Semantic Reasoning frameworks for robotic systems，A survey

paper：https://doi.org/10.1016/j.robot.2022.104294

机器人越来越多地从专用的单任务机器过渡到在多样化和动态环境中运行的通用系统。为了应对与现实世界领域的操作相关的挑战, 机器人必须有效地概括知识、 学习并在决策过程中保持透明。这项调查研究了机器人系统的语义推理技术, 它使机器人能够编码和使用语义知识, 包括关于世界的概念、 事实、 想法和信念。不断感知、 理解和概括语义知识使机器人能够识别问题和环境之间共享的有意义的模式, 从而更有效地执行广泛的现实世界任务。我们确定了构成计算语义推理框架的三个常见组件: 知识源、 计算框架和世界表示。我们分析了这些组件的现有实现和关键特征, 突出了它们之间发生的许多交互, 并检查了它们的集成以解决与世界五个方面相关的机器人任务, 包括对象、 空间、 代理、 任务和动作。通过分析现有方法的计算公式和底层机制, 我们提供了广泛的语义推理技术的统一视图, 并确定了未来研究的开放领域。

图表如下：