Feshedilebilir Mantıksal Programlama İle Tartışma Tabanlı Sahne Yorumlama

Abstract

Robotların gerçek dünyada çalışabilmeleri için bulundukları ortamın farkında olmaları gerekmektedir. Robota bir nesne ile etkileşime geçme görevi verildiğinde, o nesneyi doğru olarak konumlandırabilmesi ve nesnenin nitelikleri hakkında bilgi sahibi olması; nesneyle etkileşime geçebilmesi için ilk adımdır. Robotların bulundukları ortam hakkında bilgi sahibi olmadan bu ortamda karar alıp eylem yürütmeleri mümkün olamaz. Ortam hakkında bilgi sahibi olabilmek için robotların öncelikle ortam için uygun algılayıcılara sahip olmaları gerekir. Bu algılayıcılardan gelen ham verilerin robot tarafından işlenip, anlamlandırılması ve bir bilgi temsili ile saklanması gerekmektedir. Fakat yaygın olarak, algılayıcıdan gelen ham verilerde ya da bu ham verilerin işlenmesi sırasında bazı hatalar oluşabilmektedir. Örneğin, robot bazı nesneleri algılamakta başarısız olabilir ya da bazı nesneleri farklı nesnelere benzetebilir ve bunun sonucunda oluşturulan veriler gürültü ve hatalar içerebilir. Bu sebeplerle robotun algılama sistemi her zaman gerçek dünya ile eşleşmeyebilir. Birbiri ardına alınan algılamalarda ya da farklı algılama yöntemleri ile gelen verilerde de farklılıklar olabilmektedir. Sonuç olarak robotun gelen bu verileri uygun şekilde filtreleyerek gürültülerden arındırması ve dünya durumu üzerine tutarlı bir çıkarım yapabilmesi gerekmektedir. Bu tezde, farklı kaynaklardan gelen verilerin işlenmesi sonucu oluşan bilgilerin Feshedilebilir Mantıksal Programlama ile işlenmesi ve robotun tutarlı bir dünya bilgi temsilinin oluşturulması ve sürdürülmesi hedeflenmiştir. Bu amaçla Feshedilebilir Mantıksal Programlama yöntemi yeni tanımlamalarla geliştirilerek kullanılmıştır. Oluşturulan sistem simulasyon ortamında ve gerçek dünyada test edilmiştir. Sistemin, bir ve birden fazla robot için kullanılabilirliği farklı senaryolar yardımıyla gösterilmiştir. Sahne yorumlama için Feshedilebilir Mantık Programlama kullanılması, bu yöntemin uygun şekilde geliştirilmesi ve bu sistemin gerçek ortamda uygulanması bu tezin katkılarını oluşturmaktadır.

In an agent system that needs to operate in the real world, the problem of maintaining a consistent world model in the face of unreliable, incomplete and inconsistent sensory data should be solved. In this thesis, an approach is presented that addresses the problem of constructing a consistent world model through inconsistent sensor readings by applying an argumentation-based scene interpretation framework in order to accurately model and represent the observations and beliefs of an agent. The proposed approach is based on temporal and probabilistic defeasible logic programming for reasoning. The performance of the proposed approach is evaluated on simulation experiments in the Stage Robot Simulator. It is also shown that the approach is applicable to real world scenarios with an autonomous Pioneer 3-AT robot.