Home-service robots are expected to perform a wide range of tasks commonly encountered in household environment. For autonomous operations robots should possess intelligence to plan the actions to carry out these tasks from the beginning, or they should at least have the ability to learn how to plan for more tasks during their operation. Since it is impossible to predict all tasks in advance and write programs for robots to perform the tasks, it is best to endow robots with a learning capability. We use a case-based reasoning approach to home-service-robot learning because of the richness and diversity of information needed fur task planning. Given a new task, a robot finds the closest task among the tasks it blows how to plan for, and it modifies the plan to adapt to the new task. To expedite the reusability and performance of the task planning, we design a RTML (Robot Task Makeup Language) to represent each task using an Atomic Action Taxonomy [1] and employ a rule-based reasoning system [2] to perform a parameter adaptation. After performing a series of processes, which are needed in the robot's task planning, we can acquire a sequence of atomic actions for a task in the given context.
앞으로 가정생활에서 쓰일 수 있는 홈 서비스 로봇들은 아주 다양한 종류의 가사일을 수행하게 될 것이라고 기대되고 있다. 홈 서비스 로봇이 자율적으로 가사 일을 척척 처리하기 위해서는 작업의 처음부터 마무리까지의 동작을 계획할 수 있는 지능을 가지고 있거나, 적어도 작업 동안에 학습을 할 수 있는 능력을 갖춰야 한다. 각 작업들에 대한 일련의 동작순서를 미리 모두 프로그램 한다는 것은 거의 불가능하기 때문에 로봇에게 자가학습능력을 부여하는 것이 가장 좋은 방법이다. 본 논문에서는 종류와 그 범위가 다양한 여러 작업을 효율적을 처리하기 위해 사례기반추론(Case-Based Reasoning) 기법을 사용하기로 한다. 기존의 작업과는 다른 새로운 작업에 대한 명령이 주어졌을 때, 기존의 작업들 중에서 가장 가까운 것을 찾고, 그것을 기준으로 하여 현 상황과 명령에 맞는 새로운 작업 순서로 적응화 하는 것이다. 특히, 작업계획의 재사용성과 성능을 향상 시키기 위해, 로봇의 작업계획을 위한 원자동작분류체계 (Atomic Action Taxonomy)를 사용하였으며, 사례기반 추론의 적응화 기능을 강화하기 위해 규칙기반 추론 시스템 (Rule-Based Reasoning System)을 도입하였다. 그리고, 작업을 사례화 하여 저장하고 원활한 관리를 위해 XML 기반의 DTD 와 스키마를 이용한 자료 구조를 정의하고 XML (extensible Markup Language) 전용 데이터베이스에 저장하였다. 로봇의 작업계획에 필요한 일련의 프로세스를 수행한 후에는, 해당 작업을 수행하기에 필요한 세부적인 원자동작 순서를 획득할 수 있다.
