FILTER FOR MULTIMODAL INFORMATION AND APPLICATION TO SOCIAL ROBOTS FOR AUTONOMOUS INTERACTION WITH HUMANS

Η εφεύρεση αναφέρεται στο τεχνικό πεδίο μεθόδων που εφαρμόζονται με υπολογιστές (computer implemented methods). Αφορά ένα φίλτρο με όνομα «φίλτρο συγκερασμού πληροφοριών» (ΦΙΣΥΠΛ), υλοποιήσιμο σε λογισμικό (software), που λαμβάνει ως είσοδο σημασιολογικώς αναπαριστάμενα σήματα ηλεκτρονικών αισθητήρων με τη μορφή λογικών κανόνων. Τα δεδομένα εισόδου στο ΦΙΣΥΠΛ για μηχανική μάθηση έχουν τη μορφή κανόνων «Εάν Go τότε Co», ενώ τα δεδομένα εισόδου για λήψη απόφασης έχουν τη μορφή «κόκκων πληροφορίας» (information granules) (βλ. διαστημάτων) Go, πολυτροπικών (multimodal) πληροφοριών. Η λειτουργία του ΦΙΣΥΠΛ κατευθύνεται από μια παραμετρική συνάρτηση «βαθμού διάταξης» σ(Go,Gi,) με βάση αρχές της ασαφούς λογικής, όπου «Εάν Gi, τότε Ci» , ie(1,...,K} είναι το σύνολο των κανόνων σε εμπειρική βάση γνώσης που διατηρεί το ΦΙΣΥΠΛ. Πλεονεκτήματα του ΦΙΣΥΠΛ είναι (i) μπορεί να εξηγεί τις αποφάσεις του προτείνοντας τον λογικά επικρατέστερο κανόνα, (ii) οι κανόνες στη βάση του ΦΙΣΥΠΛ επικαιροποιούνται προσαρμοστικά από τους κανόνες-εισόδους του ΦΙΣΥΠΛ, (iii) τυποποιημένος (formal) συγκερασμός πολυτροπικών (multimodal) πληροφοριών στους κανόνες προς βέλτιστη λήψη αποφάσεων. Το πρωτότυπο φίλτρο ΦΙΣΥΠΛ έχει σκοπό να συμβάλλει στην αύξηση του βαθμού αυτονομίας κοινωνικών ρομπότ κατά την αλληλεπίδρασή τους με ανθρώπους. Filter for multimodal information fusion and application to social robots for autonomous interaction with humans The invention regards the technical field of computer implemented methods. It concerns a filter called "INFOrmation Fusion Filter" (InfoFF), implemented in software, which receives as input semantically represented signals stemming from electronic sensors in the form of logical rules. The data input to InfoFF for machine learning are in the form of "If Go then Co" rules, whereas the data input for decision making are in the form of "information granules" (i.e., intervals) G0, of multimodal data. The operation of InfoFF is driven by a parametric "fuzzy order" function o(Go, Gi,) based on fuzzy logic principles, where "If Gi, then Ci", ie(1,..., K} is the set of rules in an empirical knowledge base stored in InfoFF. Advantages of InfoFF include (i) it can explain its decisions by proposing the logically prevailing rule, (ii) the rules in the knowledge base of InfoFF are updated adaptively by the input-rules to InfoFF, (iii) formal fusion of multimodal information in the rules for optimal decision making. Filter InfoFF is meant to increase the degree of a