arXiv cs.AI· Bastien Dussard (LAAS-RIS, LAAS), Aur{\'e}lie Clodic (LAAS-IDEA, LAAS-RIS, LAAS), Guillaume Sarthou (LAAS-RIS, EPE UT, LAAS)·· 10 小时前AI 评分21
URDF2Ontology：将机器人 URDF 文件自动转换为 OWL 本体的神经符号框架
Taxonomy-Agnostic Neurosymbolic Grounding of Robot Kinematics
AI 导读
URDF2Ontology 是一个与分类体系无关的神经符号框架，可将原始 URDF 文件自动转换为填充完整的 OWL 本体。它利用 LLM 做定向语义推理，配合迭代式图剪枝机制防止上下文窗口饱和，并用形态感知的双轨架构分别处理分支装配与串联肢体。在多种异构机器人上的评估显示其模式对齐良好、结构提取有效，并显著降低人工领域建模开销。
正文 · AI 翻译
摘要：虽然任务分配中的符号推理需要将机器人的物理能力进行落地，但标准统一机器人描述格式（URDF）文件仅提供低层运动学信息，缺少推理所需的正式语义上下文。我们提出 URDF2Ontology，一个自动化、与分类体系无关的神经符号框架，可将原始 URDF 文件转换为已填充、已落地的 OWL 本体。它利用大语言模型（LLM）进行有针对性的语义推理，并结合迭代式顺序图清理机制以防止上下文窗口饱和。为处理复杂运动学结构，它采用形态感知的双轨架构，包含用于分支装配的自底向上树轨和用于串联肢体的自顶向下链轨。在神经符号护栏的引导下，该框架提取功能子图，并断言与任意用户提供的分类体系对齐的已填充本体。在多样化异构机器人舰队上的实证评估表明，该框架具有强模式对齐、有效结构提取，并显著降低了人工领域编写开销。
| 主题： | 人工智能（cs.AI）；机器人学（cs.RO） |
| 引用为： | arXiv:2611.13850 [cs.AI] |
| （或 arXiv:2611.13850v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.13850 由 DataCite 颁发的 arXiv DOI（待注册） |
|
| 期刊 参考： | 第 4 届 AAAI 秋季研讨会“统一机器人应用开发表示”，2026 年 11 月，美国弗吉尼亚州阿灵顿，第 895-903 页 |
提交历史
来自：Bastien Dussard [查看邮箱] [通过 CCSD 代理]
[v1]
2026 年 11 月 10 日星期二 10:11:30 UTC（2,144 KB）
来源：arXiv cs.AI · arxiv.org