Various types of task planners have been proposed to solve the tasks given to robots. In their applications to robot for intelligent motions, memory takes an important role. The most frequently used memory is semantic memory that provides objects, its usage and possible behaviors associated to them. With the information provided by the semantic memory, planners search for a possible sequence of behavior solutions. However, while searching for the most likely behaviors, it has to traverse less likely behaviors. The episodic memory helps in the context of suggesting the most relevant events, to reduce the time complexity of the behavior planning from scratch; higher level planning has a more chance to match with plans in episodic memory. Most importantly, the episodic memory can provide a temporal relationship between the situated behaviors and behavior planner.
This paper proposes a novel scheme of integrating episodic memory into a semantic memory based task planner. Episodic memory memorizes and retrieves temporal sequence of situated behaviors where temporal relationship between behaviors can be defined. The integrated architecture proves its effectiveness by notably reducing the number of nodes traversed in finding solutions. Robots can reduce time complexity in solving given problems by retrieving previous memory. Deep Adaptive Resonance Theory (Deep ART) and a cogency-based hierarchical behavior planner are used for the episodic memory and the task planner, respectively. The behavior planner is tested in simulation and proves its capability of solving given problems in experiment with a humanoid robot, Mybot. Therefore, the contribution of this approach lies on developing a framework that takes advantage of implementing episodic memory and planner in one place.
최근 로봇 산업은 제조업 분야 생산성 경쟁의 심화, 안전 이슈, 저출산과 고령화 심 화 등에 영향을 받아 중요성이 부각되고 있고 이에 발맞춘 경쟁적인 투자로 인하여 시장 확장과 급성장이 가능하게 되었다. 기존의 로봇 산업이 대부분 제조용 로봇 분야에서 발달해왔기 때문에 지능형 로봇이 실생활에 도입되기 위해서는 지능 시스템의 개발을 위한 연구가 필수적이다. 지능 시스템이란 로봇이 학습하고 기억한 내용을 바탕으로 스스로 문제를 해결할 수 있도록 하는, 사람의 뇌와 같은 개념이다. 즉, 지능형 로봇이 실현가능하기 위해서는 작업 수행을 위하여 행동을 계획하는 시스템이 필요한 것이다. 본 논문에서는 지능형 로봇의 작업 수행을 위한 행동계획기를 제안하고자 한다. 현재까지 여러 종류의 행동계획기들이 제안되었다. 로봇의 지능적인 행동을 위해 제안된 이러한 행동 계획기들에게 메모리는 매우 중요한 역할을 한다. 사람의 경우도 토스트를 만드는 작업을 수행할 때, 토스트기의 사용방법에 대한 기억, 빵이라는 사물에 대한 기억, 만든 후 어디에 놓아야하는지에 대한 기억 등 과거에 경험한 사실에 대한 기억이 존재하기 때문에 한번 수행했던 작업에 대해서는 쉽게 다시 수행이 가능한 것이다. 행동을 계획하는데 있어서 현재 상황과 관련된 물체에 대한 정보 뿐 아니라 과거 경험했던 일련의 행동 순서에 대한 정보가 함께 사용된다면 더 빠른 행동계획이 가능할 것이다. 따라서 본 연구에서는 의미기억 뿐 아니라 행동 순서에 관한 정보인 절차기억 또한 사용하여 계획을 하는데 시간을 줄일 수 있는 방법을 제안하고자 한다.
