JPH06161839A - 知識データベースの構造とその構築方法 - Google Patents

Abstract

(57)【要約】 【目的】 演算時間が短く、オンライン制御が可能で、
知能ロボットの頭脳や、ＣＡＩにおいて使用する知識デ
ータベースとして利用でき、連想、印象、記憶、概念、
直感等の知能管理機能を実現できる知識データベースの
構造とその構築方法を提供する。 【構成】 知識の基本となる知識量子化ゾーンの基本単
位を、継承性情報その他の情報よりなる複数個の知識区
分で構成し、該複数個の知識量子化ゾーンを関連するグ
ループにまとめて知識の基本ブロックとし、該複数個の
基本ブロックの集合体を知識データベースとした構成よ
りなる。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、知識データベースの構
造とその構築方法に係り、より詳細には、知能ロボット
の頭脳や、ＣＡＩにおいて使用する知識データベースと
して利用でき、連想、印象、記憶、概念、直感等の知能
管理機能を実現できる知識データベースの構造とその構
築方法に関する。

【０００２】

【従来の技術】従来、知識を管理する方式としては、Ｐ
ｒｏｌｏｇやＬｉｓｐ等のＡＩ言語で実現する方式やそ
れらを使用したシステムが作成されている。このＡＩ方
式は、あらかじめエキスパートから知識を聞き出して、
知識データベースとして構築するトップダウン方式の構
築法である。

【０００３】

【発明が解決しようとする課題】しかし、このトップダ
ウン方式の構造、構築システムの場合、次のような課題
がある。すなわち、 データベースの量が膨大になり、かつ実際に使用で
きない知識が多すぎる。 知識を自動的に増やすことができない。 応用がきかず、フレキシブルに富む現場での作業に
は適合しない。 結論を得るためには演算時間がかかりすぎ、オンラ
イン制御としては使用できない。 知識を木構造にて管理することや、知識に継承性を
付加して自動的に作成することはできず、また知識に対
して形状等のイメージからの推論や連想はできない。 物体のもつ特徴や概要や印象を表現し難い。 等の課題がある。

【０００４】ところで、本能（低次元の操作性）のみし
か持たない作業ロボットであっても、「人間との共同作
業」や「人間のみによる作業の観察」を通じて得た知識
や行動パターンを、人間の指示を必要とすることなし
に、自ら利用価値の高い知識と利用価値の少ない知識を
区別しつつ記憶または抹消を選択してゆき新しい知識デ
ータベースの構成要素とすることで、より賢い作業ロボ
ットにすることができる。

【０００５】すなわち、この作業ロボットの場合、最初
から作業場所を想定した「完全な人工知能」を構築して
おく必要もなく、予想外の状況に対してあわてて人工知
能を追加する等の必要もなく、自らの『意志』により学
習してゆく人間の知能活動が可能になる。

【０００６】ただ、この作業ロボットの場合、人間の子
供と同様に、実際に使用できる知識を保有するまでに
は、長い期間が必要である。しかし、その間に操作員と
共同作業をすることで、共同作業を通じて学習により知
識を自動的に吸収することが可能でありその作業に適合
した真の人工知能をもつ知能ロボットが実現でき、また
四次元コンピュータでも応用できると考えられる。

【０００７】本発明は、以上のような課題に対処して創
作したものであって、その目的とする処は、演算時間が
短く、オンライン制御が可能で、知能ロボットの頭脳
や、ＣＡＩにおいて使用する知識データベースとして利
用でき、連想、印象、記憶、概念、直感等の知能管理機
能を実現できる知識データベースの構造とその構築方法
を提供することにある。

【０００８】

【課題を解決するための手段】そして、上記目的を達成
するための手段としての本発明の知識データベースの構
造は、知識の基本となる知識量子化ゾーンの基本単位
を、継承性情報その他の情報よりなる複数個の知識区分
で構成し、該複数個の知識量子化ゾーンを関連するグル
ープにまとめて知識の基本ブロックとし、該複数個の基
本ブロックの集合体を知識データベースとした構成より
なる。また、本発明の他の知識データベースの構造は、
前記発明において、知識区分を構成する継承性情報その
他の情報が、それぞれ木構造を形成した構成よりなる。

【０００９】また、本発明の知識データベースの構築方
法は、知識の基本となる知識量子化ゾーンの基本単位
を、継承性情報その他の情報よりなる複数個の知識区分
で構成・管理し、該複数個の知識量子化ゾーンを関連す
るグループにまとめ知識の基本ブロックとし、該複数個
の基本ブロックの集合体を知識データベースとし、前記
知識量子化ゾーンの特定の知識区分を作成するに際し、
該知識区分の知識の上位レベルの知識を指示して、該レ
ベルの知識量子化ゾーンの知識区分内の対応情報を参照
し、新しい知識量子化ゾーンの対応情報の該当位置に複
写し、更にその下に新しい知識の固有ビット列情報を、
これらを管理する管理テーブルを参照することで作成
し、新しい知識量子化ゾーン内の前記知識区分内の情報
とし、該複数個の基本ブロックの集合体を知識データベ
ースとし、該知識量子化ゾーンの特定の知識区分を管理
するに際し、特定の知識区分内の情報の上位レベルにお
けるビット列情報を参照し、他の知識量子化ゾーンにお
ける情報内の固有ビット列情報と合致するものを検索
し、さらにその上位レベルにおける固有ビット列情報を
参照し、他の知識量子化ゾーンにおける固有ビット列情
報と合致するものをさらに検索し、この工程を繰り返す
ことで、特定の知識の属する構造を検索し、該知識区分
の情報が、絶対レベル区分または相対レベル区分で指定
された特定の知識量子化ゾーンから任意に新たな分類を
もつものとして、相対レベル区分を指定できるが、その
相対レベル区分を管理している管理テーブルの情報に従
い相対レベル区分ビット列を作成することで形成するよ
うにした構成よりなる。

【００１０】更に、本発明の他の知識データベースの制
御方法は、前記発明において、知識量子化ゾーンを三次
元的なビットイメージで構成されるビットイメージファ
イルで作成し、グラフィックプレーン内に該ファイルを
投影し、該プレーンからの知識を検索するに際し、該グ
ラフィックプレーン内に投影すべきウインドのサイズを
制御することで記憶している知識に対して、記憶制限や
記憶喪失の機能を付加するようにした構成よりなる。

【００１１】更にまた、本発明の他の知識データベース
の制御方法は、前記発明において、記憶情報とその情報
のもつ強度カウンタとアクセス回数カウンタと感情情報
等を備えた海馬一時記憶領域を有し、記憶を検索する際
には、自動的に全ての該領域内知識のもつ強度カウンタ
の値を、その時の感情情報に見合った値で減算し、アク
セス回数カウンタを加算し、該当した該領域内知識の
み、その強度カウンタの値を初期値に戻し、該当知識な
き場合には、該領域に知識を記憶し、所定のアクセス回
数以上の値をもち、所定の強度未満の該領域内知識に対
しては、該領域から抹消し、知識データベースの不必要
な構築を防いだり、逆に所定のアクセス回数以上の値を
もち、所定の強度以上の該領域内知識に対しては、該領
域外に設けた本知識データベースに自動的に付加する、
自動登録・抹消機能を有する海馬一時記憶領域をもつ構
成よりなる。

【００１２】

【作用】そして、本発明の知識データベースの構造によ
れば、知識の基本となる知識量子化ゾーンの基本単位
を、複数個の知識区分で構成し、該複数個の知識量子化
ゾーンを関連するグループにまとめて知識の基本ブロッ
クとし、該複数個の基本ブロックの集合体を知識データ
ベースとして形成しているので、学習による新たに得た
知識に基づき、新たなレベルの追加、レベルの再構成が
容易に行え、連想や推論等の技術への応用ができるよう
に作用する。

【００１３】また、本発明の知識データベースの構築方
法によれば、知識区分の特定の情報としてビット列情報
を用いているので、データ量の圧縮と、木構造の認識が
直ちに実行でき、また、ビット列情報をビットイメージ
ファイルとして扱うことができるので、この場合に、ビ
ットイメージファイルの投影先にグラフィックプレーン
や該プレーン上の特定のウィンドに定義することで、ウ
インドサイズの変更により投影する記憶量を調節できる
ように作用する。

【００１４】更に、ビット列の複写と、固有ビット列の
自動作成により継承性を実現でき、かつ知識量子化ゾー
ンとして異なった情報を複合的に取り扱うことができる
と共に、２値化形状情報の中に特徴を記憶し、知識量子
化ゾーンを有機的に結合できるように作用する。

【００１５】

【実施例】以下、図面を参照しながら、本発明を具体化
した実施例について説明する。ここに、図１〜図１０
は、本発明の実施例を示し、図１は知識量子化ゾーンの
集合体の基本ブロックの説明図、図２は継承性情報の構
造の説明図、図３はビット列情報とレベル区分情報との
関係を説明するための系統図、図４はレベル区分の説明
図、図５は相対レベル区分の説明図、図６はビット情報
の作成例の説明図、図７は連想過程の概念図、図８は推
論過程の概念図、図９は記憶制限，喪失過程の概念図、
図１０はグラフィック画面とウィンド内の知識量子化ゾ
ーンの関連を説明するための説明図である。

【００１６】本実施例の知識データベースの構造は、概
略すると、知識の基本となる知識量子化ゾーンの基本単
位を、継承性情報その他の情報よりなる複数個の知識区
分で構成し、該複数個の知識量子化ゾーンを関連するグ
ループにまとめて知識の基本ブロックとし、該複数個の
基本ブロックの集合体を知識データベースとした構成よ
りなる。

【００１７】ここで、知識量子化ゾーンは、知識区分と
して知識名称、継承性情報、２値化形状情報、色情報
（Ｒ濃度、Ｇ濃度、Ｂ濃度）、臭い情報、味情報、触覚
情報の９種類の情報をもつ集合体として、１つの知識を
構成し、さらに、複数個の知識量子化ゾーンの集合体を
知識の基本ブロックとして、図１のように定義・作成さ
れている。なお、図１は、ビットイメージとして作成し
た知識量子化ゾーンの一例であるが、ビットイメージに
限定されることなく、９種類の知識区分情報を関連づけ
て定義できる形式であれば、それを知識量子化ゾーンと
定義できる概念である。

【００１８】そして、知識名称は、知識区分１として、
ひらがな、カタカナ、漢字、英数字等の情報をアスキコ
ードやＪＩＳコードで記録している。例えば、丸のよう
に「円」「〇」「。」「●」「◎」等の記号で表現でき
るものは、記号で記録してもよく、ビットマップを利用
し、イメージ的に登録してもよく、また名詞に限らず、
形容詞、形容動詞、副詞や動詞も定義できる。

【００１９】また、継承性情報は、通常、継承性に従っ
た木構造として表現され、図２は、『果物』の分類を表
現する木構造を表現した図である。ここで、図２におけ
る句形は、木構造による分類の中の選択項目で、一般に
木構造の下位レベルの項目はその上位レベルの項目の性
質を継承している。

【００２０】しかし、この木構造の選択項目とレベルの
設定については、絶対的な規則はなく作成者の都合で任
意に設定される場合が多い。例えば、食物をレベル１か
ら始めてもよいし、レベル４を食物と非食物の選択項目
で分類するのではなく、草と樹木の選択項目で分類して
もよい。また、学習により新たに得た知識に基づき、新
たなレベルの追加、レベルの再構成や論理的な連結等の
機能が必要である。従って、この「木構造による継承性
情報の表現」の管理方法については、かなり柔軟な方式
とできる。

【００２１】次に、本実施例の知識データベースの構築
方法について説明する。本実施例における構築方法は、
概略すると、知識データベース作成・管理工程、新
規知識固有ビット列情報作成工程、特定知識検索工
程、相対レベル区分ビット列情報作成・管理工程、の
四工程よりなる。

【００２２】−知識データベース作成・管理工程−本工
程は、知識の基本となる知識量子化ゾーンの基本単位
を、継承性情報その他の情報よりなる複数個の知識区分
で構成し、該複数個の知識量子化ゾーンを関連するグル
ープにまとめて知識の基本ブロックとし、該複数個の基
本ブロックの集合体を知識データベースとして作成・管
理する工程である。

【００２３】具体的には、図３に示すように横３２ビッ
トのビット列情報と３２個のレベル区分情報で表現する
方式としている。そして、図１の知識量子化ゾーンの知
識区分２、７、８と９の木構造の情報管理に利用して、
連想や推論等の技術へ応用できるようにしている。

【００２４】ところで、レベル区分、すなわち木構造を
表現する方式としては、絶対レベルと相対レベルによる
２通りの表現方法がある。これは、前述したように、木
構造のレベルや選択項目の構成が、任意のレベルから開
始できることと、別の知識量子化ゾーンに存在する複数
個の知識を有機的に連結して、論理的な１つの木構造を
構成できることを配慮したことによる。相対レベルは、
絶対レベルや相対レベルの任意の位置から定義できる。
ここでは、図４に示すように、３２個のビット列のう
ち、上位３ビットを絶対レベルの定義用として、上位４
ビット目から１０ビット分を相対レベル区分の定義用と
して、残り１９ビットを木構造の識別区分の定義用とし
て使用し、定義の終了は全て「１」としている。

【００２５】そして、相対レベル区分のビットが「０」
の場合は、絶対レベルでの表現形式であることを意味し
ている。同図のレベル番号「１」は、絶対レベルによる
表現形式で「無機物」を意味している。また、レベル番
号「＊１」は、同様に「有機物」を意味している。「無
機物」と「有機物」は、それぞれ別個の知識量子化ゾー
ンを持っている。

【００２６】また、相対レベル区分と木構造の連結につ
いては、相対レベルでの木構造の表現形式は、複数の木
構造を有機的に連結する場合に必要である。図５に、
「有機物」からの相対レベル区分（生物・非生物かの区
分）例を示す。絶対レベル「１００」と、相対レベル区
分「0000000001」は、「有機物」からの「生物・非生物
区分」の木構造表現であることを示している。この相対
レベル区分による木構造は、絶対レベル「１００」と、
相対レベル区分「0000000001」をマスクして得るビット
列情報「0000000000」により、図４に示す絶対レベルに
よる木構造と有機的に連結できる。

【００２７】−新規知識固有ビット列情報作成工程− 本工程は、知識量子化ゾーンの特定の知識区分を作成す
るに際し、該知識区分の知識の上位レベルの知識を指示
して、該レベルの知識量子化ゾーンの知識区分内の対応
情報を参照し、新しい知識量子化ゾーンの対応情報の該
当位置に複写し、更にその下に新しい知識の固有ビット
列情報を、これらを管理する管理テーブルを参照するこ
とで作成し、新しい知識量子化ゾーン内の前記知識区分
内の情報とする工程である。

【００２８】具体的には、新規の知識を記憶する場合、
上位レベルまでの木構造を表現するビット列情報を全て
複写後、ビット列が「１」の部分に上位ビット側から新
規ビット列情報を作成しつつ登録していく。図６は、既
知知識「生物」のビット列情報から新規知識「植物」の
ビット列情報を作成する場合を例に取り説明した図であ
る。そして、レベル２までの「生物」を表現するビット
列情報が新規知識「植物」のビット列情報の同一レベル
位置に複写され、新規ビット列は大分類、中分類と小分
類毎の管理情報により自動的に作成されるが、この時、
上位レベルと新規知識名称を与える操作のみが必要であ
り、あらかじめこれらの情報を与えておくことで自動的
に知識として記憶する。

【００２９】−特定知識検索工程− 本工程は、知識量子化ゾーンの特定の知識区分を管理す
るに際し、特定の知識区分内の情報の上位レベルにおけ
るビット列情報を参照し、他の知識量子化ゾーンにおけ
る情報内の固有ビット列情報と合致するものを検索し、
さらにその上位レベルにおける固有ビット列情報を参照
し、他の知識量子化ゾーンにおける固有ビット列情報と
合致するものをさらに検索し、これを繰り返すことで、
特定の知識の属する構造を検索するようにした工程であ
る。

【００３０】具体的には、相対レベル区分を作成する
際、相対レベル管理情報を参照する。相対レベル管理情
報の中には、管理番号と相対レベルに区分名が １・・・・生物−非生物 ・ ・ ｎ・・・・作業物体−非作業物体 のように記憶されているので、最終の管理番号のｎを読
み取り、次の管理番号ｎ＋１を求め、相対レベル区分名
を相対レベル区分管理情報へ記録する。その後、相対レ
ベル区分を定義する上位レベルの知識の特定情報（ここ
で、継承性情報）と新規の相対レベル区分の知識として
その継承性情報を複写後、先に求めた管理番号ｎ＋１の
２値バイナリー値をビットイメージとして求め、４ビッ
ト目から１０ビット分の固有ビット列として作成する。

【００３１】相対レベル区分下の新規知識の作成時に
は、相対レベル区分の知識のビットより情報を複写後、
この下に新規知識用の固有ビット列を作成するが、相対
レベル用のビット列をすぐ下のレベルのビット列「１」
のところに更に複写後、１５ビット目から４ビット分
を、相対レベル区分内の大分類コードとし、１９ビット
目から８ビット分を同中分類コードとし、２７ビット目
から６ビットを小分類コードに更新する。そして、大分
類、中分類、小分類の管理コードは、図５に示す相対レ
ベル区分番号（１・・・ｎ）毎に管理している。この番
号は、同一相対レベル区分で重複しないように管理す
る。

【００３２】−相対レベル区分ビット列情報作成・管理
工程− 本工程は、知識区分の情報が、絶対レベル区分または相
対レベル区分で指定された特定の知識量子化ゾーンから
任意に新たな分類をもつものとして、相対レベル区分を
指定できるが、その相対レベル区分を管理している管理
テーブルの情報に従い相対レベル区分ビット列を作成す
る工程である。

【００３３】具体的には、新規知識の記憶を指定する知
識において、その知識が相対レベル区分で指定された知
識であるかどうかは、４ビット目から１０ビット分がす
べて「０」であるかどうかを判定し、更に、 １５ビット目から４ビット分がすべて「０」なら、
相対レベル区分内の大分類として知識を記憶するため
に、大分類コードを参照し、その次の値に更新後、その
値の２値バイナリー値４ビット分をビットイメージとし
て、１５ビット目から４ビット分更新することで固有ビ
ットを作成する。 １５ビット目から４ビット分すべて「０」ではな
く、１９ビット目から８ビット分がすべて「０」なら、
相対レベル区分内の中分類として知識を記憶するため
に、中分類コードを参照し、その次の値に更新後、その
値の２値バイナリー値８ビット分をビットイメージとし
て１９ビット目から更新することで、固有ビットを作成
する。 １９ビット目から８ビット分がすべて「０」ではな
く、２７ビット目から６ビット分すべて「０」なら、相
対レベル区分内の小分類として知識を記憶するために、
小分類コードを参照し、その次の値に更新後、その値の
２値バイナリー値６ビット分をビットイメージとして、
２７ビット目から更新することで固有ビットを作成す
る。

【００３４】従って、新規知識の記憶時に上位レベルの
知識を任意に設定する（自動的に、あるいは人間が指示
する）だけの操作で、直ちに新規知識の継承性情報を認
識できるのみならず、自動的に大分類、中分類、小分類
の木構造として記憶できることになる。

【００３５】なお、本発明は、上述した実施例に限定さ
れるものでなく、本発明の要旨を変更しない範囲内にお
いて変形実施できる構成を含む。因みに、前述した実施
例においては、新規知識データベースの構築についての
み説明したが、この構築に際して、連想・推論過程を組
み込むことで、その構成を一層良好なものとできること
は当然である。

【００３６】すなわち、この構築方法において、連想、
推論過程を組み込むことにより、該知識データベース
を、より高度化した構築方法である。この構築方法につ
いて説明する。まず、ある知識量子化ゾーンＡの特定の
知識区分Ｔと類似する知識区分Ｔ^' をもつ別の知識量子
化ゾーンＢを検索し、Ｂ内の知識区分Ｔ^' 以外の知識区
分の情報を参照する過程を、「連想過程」と定義する。
なお、図７は、この「連想過程」を示す概念図である。

【００３７】そして、図７において、知識量子化ゾーン
Ａの２値化形状情報Ｔと類似する２値化形状情報Ｔ^' を
持つ知識量子化ゾーンＢを検索し、Ｂ内の「触覚情報」
を参照している。つまり、この「連想過程」では、『２
値化形状情報Ｔを持つものは、触覚情報はＩである場合
もあり、Ｊである場合もありうる。』ということを認識
している。知識区分を検索する条件として、論理積や論
理和も使用してできることになる。

【００３８】また、物体の認知技術で得た情報に類似す
る知識区分Ｍをもつ知識量子化ゾーンＣを検索し、Ｃ内
の知識区分Ｍ以外の知識区分の情報を参照したり、Ｃ内
の任意の知識区分や、それらの知識区分の論理積や論理
和から、「連想過程」を実行する過程を、「推論過程」
と定義する。なお、図８は、この「推論過程」を示す概
念図である。そして、『物体の認識方法』で得た印象に
類似する２値化形状情報Ｍをもつ知識量子化ゾーンＣを
検索し、Ｃ内の臭い情報Ｌを参照し、さらにＭと類似す
るＭ^' をもつ知識量子化ゾーンＤを検索しＤ内の触覚情
報Ｎも参照している。このような連想や推論過程を用
い、物体に関する知識を、既に記憶している知識量子化
ゾーンの知識区分内あらゆる場所から必要に応じて得る
ことが可能である。

【００３９】また、本実施例における知識量子化ゾーン
は、知識区分として９種類のある関連づけられた情報を
もつ集合体として定義しているが、この集合体をビット
イメージファイルとして取り扱う場合には、図９に示す
方式で、記憶制限、喪失として制御できる。

【００４０】すなわち、グラフィック画面の色情報のプ
レーンとして、深さを図１に定義している３０ビット分
定義する。さらに、特定のウインド内に３２×３２ビッ
トの区間として必要とするため、特定のウインドのサイ
ズは３２ｍ×３２ｎビット（但し、ｍ，ｎ−１・・・
Ｋ）で定義する。図９のウインド＄１では通常のウイン
ドのサイズより縮小され、図の斜線部内においては、ビ
ットイメージファイルのウインド＄１上へのイメージの
投影を実行しないようにする。知識量子化ゾーンとして
は、ウインド内に構築されている情報を参照するので、
この方式で記憶に対して制限を施すことができる。ま
た、ウインドをアイコン状態にしておくことで、ビット
イメージファイルの投影を実行しないようにすること
で、特定の知識の基本ブロックに対して記憶喪失の状態
とすることが可能である。図１０はグラフィック画面と
ウインド内の知識量子化ゾーンの関連図である。

【００４１】知識量子化ゾーンの色情報でＲ濃度は、赤
色成分のスペクトルをもつビットイメージとして８ビッ
トの深さ（２５６段階）で記憶したもので、Ｇ濃度，Ｂ
濃度はそれぞれ同様に緑と青成分のスペクトルをもつビ
ットイメージデータとして記憶し、その他の知識区分
は、それぞれ１ビット分のビットイメージとして情報を
記憶する。また、知識名称には、その知識に関連する情
報をまったく無制限に羅列しておけばよい。

【００４２】ところで、オンライン制御により、知識デ
ータベースの検索をするには、印象として得た情報を、
２値化形状情報として、知識の基本ブロック内の知識量
子化ゾーンの２値化形状情報を検索することで、２値化
形状情報の検索に、既存知識との合致度を指定した検索
ができ、指定した合致度以上で該当する知識量子化ゾー
ンを確認後、該知識量子化ゾーンの知識区分内のいたる
所の情報を得ることができる。さらに、該知識量子化ゾ
ーンの継承性情報のビット列情報の上位レベルのビット
列情報に合致する知識量子化ゾーンを検索し、その知識
区分内の情報を得、さらに上位レベルのビット列情報に
合致する知識量子化ゾーンの知識区分内の情報を得るこ
とが可能となり、特定の知識量子化ゾーンのみならず、
その知識の属する木構造全体に対してあらゆる知識区分
内の情報を得ることができる。

【００４３】なお、「物体の印象」とは、その物体の持
つ「特徴」を表現したものである。例えば、「突出部や
欠損部がある」、「ない」とか「幾つあるか」とか、
「突出部が大きい」、「小さい」とかという漠然とした
表現である。「物体の印象」を「特異点」の数と、「軌
跡長」と、「軌跡から特異点までの距離」等で表現し、
知識量子化ゾーンの知識区分３に２値化形状情報として
記憶した。これらの情報は、印象や直感による推論を実
行する上で非常に重要である。

【００４４】ここで、物体の認識は、本発明者が、先に
提案した『環境認知エリア内の対象物体の２値化像の水
平プロフィール像と垂直プロフィール像を作成し、該プ
ロフィール像のそれぞれの描画範囲を求め、該水平プロ
フィール像の描画範囲が狭い場合には、傾き基準を垂直
方向に設定し、該垂直プロフィール像の描画範囲が狭い
場合には、傾き基準を水平方向に設定する傾き基準方向
決定工程と、傾き基準方向決定工程における水平・垂直
プロフィール像の任意の位置に分割線を設定し、該分割
線と水平・垂直プロフィール像との交わりの境界値の座
標値を求め、該中心の座標値を計測基準点とする計測基
準点設定工程と、計測基準点設定工程で求めた計測基準
点より、傾き基準方向決定工程で求めた傾き基準方向に
対し、任意の座標値だけ増減させた計測点を求め、該計
測点から該傾き基準方向に対して垂直方向または水平方
向に前記対象物体の２値化像内部の論理値を計測し、該
論理値が変化する境界点を求め、該境界点より、前記計
測点を該対象物体の中心へ補正する座標値を求めて新し
く補正した補正計測点とし、該計測を、新しい計測点の
論理値が変化する領域まで実施することにより、該対象
物体内部の計測点軌跡を求める計測点軌跡作成工程と、
計測点軌跡作成工程で求めた計測点軌跡上のある点から
次の点までの距離が急峻に変化する特異点を検出する特
異点検出工程と、特異点検出工程で求めた特異点に至る
までの連続軌跡長の最長のものを基準軌跡とし、該長さ
を基準とする四辺形の論理フィルタを作成し、該論理フ
ィルタの短辺の長さＮと長辺の長さＭの比Ｎ／Ｍと、該
比Ｎ／Ｍのメンバーシップ関数より得られる確率と、該
長辺の長さＮと全軌跡長Ｌとの比Ｎ／Ｌと、該比Ｎ／Ｌ
のメンバーシップ関数より得られる確率の重心を求め、
該論理フィルタ内の論理値の総計と該重心確率を掛けて
得られる値Ｓと、プロフィール像全体の論理値の総計Ｈ
の比Ｓ／Ｈと、該比Ｓ／Ｈのメンバーシップ関数より得
られる確率を得て、該確率を前記基準軌跡の傾きとする
傾き判定工程、とを有する前記対象物体の突出部位の位
置を決定する方法』を用いる（特願平４−２３１４４７
号明細書参照）。

【００４５】そして、この方法の場合、対象物体の２値
化像の水平・垂直プロフィール像を求め、該プロフィー
ル像における両像の描画範囲の拡・狭により、該対象物
体の傾きが水平か垂直のどちらの基準に計測するかを決
定し、また該プロフィール像の任意の位置に分割線を設
定し、該プロフィール像と分割線とより計測基準点を決
定し、該計測基準点より物体内部の中心に順次、計測点
を移動補正して、その計測点軌跡を求め、また該軌跡上
の特異点を求め、かつ該特異点に至るまでの連続軌跡長
の最長のものを基準軌跡とし、該軌跡の長さを基準とす
る論理フィルタより計測・認識するようにしているの
で、従来のように量子化エリア全体にわたり論理フィル
タリングを施す必要もなく、突出部や欠損部の多い複雑
な物体に対しても、該対象物体中の突出部や欠損部を論
理的に消去した代表形状を抽出することが可能となり、
またファジー理論のメンバーシップ関数による判定で確
信度を得ることができる。

【００４６】ところで、本能（低次元の操作性）のみし
かない作業ロボットであっても、その知能活動を開始
（本能が始動）した時点から、すべての自分の実行動
作、その目標、効果、これに対する人間の操作員の対応
行動や感情表現を、一時記憶領域（本明細書において、
海馬一時記憶領域という）に記憶していくようにした構
成としてもよい。この基本構造は、『記憶した日時』、
『アクセス数カウンタ』、『動作目標』、『実行動
作』、結果の『無効果数』『効果数』および人間の操作
員の『対応行動』と『感情表現』を一つの基本単位と
し、複数個の基本単位を新規知識がラストイン・ファー
ストアウトになるように記憶できる構造としている。

【００４７】そして、記憶した日付とアクセス数カウン
タは、一種の『一時記憶情報の電磁気的、化学的な結合
の強さ』を表現する領域では最も重要な要素であり、こ
の結合の強さを自らの意識による判断あるいは電磁気
的、機械的、化学的等の手段で無意識的に判断すること
で、海馬一時記憶領域から本知識として知識データベー
スへ知識を移動させたり、抹消したりするいわば『知識
のゲート』に相当する要素である。結合の強さを表現す
ればよいので、減少させる負の方向でも、増加させる正
の方向でもどちらでもよい。結合の強さを正の方向で表
現するのであれば、前記領域の知識の結合の強さは一律
単位期間内に減少してゆくとし、海馬内の類似知識をア
クセスする度に、まるでダイナミックメモリをリフレッ
シュするが如く、その類似知識もリフレッシュさせてゆ
くのである。この結合の強さが強い知識は、『本知識と
して記憶する価値がある』と判断し、知識データベース
内に記憶後に抹消する。結合の強さが弱い知識は、『本
知識として記憶する価値がない』と判断し、一定期間の
後、そのものから抹消する。本知識として記憶する際に
は、『目標』、『実行動作』と『対応行動』および『効
果数』に対する『類似感情』等を、行動パターンの知識
の下位レベルの複数個の知識として記憶する。この機能
により知識を吸収しながら『特定の作業に適合した知
識』を保有した知能ロボットとなることが可能である。
但し、この方式では教示の手本となった先生（人間の操
作員）の癖も同時に記憶したり、知能ロボットが単独で
行動し、操作員を無視する可能性があることも十分に考
慮しておく必要がある。

【００４８】また、動作目標は、これから実行する動作
に対する初期目標を定義（最終目標では無い）したもの
で、これからの知能ロボットの作業動作を決定する重要
な知識となりうる要素である。ここでの実行動作は、知
能ロボットの自動制御中の行動パターンと自動制御停止
中に於ける操作員の行動パターンすべてを対象とする要
素である。あらかじめ知能ロボットの運動の自由度を定
義し、把握しておく必要がある。

【００４９】そして、無効果数は、実行動作の初期目標
（最終目標ではない）に対する無効果数を数値的に表現
するもので、実際には、実行動作の繰り返し累積数で表
現する要素である。効果数は、初期目標の達成度合いで
表現する要素である。

【００５０】また、実行動作と無効果数で表現される情
報に対する『教示者の対応行動』を表現する要素であ
り、この要素の部分に、前述した教示者の癖が包含され
る。例えば、同じ動作を繰り返し（繰り返し数と無効果
数は同値である）でも目標に対しての効果数が期待でき
ない場合には、１０回で終了する教示者もいれば２０回
繰り返す教示者もいるはずである。まるで、親の癖を受
け継いだ子供のように、マシンはその時の教示者の癖も
同時に学習してゆくことになるのである。

【００５１】そして、さらに、知能ロボットがより人間
に近づくように、管理要素に『感情表現』要素も加え、
目標に対しての効果数が疑似感情として表現され、次の
海馬一時記憶領域における『知能活動』に影響を与える
ように制御している。具体的には、目標に対して無効果
数が少なく、効果数が大きい場合には、効率の良い『実
行動作』はできたとして、「愉快である」「楽しい」
「うれしい」という『疑似感情』を持たせ、任意の期間
のみに対する一度のリフレッシュの強さの度合いを増加
させることにより、知能ロボットは、以前より強い『知
能活動』を実現でき、逆に無効果数が大きい場合には、
「疲れた」「飽きた」「嫌」「やめたい」という『疑似
感情』を持たせ、リフレッシュの強さの度合いを一時的
に減少させることにより、『知能活動』の機能を低下さ
せることが可能である。一時的な『知能活動』の低下に
伴い、人間の操作員の制御を拒絶する場合もありうるの
で、あらかじめ「本知識」内に操作員の制御が優先する
という知識を用意する等の配慮が必要である。

【００５２】

【発明の効果】以上の説明より明らかなように、本発明
の知識データベースの構造によれば、知識の基本となる
知識量子化ゾーンの基本単位を、複数個の知識区分で構
成し、該複数個の知識量子化ゾーンを関連するグループ
にまとめて知識の基本ブロックとし、該複数個の基本ブ
ロックの集合体を知識データベースとして形成している
ので、学習により新たに得た知識に基づき、新たなレベ
ルの追加、レベルの再構成が容易に行え、連想や推論等
の技術への応用ができるという効果を有する。

【００５３】また、本発明の知識データベースの構築方
法によれば、知識区分の特定の情報としてビット列情報
を用いているので、データ量の圧縮と、木構造の認識が
直ちに実行でき、また、ビット列情報をビットイメージ
ファイルとして扱うことができるので、この場合に、ビ
ットイメージファイルの投影先にグラフィックプレーン
や該プレーン上の特定のウィンドに定義することで、ウ
インドサイズの変更により投影する記憶量を調節できる
という効果を有する。

【００５４】更に、本発明の知識データベースの構築方
法によれば、ビット列の複写と、固有ビット列の自動作
成により継承性を実現でき、かつ知識量子化ゾーンとし
て異なった情報を複合的に取り扱うことができると共
に、２値化形状情報の中に特徴を記憶し、知識量子化ゾ
ーンを有機的に結合できるという効果を有する。

【００５５】従って、本発明によれば、知能ロボットの
頭脳や、ＣＡＩにおいて使用する知識データベースとし
て利用でき、連想、印象、記憶概念、直感等の知能管理
機能を実現できるデータベースの構造とその構築方法を
提供できる。

【図面の簡単な説明】

【図１】 本実施例における知識量子化ゾーンの集合体
の基本ブロックの説明図である。

【図２】 継承性情報の構造の説明図である。

【図３】 ビット列情報とレベル区分情報との関係を説
明するための系統図である。

【図４】 レベル区分の説明図である。

【図５】 相対レベル区分の説明図である。

【図６】 ビット情報の作成例の説明図である。

【図７】 連想過程の概念図である。

【図８】 推論過程の概念図である。

【図９】 記憶制限，喪失過程の概念図である。

【図１０】 グラフィック画面とウィンド内の知識量子
化ゾーンの関連を説明するための説明図である。

Claims (6)

【特許請求の範囲】
1. 【請求項１】 知識の基本となる知識量子化ゾーンの基
   本単位を、継承性情報その他の情報よりなる複数個の知
   識区分で構成し、該複数個の知識量子化ゾーンを関連す
   るグループにまとめて知識の基本ブロックとし、該複数
   個の基本ブロックの集合体を知識データベースとしたこ
   とを特徴とする知識データベースの構造。
2. 【請求項２】 知識区分を構成する継承性情報その他の
   情報が、それぞれ木構造を形成している請求項１に記載
   の知識データベースの構造。
3. 【請求項３】 知識の基本となる知識量子化ゾーンの基
   本単位を、継承性情報その他の情報よりなる複数個の知
   識区分で構成・管理し、該複数個の知識量子化ゾーンを
   関連するグループにまとめ知識の基本ブロックとし、該
   複数個の基本ブロックの集合体を知識データベースと
   し、 前記知識量子化ゾーンの特定の知識区分を作成するに際
   し、該知識区分の知識の上位レベルの知識を指示して、
   該レベルの知識量子化ゾーンの知識区分内の対応情報を
   参照し、新しい知識量子化ゾーンの対応情報の該当位置
   に複写し、更にその下に新しい知識の固有ビット列情報
   を、これらを管理する管理テーブルを参照することで作
   成し、新しい知識量子化ゾーン内の前記知識区分内の情
   報とし、 該知識量子化ゾーンの特定の知識区分を管理するに際
   し、特定の知識区分内の情報の上位レベルにおけるビッ
   ト列情報を参照し、他の知識量子化ゾーンにおける情報
   内の固有ビット列情報と合致するものを検索し、さらに
   その上位レベルにおける固有ビット列情報を参照し、他
   の知識量子化ゾーンにおける固有ビット列情報と合致す
   るものをさらに検索し、この工程を繰り返すことで、特
   定の知識の属する構造を検索し、 前記知識区分の情報が、絶対レベル区分または相対レベ
   ル区分で指定された特定の知識量子化ゾーンから任意に
   新たな分類をもつものとして、相対レベル区分を指定で
   きるが、その相対レベル区分を管理している管理テーブ
   ルの情報に従い相対レベル区分ビット列を作成すること
   で形成するようにしたことを特徴とする知識データベー
   スの構築方法。
4. 【請求項４】 知識量子化ゾーンを三次元的なビットイ
   メージで構成されるビットイメージファイルで作成し、
   グラフィックプレーン内に該ファイルを投影し、該プレ
   ーンからの知識を検索するに際し、該グラフィックプレ
   ーン内に投影すべきウインドのサイズを制御することで
   記憶している知識に対して、記憶制限や記憶喪失の機能
   を付加する請求項３に記載の知識データベースの構築方
   法。
5. 【請求項５】 印象として得た情報と指定した確率以上
   で合致する２値化形状情報をもつ知識量子化ゾーンを検
   索し、該ゾーンにおける知識名称や味情報等の情報を記
   憶している任意の知識区分を参照し、さらに該ゾーンの
   継承性情報から、上位レベルの知識や、同等レベルの知
   識量子化ゾーンを検索し、該ゾーンの任意の知識区分か
   らの情報を得て、さらに該ゾーンの継承性情報からさら
   に上位レベルの知識区分を参照し、この工程を繰り返す
   ことで、連想や推論過程として、関連するあらゆる知識
   区分に記憶している情報を得る請求項３または４に記載
   の知識データベースの構築方法。
6. 【請求項６】 記憶情報とその情報のもつ強度カウンタ
   とアクセス回数カウンタと感情情報等を備えた海馬一時
   記憶領域を有し、記憶を検索する際には、自動的に全て
   の該領域内知識のもつ強度カウンタの値を、その時の感
   情情報に見合った値で減算し、アクセス回数カウンタを
   加算し、該当した該領域内知識のみ、その強度カウンタ
   の値を初期値に戻し、該当知識なき場合には、該領域に
   知識を記憶し、所定のアクセス回数以上の値をもち、所
   定の強度未満の該領域内知識に対しては、該領域から抹
   消し、知識データベースの不必要な構築を防いだり、逆
   に所定のアクセス回数以上の値をもち、所定の強度以上
   の該領域内知識に対しては、該領域外に設けた本知識デ
   ータベースに自動的に付加する、自動登録・抹消機能を
   有する海馬一時記憶領域をもつ請求項３、４または５に
   記載の知識データベースの構築方法。