自主机器人中的知识设计与概念化克里斯蒂亚诺·鲁索引用此版本：克里斯蒂亚诺·鲁索自主机器人的知识设计与概念化信号与图像处理Université Paris-Est; Universitàdegli studi di Napoli Federico II，2020.英语NNT：2020PESC0084。电话：03542455HAL Id：tel-03542455https://theses.hal.science/tel-035424552022年1月25日提交HAL是一个多学科的开放获取档案馆，用于存放和传播科学研究文件，无论它们是否已这些文件可能来自法国或国外的教学和研究机构，或来自公共或私人研究中心。L’archive ouverte pluridisciplinaire论文提出获得巴黎大学博士学位，在信号、图像和自动装置以及墨西哥联邦第二大学博士信息技术和电气工程作者：Cristiano Russocristiano. univ-paris-est.fr自主机器人的知识设计于2020年12月16日公开辩护，陪审团成员包括：评论家Gilles BernardUnivers it'ePar is 8Alfio FerraraUnivers it`ade gli Stud id iM ilan o拉斯塔代尔考官Richard ChbeirUnivers it'ePauPays AdourrPr o f. V'eron iqueAmar gerUnivers it′ePar is-EstCrete ilErnesto William De Luca教授InstitutfurTechnischeund信息系统论文联合主任Kurosh MadaniUnivers it′ePar is-EstCrete ilAntonio Maria RinaldiUnivers it`ade gli Stud i diNa poli费德里科二世给我的家人是我vR'esum'eL' e m loid d e r o b o t s p e r s o n el s，o u d e r o t s d e r s e r v v e c r o i s e t es o n n e t e r o t s d e n e s d e r o t s d e s d e r s v v e u n e t e t e s d e r o n e t e s d e sd e m a n e t e t e s e n e t e t e s d e s d e s e s d e s e s d e s e s u u s t e s u u t e s e seConcevo irdesrobotscompagnonscablesd' a ss i s t e r，d e p a r t a ge r e t d ' acco m a g n e r d e s p e r s o n e s a ` a u t o n o m ie i m i t i t i t i t e d a n sle u r v ie q u o- t i d i d i n e s t le d e f id d e l a d e c ee s e c e n e a v e n ir。与此同时，我们也发现，对于那些不属于某个领域的数据库系统，我们的数据库类型是一个不属于某个领域的数据库。如果您没有找到合适的解决方案，则可能会出现以下情况：您已经找到了合适的解决方案，因此不需要为您的业务提供任何帮助。因此，在商业中使用的机器人（包括原型）不应被视为一种核心技术，也不应被视为一种创新技术。根据我们的经验，让我们来预测一下，我们需要在一个特定的页面上创建一个特定的应用程序，即您的应用程序是一个虚拟的应用程序。事实上，它是一个非常简单的设计，适用于所有核心技术的核心技术，它的核心是一个非常简单的设计，它的核心是一个非常简单的设计。 Led'eveelomentd' a pp r o che s bio-in s p i r' ee s b a s s ur l a cog-nation artificielle pour la perception etl'acquisition autonome de connaissances e n r o b o t i que e s t un m e t h o d ologie app r o p r o p i 'ee p o r s u r m o n t e r ce s limit s. 联合国certainnomredcognitionartificiellepermetanta`unrobotd' a pp r e n d e e t d e c r ′ ee r d e s connna is- s a nce a ` p a r t i r d e s o b s e r v a t i s s（a ss o ci a t io n d ' i n f o r m a t i n s e n s o r ielle s et d e s ′ e ma t i q u e n a t u r elle）[ 1，2，3 ]。在这种情况下，如果您的产品在生产过程中遇到了问题，那么您就可以在生产过程中节省成本。Lprincipaldelath`eseddedoctoratteporsuivrelesefortsdoeja`accoplis（rechcherches）afinddepermettrea`unrobotd使人对自己的行为有了认识。实际上，降低成本的动机是一种复杂的成本，我们的成本是一种“成本”，我们的成本是一种“成本”，它是一种“成本”，是一种成本“，是一种成本”，一种成本“，是一种当你在这里是我v的时候是我viattenndudeellarecherchedoctoraleprop o pos s'eestdepermetrea`unrobotdeec on-cepualiserpro gressivementl'environenetdanslequelilevoletedepartarerleknaissancesacquisites avec son utilisateur.Pour cela ， une base de connais-sancessemantique-multimmediaaeecreesurlabased' un mo d ` ele o n tologi q u e e t i m p l e m e n t e e v ia un e b a s e d d o n n e s d e g a ph e s No S Q L.Cetebasedeconnais-sanccesestlapi erreanguairedutravaildeth`es s u r leth es s url ede tprochesonteteexlorses，basesurdessunformatinssemantiues，multimediasetvi-sul es。L e s a pp r o ch e d'evelo p p 'ee s comm b i n n t ce i n t ce i n t e f o r m a t r a v e s d e e s d 'a pp re n t is a ge a u t o m a t i n t i n t e e s a t r a v e s d e s e s s a t a v e s t e s t a t a t a在这种情况下，数据中心会有一个很大的p a r e n t r a n t r a n s f e r t p o u r l a ra r a D' a u t re s t e c h n i q u e s b a s s u r le s o n ologie s et le W e b s s m a n t i q ue o n t t e e x p o r ss p o u r l ' a c u i s i t i t t i n t e g r a t i n t i n t e u v e a u x s a v o ir s d a n s l a b a s e d e c o n a ss u r le s o n t ee ss o n t e s ee p o p p ee ss a n ce s d eeL ''e tud e d e ce s d i f 'e re n t s d o m a i n e s `a conduit i t a` l a d e f i-n i t io n d'un mo d `ele co m p r 'e h e n s i f d e g e s t io n d e l a co n a is a n ce i t 'e g a n t e de s c a r-a c t 'e r i s t i q u e s r el a t i v e s a` l a p e r ce p t i o n e t a `L A S E M AN T I Q U E，Q U I P E U T E G A LE M E N T A R E T T R E U T I I S S U R DE S P L A S E M A N T I Q U E，Q U I P E U E G A LE M E N T A R E T R E UT I I S S U S S U R D E S P L A S S E E F O R M E R O B O T I Q U E S.L e x x er i n ce s m e n s o n t m o n t r i n e e c r e s p o n e e f i c e e n t r e e s i n e e s p r i ne e s s a n e f i c e n e r e s i n e s i n e s s p r i n e s a n e f i c e n e r e s i n e s i n d 'o`l a poss i bili t ′ e p o u r un a ge n t r o b o t i quue d'' el a r gi r s e s co m p e t e n eg e n e r a li s a t i o n e d e n e d e n e s co n a is a n ce d a n s d e s e s e n v i r o n em e t s e n core inconnus（voire partiellement connus），ce qui a permis d'atteindreles objectifs fix 'e s.索马里奥VII索马里奥个人机器人或服务机器人的影响力具有很大的最终利益，并在各种环境中注册了一个机器人的最高标准。公司的机器人产品主要用于辅助、隔离和辅助有生命限制的人员，如您需要帮助，请联系我们。到目前为止，我们已经开发出了一个机器人原型，它在超级计算机上运行时间非常长。塞贝内这是一个没有任何意义的，它会增加一个没有任何意义的，没有任何意义的，因为它是一个没有任何意义的。permi g liorarelelorocapacit`acognitive. 在这里，我认为这是一种在商业上不可用的生物制剂，它不适合在人类进化的过程中自然生长的复杂环境。 Allostesso modo ， i prototipi esistenti non sono in grado di interagire in modoversatile con ilorouten t i e ntieses sinc oramontidall' i n t e r p r e t a zio n e dell a d i v e r s i t ` a e d ell a co m p le ss i t a ` d elle in for m a zio n ip e r ce p i t e o d a co s t r u zio n e d i co n o s ce n ze r el a t i v eall'ambiente circostante.Losviluppo di approcci“bio-inspired”basati sulla cognizione artificiale per la per rcezio n e e l ' a qu is izio n e a ut o n om a delle co n s ce n ze nell a r o botic a ` e un astr a t t e-gia a tt u a bile per r s upper er r a r e que u e sti li m i i i t i.这是一个基于人工认知的系统的实现，它同意一个机器人，该机器人具有感知和自然语义信息的关联性。在这方面，他提出了进化过程的解释语义的感官信息，以进一步出现“consapevolezza”的机器周围的环境中，他的词和一个。 Loscop o poprincipaledellatiddora t e e t e n e t e n e t e r at e t en r e arobotdiest r ar r e n e t e t e t e tra r at r a t r a tr a tr u i r e e e t t ttualiz-zare aconoscenza dell'ambiente circostante.实际上，机器人的工作原理是将信息感知（机器人）的感知能力提高到一个半透明的水平。在一个实施方 案中 ， 它 将 在 一 个 特 定 的 环 境 中 进 行 一 次 全 面 的 审 查 ，索马里奥VIII你 要 和 我 一 起 去 。 总 的 来 说 ， 一 个 基 础 的 概 念 语 义 -multimediale`estatarealizzatabasandosiunmodelloontologicoedimplementatatamiteundata abaseagafoNoSQL. 这是一个基于语义信息、多媒体和可视化的多媒体数据库Gli approci sviluppati，combinano tali mediante techniche classiche dimachine learning，sia supervision- ate che non suprevisionate，congiuntamentea techniche di transfer learning per il riutizzo di feature semantiche provenientida modelli di deep neural networks.基于本体论和Web语义的其他技术也在探索着如何在认知发展的基础上获取和整合更多的认知。不同的人在一个完整的逻辑框架内研究不同的国家。Gli esperimenti condotti hanno mostrato un'effettiva correspondenza t r a le i n t e r p r e t a zio n i b a s a s a t e r p r e t a z on i b a s a t e r p r e t a r e r p r e t a r e r p r e t a r e r a r p r e t a r p r e t a r a r p re t a r e r a p r e r e t a r a p r e r a p r e r e t a r a p r e r a p r e r e t a r a p r e r a pr e r e t a p r e r a p r e r e t a p r e r e t a p r e r a p r e r e t a p r e r a p r e t a p r er e t a p r e r e t a p r a p r e r e t a p r e r e t a p r e r a p r a p摘要IX摘要近年来，随着机器人技术在不同领域的惊人增长，个人机器人或服务机器人的使用引起了人们的极大兴趣。设计能够在日常生活中帮助、分享和陪伴自主权有限的个人的伴侣机器人是未来十年的挑战。然而，目前的机器人本体和原型的性能仍然远远不能战胜这种挑战。虽然已经开发出复杂的人形机器人，但还需要更多的努力来提高它们的认知能力。实际上，上述商业上可用的机器人或原型仍然不能自然地适应它们应该与人类一起进化的复杂环境。同样，现有的原型无法以通用的方式与用户进行交互。事实上，他们还远远没有解释感知信息的多样性和复杂性，或者构建与周围环境相关的知识发展基于人工认知的仿生机器人感知和自主获取知识的方法是克服这些局限性的可行许多进步已经进行到实现基于人工认知的系统，允许机器人从观察中学习和创建知识（感官信息和自然语义的关联）。在此背景下，本工作利用进化过程中的感官信息的语义解释，使机器意识到它周围的环境。博士论文的主要目的是扩展已经完成的努力（研究），以允许机器人提取，构建和概念化有关其周围环境的知识。实际上，博士研究的目标是将上述概念推广到自主或半自主地从感知信息（例如，通过机器人）构建知识。换句话说，拟议的博士研究的预期目标是让机器人逐步概念化它所处的环境，并与用户分享构建的知识为此，A摘要X语义多媒体知识库已创建的本体模型的基础上，并通过NoSQL图形数据库实现。这个知识库是论文工作的基础元素，在此基础上，研究了多种方法，基于语义，多媒体和视觉信息。开发的方法通过经典的机器学习技术（监督和无监督）将这些信息与迁移学习技术结合起来，以重用深度神经网络模型的语义特征。基于本体论和语义网的其他技术已经探索了进一步的知识在知识库开发的收购和整合。所调查的不同领域已统一在一个全面的逻辑框架内。进行的实验已经显示了基于语义和视觉特征的解释之间的有效对应，由此出现了机器人代理在甚至未知或部分已知的环境中扩展其知识泛化技能的可能性，这允许实现目标集。确认Xi确认首先，我要感谢我的论文指导Kurosh Madani教授在这三年里，每当我遇到困难或对我的研究或写作有疑问时，他们总是能支持和帮助我。 他们总是引导我在正确的方向，每当我需要它。我要感谢吉勒·伯纳德教授，阿尔菲奥·费拉拉教授，理查德·C·h·贝尔教授 ， Prof 。我 是 一 个 伟 大 的 人 ， 我 是 一 个 伟 大 的 人 。ErnestoWilliamDeLucaforacepting to be referee of my PhD thesis.特别感谢我的同事，LISSI实验室的成员和前成员，包括RoophehSadeghian Broujeny博士，Wejden Abdallah，Salma Kasraoui，NazaninSaveh，Dylan Molinie，Yu Su博士，Hossam Fraihat博士和ViachaslauKachurka博士，我与他们分享了许多令人兴奋和迷人的日子。最后，我必须对我的父母、姐姐和朋友们表示深深的感谢，感谢他们在我这些年的学习和研究中不断地支持我，也感谢他们在写这篇论文时不断地鼓励如果没有他们，这一成就是不可能的。 谢谢你，谢谢内容XIII内容是我索马里奥七世摘要ix鸣谢Xi目录xiii图表一览表表格清单xxi介绍1工作的动机和目标。. . . . . . . . . . . . . . . . . . . . .4工作框架。. . . . . . . . . . . . . . . . . . . . . . . . . . . .6捐款.. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .7论文组织。 . . . . . . . . . . . . . . . . . . . . . . . . . . . .81艺术91.1导言。. . . . . . . . . . . . . . . . . . . . . . . . . . . . .91.2知识的定义101.3知识管理121.4知识表示和推理131.5知识概念化151.6知识获取161.6.1本体匹配和合并181.6.1.1基于模式的系统201.6.1.2基于实例的系统221.6.1.3混合和元匹配系统1.6.1.4合并系统24内容XIII1.6.1.5这部作品的不同之处和相似之处相关作品261.6.2智能系统中的知识获取1.6.2.1这部作品的不同之处和相似之处相关作品342知识管理的模块框架2.1研究框架的逻辑观点402.2一般知识库412.2.1本体论模型432.2.2通过匹配和合并实现可2.2.2.1匹配阶段502.2.2.2合并阶段512.3知识建构的方法2.3.1自上而下的办法2.3.2自下而上的办法2.3.2.1自组织映射582.3.2.2成长中的分层自组织映射592.4综合办法612.5分享知识623执行和评价3.1知识库的实施3.1.1通过Cypher查询的693.1.1.1图形可视化693.1.2扩大一般知识库3.1.2.1模型的创建和协调3.1.2.2匹配743.1.2.3调整773.1.2.4创建参考对齐773.1.2.5合并783.1.2.6评价783.2自上而下方法的实施3.2.1自上而下的方法评价853.3自下而上办法的实施3.3.1数据准备3.3.2自下而上的方法评价933.3.3优化控制地图增长103内容XIII3.4综合办法的实施和评价1074验证和应用1114.1机器人平台111的描述4.2案例研究：家庭&办公域1124.2.1自上而下1124.2.2自下而上1144.3案例研究：文化遗产领域117一般性结论. 121结论121前景122出版物125其他出版物127参考书目129图目录XVII图目录1.1最新技术水平分析领域的全球概览101.2DIKW的等级制度111.3知识管理进程的投入和产出121.4语义Web堆栈151.5基本匹配技术的分类，摘自[4]。191.6S-Match架构，取自[4]212.1框架的高层次结构402.2概念，多媒体和语言属性定义 在 该模型取自[3]...........................442.3本体匹配和合并系统492.4系统的架构502.5匹配和合并过程512.6总体思路542.7多级语义分类器562.8分类器链572.9对看不见的概念进行2.10 GHSOM架构602.11 综合办法的逻辑结构2.12 与KaaS架构642.13 人与机器人643.1密码查询提取下位词路径和流到Gephi。703.2下位词路径查询703.3为下位词路径查询713.4密码查询提取随机路径和流到Gephi。723.5随机路径查询723.6为随机路径查询73获得的子图的可视化3.7三角形图形823.8定义的分类法84图目录XVIII3.9全局特征的扩展测试863.10 垂直和水平分类的组合测试。左侧是与最后一个水平（最终）相关的前3列对结果）。在右边的第二个最后一级相同的结果。873.11 利用深度特征进行纵横分类的联合检验。 左侧是与最后一级（最终）结果相关的前3列对。在右边，第二个最后一级893.12 类飞机，熊，比萨饼，勺子的923.13 使用JCD要素933.14 使用VGG-16要素953.15 带有标签的网格中的重心位置973.16 使用googlenet功能的网格大小为30x30的SOM的结果。983.17 使用googlenet功能的网格大小为30 x30的SOM的结果（caltech-101）993.18 使用googlenet功能的网格大小为60 x60的SOM的结果（caltech-101）993.19 在父GSOM中获胜神经元的图形表示。GHSOM体系结构101中的第一级3.20 第二级GSOM中的获胜神经元的图形表示，其父神经元在位置（0，0）1023.21 第二级GSOM中的获胜神经元的图形表示，其父神经元在位置（1，0）1023.22 GHSOM架构103第一层地图中带标注的重心位置3.23 适应度函数的演变1053.24 具有语义相似性度量1063.25 组合方案的准确性1094.1从机器人的角度看， chains of predictions预测1134.2机器人在行动1134.3分类得到的结果在顶部，机器人分类错误-在下侧，它正确地分类对象1144.4机器人Pepper115的苹果4.5埃及猫图片1164.6埃及猫与机器人Pepper1164.7博物馆应用程序的本地数据库摘录118
我的内容管理
展开
