JPH04123231A - 人工知能における推論制御方式 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 ｒ産業上の利用分野］ 本発明は、人工知能における推論制御方式に関し、特に
外界及び自己の状態を認識しつつ問題解決を行う推論制
御方式に関するものである。

［従来の技術］ 現在、人工知能の研究、開発は盛んに行われており、ロ
ボットやその他の機械等の動作制御、あるいは診断、設
計の支援に応用することが考えられている。

一方、人工知能の応用が期待される分野においては、動
的な環境変化に随時自律的に対処できる能力が要求され
る場合が少なくない。そのような場合、人工知能による
推論制御にＪま特に以下の能力を備えることが期待され
ている。

（１）外界状況の認識結果を反映した問題解決走力事前
にプログラム等によって行動列を全て決定するのではな
く、大まかなプランニングの後に、周囲の状況を取り込
みつつ、その時の状況に合わせて行動を決定する能力。

（２）命令の随時割込・中断・再開能刃先に与光られた
命令よりも優先度の高い命令を後から受は付けることを
許し、先の命令を中断したり、割込命令終了後に先の命
令の実行を再開する走力。

（３）自然言語による入出力能力 自然言語による命令文人力及び応答出力をする能力。

ところで、上記の３つの能力を実現するため、予め問題
解決用のプログラムを入力することなく推論によって問
題解決を行う種々の推論制御方式が研究、開発されてい
るが、従来の推論制御方式は一様に５個々の問題に対し
て、問題解決用知識ベース及びメタ知識ベースより問題
解決用知識や処理方法を読出して推論しながら問題解決
を行うものであった。

［発明が解決しようとする課題］ しかしながら、上述した推論制御方式は、基本動作等の
ように同じ処理手順によってなされる問題解決を何度も
繰返す場合にも、毎度同様に問題解決用知識や処理方法
を読出して推論しながら問題解決を行うため無駄な処理
が多く、このような場合により簡単な処理によって同じ
問題解決を行う推論制御方式が望まれていた。

本発明の人工知能における推論制御方式は、上記従来の
課題を鑑みてなされたものであり、過去に経験した問題
解決を再度行う場合に、より簡単な処理で上記問題解決
を行う手段を提供することを目的とする。

［課題を解決するための手段］ 上記の目的を達成する第１項の発明は、制御手段として
の推論エンジンと、自己の状態を監視する自己状態認識
部と、外界の状態を監視する外部環境認識部と、問題解
決用の知識ルールを格納した問題解決用知識ベースと、
問題解決の実行方法及びデータ処理方法を示す情報を格
納したメタ知識ベースとを有し、上記問題解決用知識ベ
ース及びメタ知識ベースの情報に従って問題解決を行い
、上記自己状態認識部と外部環境認識部からの情報によ
って外界状況を認識する人工知能における推論制御方式
において、上記推論エンジンは、上記問題解決を行うた
め上記問題解決用知識ベース及びメタ知識ベースを参照
して問題の解法を解析的に示す解法の木を生成し、上記
解法の木の終端に位置する実行関数を実行順に並べて上
記問題解決を行うための動作プログラムを生成し、上記
動作プログラムに示した処理手順に従って問題解決を行
うと共に、生成した動作プログラムを記憶して保存し、
該動作プログラムに示す処理手順と同様の処理手順で問
題解決を行うことが可能な問題に対して、上記保存した
動作プログラムに従って問題解決を行うことを特徴とす
る。

第２項の発明は、第１項の発明において、自己状態認識
部と外部環境認識部と問題解決用知識ベースとメタ知識
ベースと問題又は命令の入力手段とが推論エンジンに対
して同等に位置し。

上記推論エンジンは、動作プログラムを構成する実行関
数を１つ実行する度に、上記自己状態認識部、外部環境
認識部、問題解決用知識ベース、メタ知識ベースを巡回
的に検索し、新たな情報や問題の入力を許容することを
特徴とする。

第３項の発明は、第１項または第２項の発明において、
動作データを入力する手段として自然言語入力手段を備
え、自然言語による動作命令を入力することを特徴とす
る。

［実施例］ 以下、本発明の実施例について図面を参照して説明する
。

なお、本実施例では推論制御方式を自律移動ロボットの
動作制御に応用した例について説明する。

第１図は本発明の一実施例による推論制御方式のシステ
ム構成を示すブロック図である。

図示のように、本実施例の推論制御方式は、制御手段と
しての推論エンジン１と、入力部として自己状態認識部
２と、外部環境認識部３と、自然言語文解析部６と、問
題解決部として問題解決用知識ベース４と、メタ知識ベ
ース５とを備えると共に、出力部７を有している。

上記自然言語文解析部６は、与えられた自然言語文に対
して、形態素解析及び構文解析を行って概念記号をノー
ドとする係り受は構造を抽出し、その結果をフレーム構
造に変換したものを自然言語文解釈データとして推論エ
ンジンｌに送る。

なお、自然言語解析部６の形態素解析においては、従来
の方法を用いることによって実現される。また、構文解
析手段としては、文脈自由文法（ｃｏｎｔｅｘｔ　ｆｒ
ｅｅ　ｇｒａｍｍａｒ）に基づく解析手段や、拡張遷移
網（ａｕｇｍｅｎｔｅｄ　ｔｒａｎｓｉｔｉｏｎ　ｎｅ
ｔ）等を利用して、概念記号をノードとし概念間の依存
関係をアークとするような依存構造を抽出するものであ
れば何を用いてもよい。

ここで概念記号とは、特定の言語に依存せずに語の意味
を表す記号である０例えば、日本語の“本”も、英語の
“ｂｏｏｋ”も、同一の概念を表す語であるので、これ
を例えばＣＢＯＯＫのように概念記号で表現しておく。

このことによって、形態素解析部及び構文解析部を変更
するだけで、知識ベースを変更することなしに、システ
ム全体を日本語や英語、フランス語等種々の言語に対応
させることが可能である。

上記推論エンジン１は、入力されたデータから必要な情
報を取出し、問題解決のゴールを設定して必要な処理を
行う。

上記問題解決用知識ベース４は、個別的問題を解決する
ための知識を条件−結果型、目的−手段型、時間・順序
型等のルール（以下、知識ルールと書く）に従って分類
して格納する。この知識ルールの分類と実際の例を第３
図に示す。

上記メタ知識ベース５は、問題解決の制御構造が問題の
ルールタイプに依存したものにならないようにするため
のメタ知識を格納する。具体的には、各問題解決用知識
の解釈及び実行方法や外界データ、自己データ、日本語
文解釈データの処理方法を知識化したものである。メタ
知識を制御構造の外に置いたため、制御構造が個別問題
に依存することがなく、ある問題に関する処理の途中で
あっても外界認識による情報や、外部からの命令などの
割込みが許されることとなる。メタ知識の実現によって
、全く新しいタイプの問題解決用知識が必要になった場
合でも、その知識の処理方法を示す知識ルールを、メタ
知識として登録し、新しい問題解決用知識ベースを付加
することにより、制御構造を変えることなく、システム
を拡張することが可能となる。

問題のルールタイプとメタ知識の関係を第４図に示す。

上記自己状態認識部２は、ロボットの内部状態を示すス
ロットをフレームの形で有し、自己の状態がどのスロッ
トに適合するか監視する。スロー７トの例とその内容を
第５図に示す。

上記外部環境認識部３は、複数の座標系を備え、各座標
系の座標１つ１つに対してラベルを与えてあり、該ラベ
ルをその座標上の物体に特有な値として格納する６０ボ
ツトは周辺をサーチし目指す物体のラベルが見つかれば
、そこの座標を読み取るという形で、単純に環境認識を
行う。

上記出力部７は、推論エンジン１による問題解決の経過
及び結果をグラフィクス表示及び推論過程表示によって
出力する。

次に、本実施例の推論制御方式による問題解決手順を第
２図に従って説明する。本実施例による問題解決は、図
示の如く巡回的な処理過程に基づいてなされる。

まず自然言語文によって命令が入力されると自然言語文
解析部６がその命令を解析して自然言語文解釈データと
して推論エンジンｌへ送る。

以下、図に示す処理ｌ乃至処理５ごとに、推論エンジン
１の処理内容を説明する。

処理ｌにおいては、 ［もし、自然ｎ語文解釈データが新たに生成されたなら
ば、その解釈データから行動の目標（ゴール）を生成し
、その結果をゴール認識スロットと呼ばれる記憶領域に
格納し、自然言語文解釈データがおかれていた領域はク
リアする。」という内容の処理を行う。

処理２においては、 ［もし、ゴール認識スロｙ　）にゴールが存在している
ならば、そのゴールを目的部とする知識ルールを問題解
決用知識ベース４から検索し、知識ルールの内容とタイ
プをルールスロットと呼ばれる記憶領域に格納し、更に
ゴール認識スロットをクリアする。」 という内容の処理を行う、処理２においては、更に 「もし、ルールスロットに知識ルールが格納されている
ならば、ルールタイプに応じたルール解釈用メタ知識を
メタ知識ベース５より検索しメタ知識スロットと呼ばれ
る記憶領域に格納する。Ｊ という内容の処理を行う。

処理３においては、 「もし、メタ知識スロー／　）にルール解釈用メタ知識
が格納されているならば、メタ知識に従ってルールスロ
ット内のルールを展開し、その結果を解法の木サブスロ
ットと呼ばれる記憶領域に格納する。」 という内容の処理を行う、この処理の１回の実行では、
多くの場合解法の木を生成することはできない、知識ル
ールは、ある目標を達成するための副目標（サブゴール
）を表すものであり、その副目標が直ちに実行可能な動
作を表す実行関数の場合と、更に別の知識ルールを用い
て問題解決を進めなければならない場合がある。このた
め、後者の場合には別の知識ルールを用いることになり
、メタ知識もそのルールタイプに応じたものが必要にな
るということになる。従って、上記処理をすべての副目
標の末端が全て実行関数になるまで巡回的に繰返し、そ
れぞれの結果を組合わせることによって、問題の解法を
解析的に示す一つの解法の木が生成される。これは 「もし、解法の木サブスロットに解法の木（１）がある
場合、解法の木スロットと呼ばれる記憶領域にも解法の
木（２）があるならば、解法の木（２）の適切な位置に
解法の木（１）を挿入したものを新しい解法の木とし、
無ければ解法の木（１）を新しい解法の木とし、新しい
解法の木を解法の木スロットに格納して、解法の木サブ
スロットをクリアする必要がある。」 という内容の処理によって実現される。この際に、上記
処理だけを連続して繰返すのではなく、推論エンジンｌ
の１サイクルにつき１回だけ行うようにする。このため
、解法の木の生成の最中でも自己状態認識部２や外部環
境認識部３の入力に基づく自己状態認識や外界環境認識
が可能となり、解法の木の生成に際して認識の結果を必
要とするような知識ルールにも対応でき、また、その間
に別の命令文を受は付けることも可能となる。

処理３においては、更に、 「もし、解法の木スロットに解法の木があり、かつ、そ
の解法の木に未処理のサブゴールが無い、つまり、解法
の木の全ての末端が実行関数にまで展開されているなら
ば、動作プログラムを作成して動作プログラムスロット
と呼ばれる記憶領域に格納し、解法の木スロットをクリ
アする必要がある。」 という内容の処理を行う。動作プログラムの作成に際し
ては、解法の木の作成のときと同じように推論エンジン
１の１サイクルにつきｌステップずつ進めてもよい。し
かし、動作プログラム作成には特に自己状態認識や外界
環境認識は必要でなく、この間に割込みを許したとして
もあまりメリットが無いので１本実施例では、動作プロ
グラム作成は一括で行う関数を用意してそれを呼び出し
て処理するという形で実現している。

処理４においては、 「動作プログラムスロー２トに動作プログラムがある場
合、もし、その実行が完了していないならば、ｌステッ
プずつ実行し、完了しているならば、動作プログラムス
ロットをクリアする必要がある。」 という内容の処理を行う、動作プログラムスロットの実
行は、動作プログラムの先頭から順次動作内容を取り出
して実行し、注視点を先へ進めていく、但し、ジャンプ
命令の場合はジャンプ先へ注視点を移し、ラベルの場合
は読み飛ばす。

処理５においては、 「もし、各認識スロットに値が無く、かつ、スタックさ
れている（退避されている）認識情報があるならば、退
避情報の最新のものを元にあった記憶領域に復帰させる
必要がある。」という内容の処理を行う、また、目標達
成の報告の必要があれば、ここで行う。

以下、本実施例の推論制御方式を備えた自律移動ロボッ
トにある命令文が日本語で入力された場合の問題解決処
理の具体例を示す。

例えば、次のような命令文が入力されたとする。

“自動販売機の荊に行け。

この文を受けた自然言語文解析部６は、この文に対して
形態素解析を行う。その結果は次のようなものである。

自動販売機／の／前／に／行け／ 形態素解析を終えると、各形態素間の関係を考えて構文
解析を行い、次のような係り受は構造をつくる。

＼ ＣＰＦＲＯＭＴ：名詞（意味情報：場所）＼ なお、係り受は構造は概念記号によって表されており、
上記日本語文については“ＣＥＥＮＤ　）ｌ″が“自動
販売機”に、”　ＣＰＦＲＯＭＴ”が“前”に、“ＣＧ
ＯＮが“行く”にそれぞれ対応する。

次いで、この係り受は構造を読み取り、その意味内容を
フレーム構造で記述する。フレーム構造で記述すること
により、解析結果の形態が自然言語文の文体より受ける
影響が少なくなる。フレーム構造で記述した結果は次の
ようなものである。

（ｄｏｕｓｈｉ　　　（ＣＧＯ（意味情報：行為））ｓ
ｅｉｒｅｉ−ｆｌａｇ　　　　　ｔ ｂａｓｙｏ−ｓｙｕｕｔｅｎ　　　　ＣＰＦＲＯＮＴ　
０ｋａｋａｒｅｒｕ　　　ｎｉｌ　　）　　　　　　　
　　　　　　　　　争　・　１１　　（１）（ｍｅｉｓ
ｈｉ　　　（Ｃ：　ＰＦＲＯＮＴ　　（意味情報：場所
））ｋｉｔａｉ　　　　　ＣＢＥＮＤ　　Ｍ　　１ｋａ
ｋａｒｅｒｕ　　ｎｉｌ　）　　　　　　　　　・・・
　（２）（＋ｅｉｓｈｉ　　　（ＣＢＥＮＤＮ　　（意
味情報２実体））ｋａｋａｒｅｒｕ　　ｎｉｌ　）　　
　　　　　　　＊　。＠（３）このようにしてフレーム
構造に変換された命令文は、次の推論エンジン１に渡さ
れる。

推論エンジン１では、まず処理１において命令文、買間
文を解釈した結果のフレーム構造から、必要な情報を取
出し、ロボットにわかるゴールの形にすることを行う。

上のフレーム構造からは（Ｇ　ＧＯ：ｐ　ｄｅｓｔ　Ｃ
ＰＦＲＯＮＴ　：ｋｉｔａｉ　ＣＢＥＮＤ　りという形
のゴールが生成される。

ゴールが生成されると、推論エンジンｌは処理１乃至処
理５を巡回しつつ、ゴールを達成するための知識ルール
を問題解決用知識ベース４より検索し、メタ知識ベース
５のメタ知識を利用してサブゴールを順次問題解決する
ことにより、最絆的に解法の木を生成し、そこから動作
プログラムを生成する。

まず、解法の木を生成する。このために目的−手段型知
識ルールを格納する問題解決用知識ベース４から、ゴー
ルに合致する目的部を持つ知識ルールを検索する（必ず
一つだけ知識ルールが存在すると仮定する）、この例で
は、以下のような知識ルールが得られる。

ルールｌ： （Ｒｕｌｅ−Ｉ　　Ｔ−ｉｏＤ （ＣＧｏ　：ｐ　ｄｅｓｔ　ＣＰＦＲＯＮＴ：ｋｉｔａ
ｉ　　ＣＢＥＮＤ　　Ｍ） （（ＣＫＮＯＷＮ　：ｄ　ｏｂｊ　ＣＬＯＣＡＴＥ：ｋ
ｉｔａｉ　ＣＢＥＮＤ　Ｎ）） （（ＣＭＯＶＥ　：ｐ　ｄｅｓｔＣＰＦＲＯＮＴ：ｋｉ
ｔａｉ　ＣＢＥＮＤ　Ｍ））） なお、知識ルールは概念記号で表記され、“ＣＫＮＯＷ
Ｎ”は日本語の“定まっている”に、ＣＭＯＶＥ″は日
本語の“移動する”に対応する。

このルール１は、「“自動販売機の前に行く”というゴ
ールを達成するためには、“自動販売機の場所がわかっ
ている”というサブゴールが達成されている条件下で、
“自動販売機の前に移動する”というサブゴールを達成
すればよい。」ということを表す。（条件付実行動作命
令型）の知識ルールである（第４図参照）。

この知識ルールはサブゴールを含んでいるので、そのサ
ブゴールを達成するための別の知識ルールが必要である
。

ルール２： （Ｒｕｌｅ−２丁−０１Ｋ （ＣＫＮＯＷＮ　：ｄ　ｏｂｊ　ＣＬＯＣＡＴＥ：ｋｉ
ｔａｉ　Ｇ　ＢＥＮＤ　Ｍ） （ＯＢＪＥＣＴ−ＰＯ３ＩＴＩＯＮ　ＣＢＥＮＤ　Ｍ）
（（ＣＬＯＯＫ　：ｄ　ｏｂｊ　ＣＬＯＧＡＴＥ：ｋｉ
ｔａｉ　ＣＢＥＮＩＩ　Ｎ）））ルール２は、「“自動
販売機の場所がわかっている”というゴールを達成する
ためには、実行関数０ＢＪＥ（：Ｔ−ＰＯＳＩＴＩＯＮ
　（ロボット自身の記憶から物体の位ｌ情報を得る関数
）を起動し、その結果がｎｉｌの場合には、“自動販売
機（の前）を目視する”というサブゴールを達成すれば
よい。」ということを表す。（無条件実行確認命令型）
の知識ルールである。

ルール３： （Ｒｕｌｅ−３７−０１０ （ＣＬＯＯＫ　：ｄ　ｏｂｊ　ＣＬＯＣＡＴＥ：ｋｉｔ
ａｉ　ＣＢＥＮＩＩ　Ｎ） （（ＳＥＡＲＣＨＰＯＳＩＴＩＯＮ　ＣＢＥＮＤ　Ｎ）
））ルール３は、「“自動販売機（の前）を目視する”
というゴールを達成するためには、実行関数５ＥＡＲＧ
）ｌ　ＰＯＳＩＴＩＯＮ　　（ロポー２トの視覚ユニッ
トを用いて、外界から物体の位置情報を得る関数）を起
動すればよい、」ということを表す、（無条件実行動作
命令型）の知識ルールである。

ルール （Ｒｕｌｅ−４　Ｔ−０１Ｌ （Ｃ　ＭＯＶＥ　：ｐ　ｄｅｓｔ　Ｃ　ＰＦＲＯＮＴ：
ｋｉｔａｉ　　Ｃ　ＢＥＮＩＩ　Ｍ）（ＳＥＡＲＣＨ　
ＯＢＪＥＣＴ　Ｃ　ＢＥＮＤ　Ｍ　：ｌｅｎ　Ｏ）（（
ＣＭＯＶＥ　１　　：ｐ　ｏｒｇ　（ｇｅｔ　’ｒｏｂ
ｏｔ　’ｐｏｓｉｔｉｏｎ）：ｐ　　ｄｅｓｔ　　Ｃ：
　　ＢＥＮＤ　　Ｎ：ｎｅａｒ　　ｔ ：ｓｐｅｅｄ　’ｎｏｒｍａｌ））） ルール４は、「“自動販売機の前に移動する”というサ
ブゴールを達成するためには、実行関数ＳＥＡＲ（Ｊ　
ＯＢＪＥＣＴ　　（ロボットの視覚ユニットを用いて，
物体が指定距離範囲内に存在するかどうかを判定する関
数）がｎｉｌ以外になるまで、実行関数ＣＭＯＶＥ　１
　（ロポー２トの歩行ユニットを作動させ，指定方向へ
移動動作を行う関数）を繰返し起動すればよい．」とい
うことを表す。

（無条件実行ループ命令型）の知識ルールである。

これらの知識ルールに従ってゴールを展開すると、第６
図に示すように、ゴール、サブゴール、実行関数の階層
的な関係を表す木構造データを得ることができる．ここ
で、第６図（ａ）はゴールを、第６図（ｂ）はルール１
を適用した状態を、第６図（Ｃ）はルール２を適用した
状態を、第６図（ｄ）はルール３を適用した状態を、第
６図（ｅ）はルール４を適用した状態をそれぞれ示す。

但し、実際には分岐や繰返し等の制御情報を付加するこ
とが必要である．どのような制御情報を付加しなければ
ならないかは、ルールのタイプによって異なる．制御情
報のうちのジャンプ命令を加える位置に印をつけた木構
造のデータが解法の木である。

本実施例における解法の木を第７図に示す。

図において、”ｒｎ″は“ＲＥＴＵＲＮ−ＴＯ−ＮＥＷ
Ｔ″　（ジャンプ命令）を、ｒｂ”は“ＲＥＴＵＲＮ−
Ｔｏ−ＢＥＦＯＲＥ″（ジャンプ命令）を示す。解法の
木が求められたら、これをもとにして動作プログラムを
生成する．解法の木の末端にある実行関数のほかに、ジ
ャンプ命令を加える位置には適切なジャンプ命令、また
ジャンプ命令の飛び先を示すラベルを付は加える。

ここで、本実施例における動作プログラムの仕様につい
て説明する。

システムが問題解決に際して生成する動作プログラムは
、制御情報及び実行関数を要素とする不定長のリストで
ある。

ここでいう制御情報とは、動作プログラム内部における
ジャンプ命令や，ジャンプ先を示すラベルなどのことで
ある．本実施例における制御情報の一覧を第９図に示す
（なお、図に示すｎｕｎ。

ｎｏｗ−Ａ，　ｎｕｎ−８は正の整数を示す）。

また、実行関数とは、ロボットにとってのプリミティブ
な動作を表すものであるか、あるいはその組合せである
０本実施例で設定している実行関数の一覧を第１０図に
示す。

なお、実行関数の線略に入るものの、取扱い方法が若干
異なるものがある。これをメタ関数と称し、、＆実施例
では８１１図に示す３種類を設定しである。

以上の仕様に基づき、第７図に示す問題解決ルールにつ
いて生成した動作プログラムを以下に示す。

（ＯＢＪＥＣＴ−ＰＯＳＩＴＩＯＮ　　ＣＢＥＮＤ　　
Ｍ）（ＲＥＴＵＲＮ−ＴＯ−ＮＥＸＴ　００１．）（Ｓ
ＥＡＲＣＨＰＯＳＩＴＩＯＮ　ＣＢｆＪＩＤ　Ｍ）（Ｓ
ＥＡＲＣＨ０ＢＪＥＣ：Ｔ　ＣＢＥＮＤ　Ｍ　：Ｉｅｎ
　０）（ＲＥＴＵＲＮ−丁０−ＮＥＸＴ　　００１）（
ＣＭＯＶＥ　ｉ　　：ｐ　ｏｒｇ　（ＧＥＴ　’ＲＣＩ
ＢＯＴ　’ＰＣＩＳＨＩＯＮ）：ｐ　ｄｅｓｔ　ＣＢＥ
ＮＤ　Ｍ ：ｎｅａｒ　　ｔ ：５ｐｅｅｄ　’ＮＯＲＭＡＬ） （１’？ＥＴＵＲＮ−丁０−ＢＥＦＯＲＥ　　００１）
この動作プログラムに相当するフローチャートは、第８
図に示すものとなる。なお、第８図中関数１は（ＯＢＪ
ＥＣＴ−ＰＯＳＩＴＩＯＮ　ＣＢＥＮＤ　＋４）に、関
数２は（ＳＥＡＲＣＨＰＯ別丁ＴＯＮ　ＣＢＥＮＩ）　
Ｍ）に、関数３は（ＳＥＡＲＣＨ０ＢＪＥＣＴ　ＣＢＥ
ＮＤ　Ｍ　：Ｉｅｎ　Ｏ）に、関数４は（Ｃ１４０ＶＥ
　ｉ　：ｐ　ｏｒｇ　（ＧＥＴ　’ＲＯＢＯＴ　’ＰＯ
５ＩＴＩＯＮ）　：ｐ　ｄｅｓｔ　ＣＢＥＮＤ　Ｍ　　
：ｎｅａｒ　ｔ　：５ｐｅｅｄ　’％ＯＲＭＡＬ）に対
応する。

動作プログラムが生成されると、処理４において該動作
プログラムが実行される。動作プログラムの実行は実行
関数ごとに行われる。すなわち、実行関数を１つ実行す
る度に第２図に示す各処理を一巡し、その度に現在実行
中の問題よりも優先して解決すべき問題（例えば、ある
問題のゴールに対するサブゴールや、外部環境の変化に
対応するための処理等）の入力を許容する。そして、入
力が有れば、同様にその問題解決のための動作プログラ
ムを生成して実行する。入力が無いときは、元の動作プ
ログラムの次の実行関数を実行する。

以上の処理によって、ロボットは命令“自動販売機の前
に行け”の実行を完了することとなる。

本実施例において、生成した動作プログラムは、知識ベ
ースに格納して新たな知識として保存される。そして、
“自動販売機の前に行け”と同様の処理手順による問題
解決、すなわち、目的物の位置を確認して移動するとい
うような問題解決を行う場合には、本実施例で生成した
動作プログラムを知識ベースより検索して読出し、これ
に従って問題解決を行う、これにより、同じ処理や類似
する処理を繰返し行う場合、その度ごとに同様の推論を
繰返し、解法の木を生成するといった処理が不要となり
、より迅速に問題解決を行うことができる。

［発明の効果］ 以上説明したように第１項の発明は、問題解決を行うに
あたり問題解決用知識ベース及びメタ知識ベースを参照
して解法の木を生成し、上記解法の木の終端に位置する
実行関数を実行順に並べて上記問題解決を行うための処
理手順を示す動作プログラムを生成し、上記動作プログ
ラムに示した処理手順に従って問題解決を行う推論エン
ジンを備えたため、問題解決の実行の際動作プログラム
を構成する各実行関数の間ごとに命令の割込みを行うこ
とができ、外界状況の認識結果を反映した問題解決能力
及び命令の随時割込・中断・再開使方を高度に実現する
ことができるという効果がある。

また、本発明は生成した動作プログラムを知識ベースに
記憶して保存し、該動作プログラムに示す処理手順と同
様の処理手順で問題解決を行うことが可能な問題に対し
て、上記保存した動作プログラムに従って問題解決を行
うことにより、過去に経験した問題解決を再度行う場合
に、同じ推論を繰返すことなく、より簡単な処理で迅速
に上記問題解決を行うことができる。

第２項の発明は、自己状態認識部と外部環境認識部と問
題解決用知識ベースとメタ知識ベースと問題又は命令の
入力手段とが推論エンジンに対して同等に位置し、上記
推論エンジンは、動作プログラムを構成する実行関数を
１つ実行する度に、上記自己状態認識部、外部環境認識
部、８題解決用知識ベース、メタ知識ベースを巡回的に
検索し、新たな情報や問題の入力を許容することにより
、動作プログラムを実行中に他の命令の割込みが容易と
なり、外界状況の認識結果を反映した問題解決能力及び
命令の随時割込・中断・再開能力をさらに高度に実現す
ることができるという効果がある。

第３項の発明は、データの入力手段に自然言語文解析部
を設けたため、自然言語による入出力源力が飛躍的に向
上するという効果がある。

【図面の簡単な説明】

第１図は本発明の一実施例によるロボット制御方式のシ
ステム構成を示すブロック図、第２図は本実施例による
問題解決手順を示す流れ図、 第３図は本実施例に用いる問題解決用知識ベースの内容
を示す図、 第４図は本実施例に用いるメタ知識の内容を示す図、 第５図は本実施例に用いる自己状態認識部の内容を示す
図、 第６図は本実施例による問題解決の際作成される木構造
のデータの一例を示す図、 第７図は第６図のデータより生成された解法の木を示す
図、 第８図は第７図の解法の木より生成された動作プログラ
ムに相当するフローチャートを示す図、第９図乃至第１
１図は本実施例における動作プログラムの仕様を示す図
である。 １：推論エンジン ２：自己状態認識部 ３：外部環境認識部 ４：問題解決用知識ベース ５：メタ知識ベース ６：自然言語文解析部 ７：出力部 出願人：　株式会社　シーニスケイ 第 図 第 図 第 図 第 図 第 図 （ｅ） 第 図 第 四（ 第１０図 第１０図 第１１図

Claims (3)

【特許請求の範囲】
1. （１）制御手段としての推論エンジンと、自己の状態を
   監視する自己状態認識部と、外界の状態を監視する外部
   環境認識部と、問題解決用の知識ルールを格納した問題
   解決用知識ベースと、問題解決の実行方法及びデータ処
   理方法を示す情報を格納したメタ知識ベースとを有し、
   上記問題解決用知識ベース及びメタ知識ベースの情報に
   従って問題解決を行い、上記自己状態認識部と外部環境
   認識部からの情報によって外界状況を認識する人工知能
   における推論制御方式において、 上記推論エンジンは、上記問題解決を行う ため上記問題解決用知識ベース及びメタ知識ベースを参
   照して問題の解法を解析的に示す解法の木を生成し、 上記解法の木の終端に位置する実行関数を 実行順に並べて上記問題解決を行うための動作プログラ
   ムを生成し、 上記動作プログラムに示した処理手順に従って問題解決
   を行うと共に、 生成した動作プログラムを記憶して保存し、該動作プロ
   グラムに示す処理手順と同様の処理手順で問題解決を行
   うことが可能な問題に対して、上記保存した動作プログ
   ラムに従って問題解決を行うことを特徴とする人工知能
   における推論制御方式。
2. （２）自己状態認識部と外部環境認識部と問題解決用知
   識ベースとメタ知識ベースと問題又は命令の入力手段と
   が推論エンジンに対して同等に位置し、 上記推論エンジンは、動作プログラムを構成する実行関
   数を１つ実行する度に、上記自己状態認識部、外部環境
   認識部、問題解決用知識ベース、メタ知識ベースを巡回
   的に検索し、新たな情報や問題の入力を許容することを
   特徴とする請求項第１項に記載の人工知能における推論
   制御方式。
3. （３）動作データを入力する手段として自然言語入力手
   段を備え、自然言語による動作命令を入力することを特
   徴とする請求項第１項または第２項に記載の人工知能に
   おける推論制御 方式。