Most robot's semantic memory was made with human's teaching or data from its perception. It makes robot hard to deal with many object, and makes data of semantic memory poor. In this thesis, we generate semantic memory with YAGO, which is a big data of ontology, with form of n-channel ART tree, which contains the feature of each category, and make a category selector by modelling the user from his daily commands. Also we will show robot can have an adaptive semantic memory with this approach.
여태까지 대부분 로봇들의 의미 기억은 사람이 직접 입력해 가르쳐주거나, 로봇이 인식을 통해서 데이터를 얻는 방식으로 생성되어왔다. 이는 많은 물체들을 다루기 어렵고 데이터가 빈약하다는 단점이 있다. 본 학위논문에서는 YAGO라는 빅데이터를 사용해 각 카테고리의 특징을 담을 수 있는 n채널 ART 트리 형식의 의미 기억을 생성한다. YAGO란 위키피디아, 워드, 지오네임즈로부터 정보들을 구성한 온톨로지 빅데이터이다. n채널 ART 트리는 각 카테고리에 Fusion ART를 지녀 웨이트에 각 카테고리의 특징을 담을 수 있고, 물체 정보로부터 하위 카테고리로 분류가 가능한 의미기억 형식이다. 또한 사용자의 명령들로부터 사용자 모델링을 수행하여 카테고리 선택기를 만들어 각 카테고리별로 사용자의 정보를 담을 수 있도록 한다. 본 논문에서는 이러한 접근법을 사용하여 로봇이 사용자 적응형 의미 기억을 가질 수 있음을 보이고자 한다.