng)規(guī)劃的集成規(guī)劃框架。任務(wù)規(guī)劃的作戰(zhàn)行動(dòng)序列生成、任務(wù)分配和航跡規(guī)劃三個(gè)階段本身具備高度的耦合性。在無(wú)人系統(tǒng)協(xié)同作戰(zhàn)問(wèn)題領(lǐng)域中,這種信息的耦合更加緊密?；诒倔w的任務(wù)規(guī)劃立足于高層任務(wù)規(guī)劃,同時(shí)考慮任務(wù)規(guī)劃與運(yùn)動(dòng)規(guī)劃的融合,實(shí)現(xiàn)無(wú)人系統(tǒng)任務(wù)的智能規(guī)劃。

內(nèi)涵之三:通過(guò)對(duì)數(shù)據(jù)和信息的知識(shí)化提高智能水平。知識(shí)化的作用有兩個(gè):一是便于信息和數(shù)據(jù)在無(wú)人系統(tǒng)之間的共享;二是結(jié)構(gòu)化的知識(shí)更便于解釋和推理。當(dāng)前受到廣泛關(guān)注的各種學(xué)習(xí)算法,本質(zhì)上是在學(xué)習(xí)一種知識(shí)。這些知識(shí)需要有一個(gè)規(guī)范的表示和交互方式,以支持各類無(wú)人系統(tǒng)進(jìn)行查詢、共享和推理,提高智能的泛化性能。

2 本體在任務(wù)規(guī)劃中的應(yīng)用現(xiàn)狀

2.1 本體在機(jī)器人和自主化系統(tǒng)任務(wù)規(guī)劃領(lǐng)域中的應(yīng)用現(xiàn)狀

本體技術(shù)在機(jī)器人和自動(dòng)化領(lǐng)域得到了廣泛的關(guān)注,研究基礎(chǔ)也最為深厚。因?yàn)?相對(duì)于無(wú)人機(jī)等無(wú)人裝備來(lái)說(shuō),機(jī)器人的任務(wù)規(guī)劃需要組織和籌劃的行動(dòng)更多,各行動(dòng)之間也通常需要邏輯上的合理性和時(shí)間上的接續(xù)性。如對(duì)于送水服務(wù)來(lái)說(shuō),機(jī)器人需要完成移動(dòng)到水杯位置、拿起水杯、移動(dòng)到接水臺(tái)、按壓按鈕、松開(kāi)按鈕、移動(dòng)到顧客位置、遞送水杯等一系列行動(dòng),同時(shí)還需要獲取水杯位置、抓取策略、接水臺(tái)位置、顧客位置等知識(shí)信息,并處理水是否接滿這樣的模糊問(wèn)題。

雖然,機(jī)器人任務(wù)規(guī)劃問(wèn)題與無(wú)人機(jī)等無(wú)人作戰(zhàn)系統(tǒng)的任務(wù)規(guī)劃是不同的任務(wù)領(lǐng)域,但是兩者都需要解決行動(dòng)的組織和籌劃問(wèn)題,都面臨著任務(wù)的分解,以及知識(shí)的表示、共享和處理等問(wèn)題。因此,本體在機(jī)器人任務(wù)智能規(guī)劃領(lǐng)域的研究對(duì)于解決無(wú)人系統(tǒng)智能規(guī)劃問(wèn)題具有較大的參考價(jià)值。

RoboBrain是一個(gè)超大規(guī)模的機(jī)器人知識(shí)引擎,從互聯(lián)網(wǎng)和合作伙伴處獲取知識(shí),并對(duì)這些知識(shí)進(jìn)行整合,從而形成一個(gè)龐大的機(jī)器人知識(shí)引擎。該項(xiàng)目采用基于對(duì)象的數(shù)據(jù)庫(kù)進(jìn)行知識(shí)的存儲(chǔ),致力于實(shí)現(xiàn)一個(gè)機(jī)器人學(xué)習(xí)和共享知識(shí)的知識(shí)引擎,在人機(jī)交互、自然語(yǔ)言理解、機(jī)器人感知和任務(wù)規(guī)劃等領(lǐng)域中提高機(jī)器人的智能水平。由于該知識(shí)引擎過(guò)于龐大,實(shí)際應(yīng)用的效果并不理想,但該項(xiàng)目是較早開(kāi)展機(jī)器人領(lǐng)域本體研究的項(xiàng)目之一。RoboBrain系統(tǒng)框架如圖4所示。

圖4 RoboBrain 系統(tǒng)框架圖Fig.4 RoboBrain system architecture

KnowRob是一種以行動(dòng)為中心的任務(wù)本體模型。環(huán)境和任務(wù)知識(shí)以行動(dòng)為中心進(jìn)行組織可以使機(jī)器人能夠很容易地訪問(wèn)其任務(wù)所需的知識(shí)。機(jī)器人觀察到的知識(shí)也會(huì)增加到知識(shí)本體中,從而能夠更好地適應(yīng)動(dòng)態(tài)變化的環(huán)境。但是,KnowRob致力于提高個(gè)體機(jī)器人的自主性,對(duì)多個(gè)機(jī)器人協(xié)同任務(wù)關(guān)注較少。KnowRob使用OWL語(yǔ)言實(shí)現(xiàn)知識(shí)的表示,但是OWL語(yǔ)義比較淺,只能夠?qū)︻惡蛡€(gè)體之間的簡(jiǎn)單關(guān)系進(jìn)行定義和較少的推理。因此,KnowRob還引入了對(duì)Prolog語(yǔ)言的支持以提升其知識(shí)推理能力。

RoboEarth致力于為機(jī)器人建立一個(gè)進(jìn)行知識(shí)交互和學(xué)習(xí)的互聯(lián)網(wǎng),以解決異構(gòu)機(jī)器人系統(tǒng)的信息重用和交互問(wèn)題。其同樣采用OWL語(yǔ)言構(gòu)建世界模型,不僅定義了世界知識(shí)的要素,還定義了其中的關(guān)聯(lián)關(guān)系。采用RoboEarth進(jìn)行任務(wù)規(guī)劃的機(jī)器人,在任務(wù)開(kāi)始時(shí),通過(guò)查詢算法請(qǐng)求需要的任務(wù)相關(guān)知識(shí)。如果當(dāng)前任務(wù)沒(méi)有執(zhí)行過(guò),機(jī)器人可以記錄學(xué)習(xí)的過(guò)程,并將學(xué)習(xí)到的知識(shí)上傳到分布式的知識(shí)庫(kù)中,實(shí)現(xiàn)知識(shí)的共享。

文獻(xiàn)[61]提出一種為機(jī)器人提供空間智能的知識(shí)引擎?？臻g智能是指空間判斷能力。具備空間判斷能力的機(jī)器人能夠從不同角度和空間對(duì)物體進(jìn)行可視化,能夠確定物體之間的空間關(guān)系并進(jìn)行處理,其功能框架如圖5所示。在進(jìn)行任務(wù)規(guī)劃時(shí),機(jī)器人規(guī)劃器在本體和傳感器數(shù)據(jù)的支持下,自動(dòng)處理空間信息和自然語(yǔ)言指令,不再需要像PDDL那樣進(jìn)行復(fù)雜的語(yǔ)法定義。

圖5 具備空間智能的智能規(guī)劃流程圖Fig.5 Intelligent planning flow chart with spatial intelligence

開(kāi)放式機(jī)器人本體(open robots ontology，ORO)是一種面向事件的知識(shí)存儲(chǔ)和推理平臺(tái),該系統(tǒng)框架將來(lái)自不同來(lái)源的數(shù)據(jù),如傳感器、領(lǐng)域知識(shí)和人類輸入信息集成到一個(gè)統(tǒng)一的本體中,其研究側(cè)重于幫助機(jī)器人與人類互動(dòng),能夠使用Pellet進(jìn)行簡(jiǎn)單的推理。

感知與操作知識(shí)本體(perception and manipulation know-ledge，PMK)是一種面向自主機(jī)器人TMP的知識(shí)本體。利用OWL語(yǔ)言實(shí)現(xiàn),通過(guò)邏輯編程語(yǔ)言SWI-prolog加載OWL本體,實(shí)現(xiàn)知識(shí)的查詢。PMK還集成了認(rèn)知模塊,可根據(jù)傳感器數(shù)據(jù)實(shí)現(xiàn)對(duì)環(huán)境的感知并向知識(shí)本體中添加實(shí)例。使該框架具備感知推理、特征推理、態(tài)勢(shì)推理和規(guī)劃推理能力。

機(jī)器人任務(wù)規(guī)劃本體(robot task planning ontology，RTPO)是一種室內(nèi)服務(wù)型機(jī)器人小型任務(wù)本體,使用OWL語(yǔ)言描述機(jī)器人的領(lǐng)域知識(shí),并且設(shè)計(jì)了基于RTPO的任務(wù)規(guī)劃算法。RTPO分為3個(gè)部分:任務(wù)本體、環(huán)境本體和機(jī)器人本體。通過(guò)相應(yīng)的任務(wù)規(guī)劃算法,機(jī)器人可以自主完成指定的高層任務(wù)。

本體技術(shù)在知識(shí)表示和運(yùn)用上的優(yōu)勢(shì)使其正逐漸應(yīng)用到無(wú)人潛航器、水下機(jī)器人、空間站短期任務(wù)規(guī)劃、無(wú)人駕駛汽車等自主化領(lǐng)域中。協(xié)作網(wǎng)絡(luò)中的智能網(wǎng)絡(luò)化水下機(jī)器人(smart and networking underwater robots in cooperation meshes，SWARMs),致力于實(shí)現(xiàn)不同制造商生產(chǎn)的水下機(jī)器人系統(tǒng)的協(xié)同作業(yè),使用網(wǎng)絡(luò)化本體技術(shù)解決了機(jī)器人交換異構(gòu)信息的問(wèn)題。網(wǎng)絡(luò)化本體作為一種公共信息模型來(lái)表示不同領(lǐng)域的知識(shí),并且為系統(tǒng)內(nèi)的知識(shí)共享提供支持。其知識(shí)本體主要由4部分組成:無(wú)人系統(tǒng)、任務(wù)和規(guī)劃、環(huán)境感知和認(rèn)知、通信和網(wǎng)絡(luò)。在SWARMs中,無(wú)人平臺(tái)之間需要進(jìn)行交換的信息都由本體定義,且支持不同的推理方式,如:本體推理、基于規(guī)則的推理和多實(shí)體貝葉斯網(wǎng)絡(luò)。SWARMs本體結(jié)構(gòu)如圖6所示。

圖6 SWARMs 本體結(jié)構(gòu)Fig.6 SWARMs ontology structure

文獻(xiàn)[24]提出了一種海洋無(wú)人潛航器智能控制架構(gòu),使用基于本體的動(dòng)態(tài)規(guī)劃決策,實(shí)現(xiàn)了無(wú)人系統(tǒng)對(duì)復(fù)雜環(huán)境的適應(yīng),使復(fù)雜繁瑣的任務(wù)規(guī)劃決策得以由計(jì)算機(jī)自動(dòng)完成。該本體是一種適用于海洋無(wú)人潛航器任務(wù)智能規(guī)劃和控制的領(lǐng)域知識(shí)本體。

文獻(xiàn)[67]將本體理論應(yīng)用于空間站短期任務(wù)規(guī)劃中的問(wèn)題描述和數(shù)據(jù)交互共享,滿足了空間站短期任務(wù)規(guī)劃領(lǐng)域中的問(wèn)題描述需求和數(shù)據(jù)交互共享需求,為解決空間站短期任務(wù)規(guī)劃提供了支持。

無(wú)人駕駛汽車場(chǎng)景建模和智能規(guī)劃與決策支持是本體的另一個(gè)重要的應(yīng)用領(lǐng)域。文獻(xiàn)[68]將本體應(yīng)用于交通場(chǎng)景描述中。首先,使用隱馬爾可夫模型(hidden Markov models, HMM)進(jìn)行駕駛行為的學(xué)習(xí)。然后，并根據(jù)場(chǎng)景特征建立知識(shí)庫(kù),確定模型策略并存儲(chǔ)先驗(yàn)知識(shí)。最后,通過(guò)后驗(yàn)概率和先驗(yàn)概率實(shí)現(xiàn)對(duì)目標(biāo)車輛未來(lái)行為的預(yù)測(cè)。文獻(xiàn)[69]在基于本體的駕駛場(chǎng)景模型的基礎(chǔ)上,通過(guò)基于語(yǔ)義推理機(jī)制實(shí)現(xiàn)場(chǎng)景的多準(zhǔn)則評(píng)估和駕駛決策生成。

除上述對(duì)于基于本體的任務(wù)規(guī)劃方面的研究之外,在知識(shí)獲取、現(xiàn)實(shí)世界與本體的映射等方面的研究也開(kāi)始受到關(guān)注。PMK本體通過(guò)集成感知模塊,實(shí)現(xiàn)了對(duì)物品和態(tài)勢(shì)的推理能力,陳志賢等人將本體技術(shù)應(yīng)用于復(fù)雜環(huán)境中機(jī)器人的自主規(guī)劃,提出了基于整合活動(dòng)圖式的機(jī)器人任務(wù)規(guī)劃經(jīng)驗(yàn)學(xué)習(xí)方法,所學(xué)習(xí)到的任務(wù)經(jīng)驗(yàn)可以泛化應(yīng)用到同類任務(wù)的多情形自動(dòng)規(guī)劃問(wèn)題之中。李泚泚提出一種層次化物品知識(shí)自主構(gòu)建方法,實(shí)現(xiàn)了物品實(shí)例知識(shí)的自主構(gòu)建。

幾種典型的知識(shí)本體情況對(duì)比如表1所示?？傮w來(lái)說(shuō),知識(shí)本體在任務(wù)規(guī)劃領(lǐng)域的應(yīng)用主要集中于室內(nèi)服務(wù)型機(jī)器人,在專業(yè)無(wú)人系統(tǒng),特別是無(wú)人作戰(zhàn)系統(tǒng)中的應(yīng)用還很少見(jiàn)。幾種本體中,小型化、專業(yè)化的本體技術(shù)應(yīng)用情況和表現(xiàn)要好于通用型的大規(guī)模本體。OWL是本體構(gòu)建首選的表示語(yǔ)言,此外,本體通常會(huì)根據(jù)需要搭配相應(yīng)的推理機(jī),實(shí)現(xiàn)知識(shí)推理和應(yīng)用。

表1 典型無(wú)人系統(tǒng)本體情況對(duì)比

2.2 本體在軍事任務(wù)規(guī)劃領(lǐng)域的應(yīng)用現(xiàn)狀

本體在軍事任務(wù)規(guī)劃領(lǐng)域有著深厚的研究歷史。較早的任務(wù)規(guī)劃本體,如PLANET就是基于軍事應(yīng)用背景研發(fā)的。本體技術(shù)在軍事領(lǐng)域的應(yīng)用已經(jīng)涉及到了戰(zhàn)場(chǎng)態(tài)勢(shì)表示與評(píng)估、作戰(zhàn)計(jì)劃表示與校驗(yàn)等方面。這些應(yīng)用場(chǎng)景都是進(jìn)行任務(wù)規(guī)劃不可或缺的知識(shí)來(lái)源,或者本身是任務(wù)規(guī)劃的一部分。

(1) 基于本體的態(tài)勢(shì)表示、感知與估計(jì)。早期的應(yīng)用研究停留在比較淺的層面,本體更像是一個(gè)規(guī)范化表示信息的數(shù)據(jù)庫(kù),如文獻(xiàn)[73]提出了一種基于本體的發(fā)布訂閱系統(tǒng),能夠進(jìn)行大量、連續(xù)的復(fù)雜語(yǔ)義查詢。文獻(xiàn)[21]構(gòu)建了基于本體的戰(zhàn)場(chǎng)態(tài)勢(shì)表示方法,通過(guò)本體實(shí)現(xiàn)態(tài)勢(shì)數(shù)據(jù)的統(tǒng)一規(guī)范表示和戰(zhàn)場(chǎng)態(tài)勢(shì)推理。文獻(xiàn)[74]提出了一種基于本體的態(tài)勢(shì)感知系統(tǒng)“BeAware!”,采用了基于規(guī)則的推理技術(shù)提高了系統(tǒng)的推理能力,貝葉斯網(wǎng)絡(luò)與本體的結(jié)合使態(tài)勢(shì)感知中大量的不確定性知識(shí)表示和推理問(wèn)題得到了一定程度的解決。文獻(xiàn)[48]將本體技術(shù)用于可疑船只的屬性判斷中,基于MEBN實(shí)現(xiàn)多源信息融合。文獻(xiàn)[75]構(gòu)建了網(wǎng)絡(luò)威脅要素知識(shí)本體,并成功應(yīng)用于網(wǎng)絡(luò)威脅態(tài)勢(shì)推演與評(píng)估。文獻(xiàn)[76]將貝葉斯網(wǎng)絡(luò)與本體技術(shù)相結(jié)合,提高了態(tài)勢(shì)估計(jì)的準(zhǔn)確度。文獻(xiàn)[77]將本體與MEBN相結(jié)合用于無(wú)人作戰(zhàn)系統(tǒng)在不確定場(chǎng)景下的智能決策。

(2) 基于本體的計(jì)劃表示和評(píng)估。常識(shí)百科全書(shū)本體(enCYClopedia，CYC)是第一個(gè)常識(shí)知識(shí)庫(kù)，也經(jīng)常作為上位本體來(lái)構(gòu)建軍事領(lǐng)域本體，如作戰(zhàn)行動(dòng)過(guò)程本體。核心計(jì)劃表示本體是九十年代美國(guó)國(guó)防部高級(jí)研究計(jì)劃局針對(duì)軍事領(lǐng)域提出的軍事計(jì)劃表示本體，能夠描述計(jì)劃、過(guò)程、行動(dòng)等通用信息。文獻(xiàn)[81]構(gòu)建的本體將計(jì)劃看作是一系列的約束構(gòu)成的集合，實(shí)現(xiàn)了任務(wù)的層次化分解。共享計(jì)劃和行動(dòng)表示本體是集成了多項(xiàng)本體研究的成果而建立的一種共享計(jì)劃本體，其計(jì)劃的表示更加規(guī)范和全面。聯(lián)合作戰(zhàn)空中任務(wù)指揮官本體是一種用于空軍戰(zhàn)役規(guī)劃的本體，并且在應(yīng)用中使用了基于知識(shí)的混合主動(dòng)規(guī)劃方法。文獻(xiàn)[84]將本體用于作戰(zhàn)方案的表示和完整性評(píng)估?；诒倔w的計(jì)劃表示實(shí)現(xiàn)了特定領(lǐng)域規(guī)劃知識(shí)的表示,使機(jī)器能夠共享和重用現(xiàn)有的知識(shí)并進(jìn)行復(fù)雜任務(wù)的規(guī)劃。但這種基于知識(shí)的規(guī)劃通常針對(duì)領(lǐng)域問(wèn)題而專門(mén)設(shè)計(jì)的,不同領(lǐng)域之間具有不同的知識(shí)表示和描述方法,重用性很差。

2.3 知識(shí)本體在無(wú)人系統(tǒng)任務(wù)規(guī)劃中的作用

(1) 基于領(lǐng)域知識(shí)實(shí)現(xiàn)任務(wù)智能規(guī)劃。未來(lái)戰(zhàn)場(chǎng)上異構(gòu)無(wú)人系統(tǒng)的大規(guī)模應(yīng)用,必然需要一個(gè)高效的任務(wù)規(guī)劃和管理機(jī)制,實(shí)現(xiàn)大規(guī)模無(wú)人作戰(zhàn)群體的高效智能任務(wù)規(guī)劃。知識(shí)本體能夠保存無(wú)人系統(tǒng)學(xué)習(xí)到的規(guī)劃參數(shù)或者作戰(zhàn)規(guī)則,并將之應(yīng)用于未來(lái)的任務(wù)中。此外,通過(guò)知識(shí)本體的支持,無(wú)人系統(tǒng)可以針對(duì)人類的高層指令自動(dòng)完成行動(dòng)序列的生成,并檢測(cè)任務(wù)是否可以達(dá)成,如文獻(xiàn)[26]和文獻(xiàn)[61]。

(2) 支持基于領(lǐng)域知識(shí)的任務(wù)重規(guī)劃。實(shí)際場(chǎng)景中,無(wú)人系統(tǒng)面臨越來(lái)越多的不確定性因素使無(wú)人系統(tǒng)很難通過(guò)一個(gè)固定的任務(wù)計(jì)劃完成任務(wù)的執(zhí)行,迫切需要任務(wù)重規(guī)劃技術(shù)的支持。當(dāng)前,領(lǐng)域知識(shí)在任務(wù)重規(guī)劃中發(fā)揮著重要的作用,文獻(xiàn)[85]構(gòu)建了軍事領(lǐng)域知識(shí)庫(kù)與規(guī)則庫(kù),實(shí)現(xiàn)空中任務(wù)的重規(guī)劃,文獻(xiàn)[86]構(gòu)建了水下機(jī)器人任務(wù)本體并用于任務(wù)的重規(guī)劃。文獻(xiàn)[87]指出基于領(lǐng)域知識(shí)的任務(wù)重規(guī)劃方法,特別是通用化的知識(shí)庫(kù)是重要的研究方向。

(3) 支持知識(shí)共享。本體為不同無(wú)人系統(tǒng)提供一個(gè)進(jìn)行知識(shí)共享的基礎(chǔ),對(duì)信息交互進(jìn)行了規(guī)范,使各個(gè)無(wú)人系統(tǒng)學(xué)習(xí)到的知識(shí)可以通過(guò)網(wǎng)絡(luò)進(jìn)行共享,如SWARMs本體。本體使無(wú)人系統(tǒng)之間的交互從信息交互的層面提升到知識(shí)交互的層面。通過(guò)作戰(zhàn)知識(shí)的積累和共享,可以啟發(fā)無(wú)人系統(tǒng)探究新型作戰(zhàn)模式。

(4) 支持基于知識(shí)推理的慎思型智能決策。例如,在文獻(xiàn)[88-89]中將人類實(shí)踐過(guò)程中形成的經(jīng)驗(yàn)常識(shí)應(yīng)用于環(huán)境中車輛駕駛意圖的判斷上,并取得了良好的效果。本體是對(duì)知識(shí)的結(jié)構(gòu)化描述,包含了概念之間的語(yǔ)義關(guān)系,這種語(yǔ)義關(guān)系是實(shí)現(xiàn)理性決策的基礎(chǔ)。基于理性推理的決策具有可解釋性和穩(wěn)健性的特點(diǎn)。

3 現(xiàn)狀分析與重要研究方向

3.1 研究現(xiàn)狀

(1) 本體構(gòu)建技術(shù)相對(duì)成熟,有大量可供參考的案例,既有針對(duì)一般任務(wù)的本體,也有針對(duì)領(lǐng)域任務(wù)的應(yīng)用本體。但是不同領(lǐng)域中的任務(wù)邏輯、知識(shí)需求、表示范圍等仍然有比較大的差別。本體技術(shù)在新的領(lǐng)域應(yīng)用仍需在領(lǐng)域知識(shí)表示方法和表示能力等方面進(jìn)行大量的研究。本體技術(shù)在研究初期就與軍事問(wèn)題緊密相關(guān),在軍事計(jì)劃表示、態(tài)勢(shì)分析中發(fā)揮了重要作用,但是本體在支持無(wú)人作戰(zhàn)系統(tǒng)的任務(wù)規(guī)劃方面還期待更加系統(tǒng)的研究。

(2) 行動(dòng)學(xué)習(xí)能力成為新的研究熱點(diǎn)。任務(wù)本體的構(gòu)建通常需要領(lǐng)域?qū)＜业膶ｉT(mén)知識(shí),但是專家領(lǐng)域知識(shí)的有限性和現(xiàn)實(shí)世界的復(fù)雜性,使無(wú)人系統(tǒng)行為的抽象化越來(lái)越困難。這導(dǎo)致了當(dāng)前知識(shí)本體的構(gòu)建往往局限于比較簡(jiǎn)單或者有限的場(chǎng)景,現(xiàn)實(shí)世界的領(lǐng)域本體模型往往很難開(kāi)發(fā)和維護(hù),因此人們?cè)诮鉀Q規(guī)劃問(wèn)題時(shí)往往很少使用領(lǐng)域知識(shí),而是采用效率低但更容易的方法,除了專門(mén)研究規(guī)劃問(wèn)題的團(tuán)體之外,對(duì)構(gòu)建領(lǐng)域知識(shí)模型的關(guān)注很低。文獻(xiàn)[90]對(duì)機(jī)器學(xué)習(xí)在行動(dòng)模型和規(guī)劃知識(shí)的自動(dòng)獲取方面的應(yīng)用進(jìn)行了綜述,文獻(xiàn)[91]重點(diǎn)在行動(dòng)模型學(xué)習(xí)方面進(jìn)行而來(lái)綜述,并提出了研究的方向。行動(dòng)模型的學(xué)習(xí)的輸入通常是一組行動(dòng)序列,輸出則是PDDL等描述語(yǔ)言定義的行動(dòng)模型。文獻(xiàn)[92]提出了一種從非符號(hào)輸入中學(xué)習(xí)一階符號(hào)表示的方法,學(xué)習(xí)到的一階符號(hào)可以直接作為規(guī)劃器的輸入,文獻(xiàn)中展示了從漢諾塔、抓取和方塊世界等經(jīng)典任務(wù)規(guī)劃問(wèn)題的狀態(tài)空間中提取移動(dòng)、拾取和放下等行動(dòng)模型的方法。

(3) 領(lǐng)域知識(shí)本體應(yīng)用效果好,但仍存在異構(gòu)本體集成和通用本體的研究需求。領(lǐng)域知識(shí)本體應(yīng)用范圍有限,在開(kāi)放場(chǎng)景中的效果不佳。因此,通用化的本體依然有需求的緊迫性,但是受限于當(dāng)前的技術(shù)水平,當(dāng)前的研究多從異構(gòu)本體的集成入手,解決實(shí)際應(yīng)用問(wèn)題。

3.2 重要研究方向

雖然對(duì)于任務(wù)規(guī)劃本體的研究已經(jīng)很多,但是如何將本體應(yīng)用到任務(wù)尤其是復(fù)雜任務(wù)中的研究尚處于起步階段。本體在機(jī)器人領(lǐng)域雖然取得了矚目的成果,但是仍存在很多未解決的問(wèn)題。以知識(shí)為中心,可以分成前中后3個(gè)部分,未來(lái)重要的研究方向如下。

(1) 前端主要研究知識(shí)的獲取和認(rèn)知問(wèn)題,如從文本等結(jié)構(gòu)化的數(shù)據(jù)中析取知識(shí)、如何從人類的行為中學(xué)習(xí)到經(jīng)驗(yàn)并使之經(jīng)驗(yàn)化、如何實(shí)現(xiàn)環(huán)境的認(rèn)知和與知識(shí)本體的邏輯接地等。文獻(xiàn)[95]在基于示教的任務(wù)規(guī)劃學(xué)習(xí)方面進(jìn)行了研究。文獻(xiàn)[96]研究了家庭環(huán)境中的邏輯接地問(wèn)題。文獻(xiàn)[90-91]分別從機(jī)器學(xué)習(xí)用于規(guī)劃知識(shí)自動(dòng)定義和行動(dòng)模型學(xué)習(xí)兩個(gè)方面進(jìn)行了技術(shù)綜述,指出知識(shí)表示、學(xué)習(xí)算法、知識(shí)的應(yīng)用、現(xiàn)實(shí)世界的應(yīng)用等重要問(wèn)題。

(2) 居于中心位置的知識(shí)建模與表示仍然存在許多難以解決的問(wèn)題,如異構(gòu)本體的集成、大規(guī)模知識(shí)本體下的處理效率、更強(qiáng)的表示能力、不確定知識(shí)的表示等,以及支撐計(jì)劃重規(guī)劃的規(guī)則庫(kù)構(gòu)建與運(yùn)用等。當(dāng)前知識(shí)表示語(yǔ)言表示能力有限,雖然各種拓展表示語(yǔ)言進(jìn)行了功能的拓展,但是在描述現(xiàn)實(shí)世界,支撐復(fù)雜場(chǎng)景方面還需要進(jìn)一步的研究。

(3) 后端主要研究知識(shí)的應(yīng)用,如何在知識(shí)本體支持下實(shí)現(xiàn)智能規(guī)劃和決策,需要將離散的符號(hào)規(guī)劃與連續(xù)的空間尋優(yōu)問(wèn)題結(jié)合起來(lái)。然而,即使在機(jī)器人領(lǐng)域,這種融合仍僅是在比較淺顯的層面,知識(shí)對(duì)任務(wù)規(guī)劃的知識(shí)多是停留在知識(shí)查詢的層面,很少能夠體現(xiàn)出知識(shí)推理能力的作用。但是,隨著學(xué)術(shù)界對(duì)于第三代人工智能的探索和思考,符號(hào)主義與連接主義的集成符合未來(lái)的發(fā)展趨勢(shì),無(wú)人系統(tǒng)的智能化研究也逐漸從底層的運(yùn)動(dòng)規(guī)劃上升到任務(wù)規(guī)劃層面,并呈現(xiàn)兩者高度融合的特點(diǎn),基于本體的無(wú)人系統(tǒng)任務(wù)規(guī)劃屬于后端應(yīng)用問(wèn)題,主要研究知識(shí)推理、任務(wù)規(guī)劃和決策等知識(shí)的應(yīng)用。

4 無(wú)人系統(tǒng)任務(wù)規(guī)劃本體構(gòu)建原則

構(gòu)建無(wú)人系統(tǒng)任務(wù)規(guī)劃本體需要考慮多方面的因素,本節(jié)從應(yīng)用范圍和目標(biāo)、非功能性需求、功能性需求3個(gè)方面進(jìn)行了闡釋。

4.1 明確本體應(yīng)用范圍和目標(biāo)

進(jìn)行任務(wù)規(guī)劃本體的構(gòu)建,首先需要明確本體的應(yīng)用范圍和應(yīng)達(dá)到的目標(biāo)。無(wú)人作戰(zhàn)系統(tǒng)的任務(wù)本體應(yīng)立足其應(yīng)用場(chǎng)景構(gòu)建領(lǐng)域知識(shí)本體,防止出現(xiàn)本體過(guò)于泛化,規(guī)模過(guò)于龐大而難以應(yīng)用的問(wèn)題。無(wú)人作戰(zhàn)系統(tǒng)任務(wù)規(guī)劃本體應(yīng)完成兩個(gè)主要工作,一是清晰定義領(lǐng)域知識(shí)相關(guān)的概念;二是對(duì)概念之間的關(guān)系進(jìn)行明確的定義。本體應(yīng)能描述異構(gòu)無(wú)人系統(tǒng)(如傳感器、執(zhí)行器等組件)及其工作的環(huán)境(如地形、威脅、障礙等戰(zhàn)場(chǎng)要素),并對(duì)無(wú)人系統(tǒng)之間必須交換的信息進(jìn)行明確的定義。

4.2 滿足本體的非功能性需求

互操作性、模塊化、可重用和可擴(kuò)展是本體應(yīng)具備的非功能性特征?；ゲ僮餍允菨M足無(wú)人系統(tǒng)之間信息交換的基本條件;模塊化要求對(duì)本體元素之間的耦合性進(jìn)行必要的解耦,有利于本體元素的靈活組合;重用性使本體各元素可以方便地應(yīng)用于不同的領(lǐng)域,或者能通過(guò)簡(jiǎn)單的修改適應(yīng)新的場(chǎng)景;可擴(kuò)展性是本體功能不斷成長(zhǎng),適應(yīng)更復(fù)雜場(chǎng)景的基本要求。

4.3 滿足本體的功能性需求

(1) 本體需包含任務(wù)計(jì)劃模型。支持任務(wù)規(guī)劃是本體的首要功能需求。首先,任務(wù)規(guī)劃本體應(yīng)能夠描述某個(gè)作戰(zhàn)任務(wù)中包含的確切行動(dòng),行動(dòng)的前提條件和效果等;其次,能夠描述底層的任務(wù)分配、航跡規(guī)劃的任務(wù)信息,便于無(wú)人系統(tǒng)之間進(jìn)行知識(shí)和共享,實(shí)現(xiàn)任務(wù)協(xié)同。此外,本體還應(yīng)能夠?qū)ψ尤蝿?wù)和作戰(zhàn)行動(dòng)之間的協(xié)同配合關(guān)系,不同無(wú)人系統(tǒng)之間的協(xié)同關(guān)系進(jìn)行描述。圖7展示了任務(wù)本體各主要域之間的關(guān)系。

圖7 無(wú)人作戰(zhàn)系統(tǒng)任務(wù)本體Fig.7 Mission ontology of unmanned system task

(2) 本體應(yīng)對(duì)無(wú)人系統(tǒng)的類別及其屬性能力進(jìn)行清晰的定義。無(wú)人系統(tǒng)的屬性和能力是任務(wù)規(guī)劃的約束條件之一,無(wú)人系統(tǒng)在進(jìn)行高層任務(wù)指令的解析中,需要在本體中查詢自身的屬性和能力是否滿足任務(wù)執(zhí)行的條件。當(dāng)使用基于能力的任務(wù)規(guī)劃方法時(shí),也需要查詢自身能力以實(shí)現(xiàn)行動(dòng)序列的生成。

(3) 本體應(yīng)能夠支持戰(zhàn)場(chǎng)環(huán)境建模。戰(zhàn)場(chǎng)環(huán)境信息是無(wú)人系統(tǒng)進(jìn)行重規(guī)劃和智能決策,正確執(zhí)行任務(wù)的重要保證,無(wú)人系統(tǒng)任務(wù)本體應(yīng)能夠良好地定義和表示戰(zhàn)場(chǎng)環(huán)境信息,如高程、電磁輻射、風(fēng)速、氣象、威脅、目標(biāo)等。水下無(wú)人系統(tǒng)還應(yīng)對(duì)水下作戰(zhàn)環(huán)境信息進(jìn)行表示,如鹽度、溫度、洋流等。另外,本體應(yīng)包含傳感器模型,并能夠利用傳感器信息進(jìn)行環(huán)境空間的信息表示。

(4) 本體應(yīng)能夠支持不確定信息的表示和推理。戰(zhàn)場(chǎng)環(huán)境是一個(gè)動(dòng)態(tài)環(huán)境,其中包含著大量的不確定性。任務(wù)本體應(yīng)能夠?qū)@些不確定性信息進(jìn)行標(biāo)注并支持無(wú)人系統(tǒng)根據(jù)上下文數(shù)據(jù)進(jìn)行知識(shí)推理?；诒倔w的知識(shí)推理過(guò)程如圖8所示。

圖8 知識(shí)推理過(guò)程示意圖Fig.8 Diagram of knowledge inference process

5 無(wú)人系統(tǒng)任務(wù)規(guī)劃本體關(guān)鍵能力指標(biāo)

(1) 知識(shí)表示能力。知識(shí)表示能力是任務(wù)本體最重要的屬性,任務(wù)本體需要能夠表示兩種知識(shí):一類是因果知識(shí),如子任務(wù)之間的協(xié)調(diào)配合關(guān)系、不同無(wú)人系統(tǒng)之間的協(xié)調(diào)配合關(guān)系、規(guī)則化的軍事人員的作戰(zhàn)經(jīng)驗(yàn)知識(shí)等;一類是關(guān)于戰(zhàn)場(chǎng)環(huán)境的世界知識(shí),如目標(biāo)區(qū)域的位置,可能存在的威脅的位置、屬性和適用武器裝備等信息。此外,現(xiàn)實(shí)世界中充斥著不確定性,戰(zhàn)場(chǎng)環(huán)境中無(wú)人系統(tǒng)將面臨更加復(fù)雜的不確定性,能夠?qū)@些不確定性信息進(jìn)行合理的表示是任務(wù)本體適應(yīng)復(fù)雜場(chǎng)景的重要基礎(chǔ)。

(2) 知識(shí)的快速檢索和分發(fā)能力。任務(wù)本體的基本功能之一是實(shí)現(xiàn)無(wú)人系統(tǒng)之間的信息共享。隨著任務(wù)本體的擴(kuò)展和無(wú)人系統(tǒng)規(guī)模的擴(kuò)大,其快速檢索問(wèn)題將會(huì)逐漸突顯出來(lái),對(duì)于較大規(guī)模的任務(wù)本體,需要設(shè)計(jì)合理的檢索算法和數(shù)據(jù)存儲(chǔ)結(jié)構(gòu),支持信息的快速檢索和分發(fā)。

(3) 推理能力。任務(wù)規(guī)劃過(guò)程中的作戰(zhàn)行動(dòng)序列生成,故障應(yīng)對(duì),任務(wù)重規(guī)劃等都需要根據(jù)存儲(chǔ)的知識(shí)進(jìn)行推理。可采用已有的推理機(jī)完成知識(shí)推理,或者根據(jù)應(yīng)用領(lǐng)域設(shè)計(jì)適用性更好的推理機(jī)。在設(shè)計(jì)和構(gòu)建本體時(shí)也需要對(duì)知識(shí)元素的屬性進(jìn)行合理的定義,以更好地支持推理。

6 結(jié) 論

本文對(duì)任務(wù)規(guī)劃問(wèn)題進(jìn)行了系統(tǒng)梳理,分析了無(wú)人系統(tǒng)任務(wù)規(guī)劃的發(fā)展趨勢(shì),回顧了本體技術(shù)在機(jī)器人、無(wú)人系統(tǒng)、軍事任務(wù)規(guī)劃等領(lǐng)域的應(yīng)用情況,剖析了知識(shí)本體在提高無(wú)人系統(tǒng)任務(wù)自主性中的作用,提出了基于本體的任務(wù)規(guī)劃概念,對(duì)本體構(gòu)建原則和關(guān)鍵能力指標(biāo)進(jìn)行了系統(tǒng)闡釋。知識(shí)能夠支持無(wú)人系統(tǒng)的任務(wù)規(guī)劃和決策制定,是無(wú)人系統(tǒng)自主能力提升的重要基礎(chǔ)。構(gòu)建無(wú)人系統(tǒng)任務(wù)規(guī)劃本體是無(wú)人系統(tǒng)適應(yīng)復(fù)雜戰(zhàn)場(chǎng)環(huán)境,提高自主性,減少人為干預(yù)的有效途徑。當(dāng)前,本體技術(shù)在知識(shí)推理和共享、簡(jiǎn)單任務(wù)規(guī)劃、智能決策方面得到了應(yīng)用,但是對(duì)于非結(jié)構(gòu)化和開(kāi)放環(huán)境下的知識(shí)表示、群體無(wú)人系統(tǒng)協(xié)同等方面還期待更多的研究成果。此外,戰(zhàn)場(chǎng)環(huán)境的不確定性帶來(lái)的不確定知識(shí)表示,融合和推理問(wèn)題也是需要重點(diǎn)關(guān)注的領(lǐng)域。綜上所述,將本體引入無(wú)人系統(tǒng)任務(wù)規(guī)劃領(lǐng)域,圍繞著知識(shí)的獲取、表示和運(yùn)用構(gòu)建智能化的任務(wù)規(guī)劃框架,對(duì)于提高無(wú)人系統(tǒng)自主化能力具有重要的作用。