3 现状分析与重要研究方向
3.1 研究现状
(1) 本体构建技术相对成熟,有大量可供参考的案例,既有针对一般任务的本体,也有针对领域任务的应用本体。但是不同领域中的任务逻辑、知识需求、表示范围等仍然有比较大的差别。本体技术在新的领域应用仍需在领域知识表示方法和表示能力等方面进行大量的研究。本体技术在研究初期就与军事问题紧密相关,在军事计划表示、态势分析中发挥了重要作用,但是本体在支持无人作战系统的任务规划方面还期待更加系统的研究。
(2) 行动学习能力成为新的研究热点。任务本体的构建通常需要领域专家的专门知识,但是专家领域知识的有限性和现实世界的复杂性,使无人系统行为的抽象化越来越困难。这导致了当前知识本体的构建往往局限于比较简单或者有限的场景,现实世界的领域本体模型往往很难开发和维护,因此人们在解决规划问题时往往很少使用领域知识,而是采用效率低但更容易的方法,除了专门研究规划问题的团体之外,对构建领域知识模型的关注很低[17]。文献[90]对机器学习在行动模型和规划知识的自动获取方面的应用进行了综述,文献[91]重点在行动模型学习方面进行而来综述,并提出了研究的方向。行动模型的学习的输入通常是一组行动序列,输出则是PDDL等描述语言定义的行动模型。文献[92]提出了一种从非符号输入中学习一阶符号表示的方法,学习到的一阶符号可以直接作为规划器的输入,文献中展示了从汉诺塔、抓取和方块世界等经典任务规划问题的状态空间中提取移动、拾取和放下等行动模型的方法。
(3) 领域知识本体应用效果好,但仍存在异构本体集成和通用本体的研究需求。领域知识本体应用范围有限,在开放场景中的效果不佳。因此,通用化的本体依然有需求的紧迫性,但是受限于当前的技术水平,当前的研究多从异构本体的集成入手[23,93],解决实际应用问题。
3.2 重要研究方向
虽然对于任务规划本体的研究已经很多,但是如何将本体应用到任务尤其是复杂任务中的研究尚处于起步阶段。本体在机器人领域虽然取得了瞩目的成果,但是仍存在很多未解决的问题。以知识为中心,可以分成前中后3个部分,未来重要的研究方向如下。
(1) 前端主要研究知识的获取和认知问题,如从文本等结构化的数据中析取知识、如何从人类的行为中学习到经验并使之经验化、如何实现环境的认知和与知识本体的逻辑接地[94]等。文献[95]在基于示教的任务规划学习方面进行了研究。文献[96]研究了家庭环境中的逻辑接地问题。文献[90-91]分别从机器学习用于规划知识自动定义和行动模型学习两个方面进行了技术综述,指出知识表示、学习算法、知识的应用、现实世界的应用等重要问题。
(2) 居于中心位置的知识建模与表示仍然存在许多难以解决的问题,如异构本体的集成[93]、大规模知识本体下的处理效率、更强的表示能力、不确定知识的表示等,以及支撑计划重规划的规则库构建与运用等。当前知识表示语言表示能力有限,虽然各种拓展表示语言进行了功能的拓展,但是在描述现实世界,支撑复杂场景方面还需要进一步的研究。
(3) 后端主要研究知识的应用,如何在知识本体支持下实现智能规划和决策,需要将离散的符号规划与连续的空间寻优问题结合起来。然而,即使在机器人领域,这种融合仍仅是在比较浅显的层面,知识对任务规划的知识多是停留在知识查询的层面,很少能够体现出知识推理能力的作用。但是,随着学术界对于第三代人工智能的探索和思考,符号主义与连接主义的集成符合未来的发展趋势,无人系统的智能化研究也逐渐从底层的运动规划上升到任务规划层面,并呈现两者高度融合的特点,基于本体的无人系统任务规划属于后端应用问题,主要研究知识推理、任务规划和决策等知识的应用。
4 无人系统任务规划本体构建原则
构建无人系统任务规划本体需要考虑多方面的因素,本节从应用范围和目标、非功能性需求、功能性需求3个方面进行了阐释。
4.1 明确本体应用范围和目标
进行任务规划本体的构建,首先需要明确本体的应用范围和应达到的目标。无人作战系统的任务本体应立足其应用场景构建领域知识本体,防止出现本体过于泛化,规模过于庞大而难以应用的问题。无人作战系统任务规划本体应完成两个主要工作,一是清晰定义领域知识相关的概念;二是对概念之间的关系进行明确的定义。本体应能描述异构无人系统(如传感器、执行器等组件)及其工作的环境(如地形、威胁、障碍等战场要素),并对无人系统之间必须交换的信息进行明确的定义。
4.2 满足本体的非功能性需求
互操作性、模块化、可重用和可扩展是本体应具备的非功能性特征。互操作性是满足无人系统之间信息交换的基本条件;模块化要求对本体元素之间的耦合性进行必要的解耦,有利于本体元素的灵活组合;重用性使本体各元素可以方便地应用于不同的领域,或者能通过简单的修改适应新的场景;可扩展性是本体功能不断成长,适应更复杂场景的基本要求。
4.3 满足本体的功能性需求
(1) 本体需包含任务计划模型。
