【摘 要】面临复杂非结构化的作业环境，知识表示方法在机器人自主作业中发挥着越来越重要的作用。知识表示关注于知识符号表征方式及如何通过推理程序自动实现知识处理。基于此，对基于本体表示与推理的机器人知识表示框架及最新应用进展进行了介绍。从确定性知识和不确定性知识两个方面，介绍了知识表示与推理的技术背景、实现方式和研究现状，并对机器人知识未来的研究方向进行了展望。
【关键词】 知识表示 ; 知识推理 ; 本体 ; 知识型机器人
0 引言
受益于人工智能和机器人技术的迅猛发展，机器人的感知能力得到了明显提升，机器人可以完成一些基本的物体识别、导航和操作任务。然而对于复杂多变环境作业，如家庭服务机器人摆放餐桌服务、人机协作机器人装配服务，机器人在执行任务的过程中缺乏自适应性。面对人类规模、不完整或模糊的任务问题，机器人难以针对环境变化调整自身行动策略，难以实现复杂任务到机器人原子动作的自主分解或规划。同时在与人类交互过程中，服务机器人虽已具备较强的语音识别、问答能力，但语义理解能力的缺失，使机器人难以将自然语言中的词汇映射到作业环境，如物体位置关系、状态、功能属性等。认知能力的不足成为制约机器人发展的关键瓶颈问题，具体表现为：机器人缺乏对自身操作能力的认知，对环境的认知大多停留在物体检测层面，物体分类、定位等相对简单的信息难以满足进一步理解目标物品、操作目标物品以提供复杂场景作业的要求。
人工智能符号主义认为认知过程在本体（ontology）上是一种符号处理过程，人类思维过程总可以用某种符号进行描述。本体的概念源自哲学领域，在哲学中的定义为对世界上客观事物的系统描述。而人工智能领域主要将本体论的观念用在知识表达上，即将本体论中的基本元素（概念及概念间的关联）作为描述真实世界的