本项目以DSmT为理论框架,结合二元语义标签的定性表示,深入研究基于DSmT多粒度定性组合推理和近似推理方法,以及机器人感知应用,取得了如下进展和研究成果1)提出一种二元等距语义标签的多源定性信息融合方法,解决了一元标签定性表示精度不足而导致信息损失严重等问题;2)通过建立DFM模型,提出一种二元非等距语义标签的多源定性信息融合方法,来处理人类表达的比较复杂的自然语言;3)通过将精确语义标签模型扩展为不精确模型,提出了一种不精确定性语义标签的多源定性信息融合方法,以便适应现代复杂人机系统的信息处理;4)分别对超幂集空间中单子焦元、冲突焦元、不确定焦元和混合焦元具有信度赋值四种不同情况,提出了一种快速分层递阶DSmT近似推理融合方法,解决了DSmT计算瓶颈问题;5)从人机交互的角度出发,考虑到机器人对人类定性语言的理解,分别提出了基于手绘地图、手绘语义地图、受限自然语言处理、BOW词袋模型的机器人视觉定位与导航方法,对促进机器人在家庭智能化环境下,更好地与人进行交互具有重要推动作用。上述研究为多源多传感器的不确定信息的融合和机器感知提供新的理论和方法,以及切实有效的实现途径。
英文主题词Dezert-Smarandache Theory;Reasoning under certainty; Multi-source information fusion;Qualitative language;Robot perception.