基于情境空间模型的人类活动建模与推理

### 基于情境空间模型的人类活动建模与推理 #### 1. 引言 环境智能是一种以人类为中心的计算范式，旨在通过在日常环境中部署多个联网计算机来提升人类体验。随着技术的进步，如传感、计算、通信和交互技术的发展，以及硬件的小型化和成本降低，我们离实现环境智能越来越近。 环境智能的一个重要特性是上下文感知，即联网计算机能够隐式理解环境情况，从而改善人类与计算系统之间的通信，并提供符合当前情境的服务。以人类和其活动为中心的上下文感知有助于开发个性化和自适应的智能环境，这对老年人在家中独立生活非常有用，能带来经济和人文效益，同时监测家庭活动也有助于了解居住者的健康状况。 然而，理解和推断人类活动及其发生的上下文是一个具有挑战性的研究问题。虽然目前有一些智能家居活动识别的方法，但这些方法缺乏对活动及其相关上下文的正式定义，只能回答“执行了什么活动”，而无法回答“活动是如何执行的”以及“如何确定活动已经执行”。 为了改进活动推断的质量，我们采用逻辑声明式方法来定义和描述人类活动，并使用以自我为中心的交互框架和情境空间模型来建模人类与环境的交互以及相关上下文。情境空间模型受到生物主体感知和行动的启发，能够捕捉人类在环境中的身体状况。 #### 2. 背景知识 我们从语言A开始介绍行动规范语言的基本概念。语言A的字母表由两个非空且不相交的符号集F（流集合）和A（动作集合）组成。流表示世界中对象的属性，是描述世界状态的一部分。流文字是流或前面带有¬的流。状态σ是流的集合，如果f∈σ，则称流f在状态σ中成立；如果f∉σ，则称流文字¬f在σ中成立。 情境是动作执行历史的表示，初始情境表示为空列表[]，情境[an, ..., a1]表示动作a1在初始情境中执行，接着执行a2，依此类推直到an。通常，语言A的语法分为三个子语言： - **领域描述语言**：用于简洁地表达由于动作导致的状态转换，由以下形式的效果命题组成： - a cause f if p1, ..., pn, ¬qn+1, ..., ¬qr - 如果n和r都等于0，则简单写为：a cause f - **观察语言**：一组观察O由以下形式的值命题组成： - f after a1, ..., am - 当a1, ..., am为空序列时，写为：initially f - **查询语言**：查询由形式为(3)的值命题组成 效果命题的作用是定义从状态和动作到状态的转换函数Φ。给定领域描述D，转换函数Φ应满足以下属性： - 如果D包含形式为(1)的效果命题，其中f是流g，并且p1, ..., pn, ¬qn+1, ..., ¬qr在σ中成立，则g∈Φ(a, σ)； - 如果D包含形式为(1)的效果命题，其中f是负流文字¬g，并且p1, ..., pn, ¬qn+1, ..., ¬qr在σ中成立，则g∉Φ(a, σ)； - 如果D不包含这样的效果命题，则g∈φ(a, σ)当且仅当g∈σ。 如果存在这样的转换函数，则称D是一致的，其转换函数记为ΦD。给定一致的领域描述D和一组观察O，我们将(ΦD, σ0)称为(D, O)的模型，其中ΦD是D的转换函数，σ0是对应于(D, O)的初始状态。如果(D, O)有模型，则称其为一致的；如果有唯一模型，则称其为完整的。如果一致的领域D在一组观察O的存在下蕴含形式为(3)的查询Q，则对于所有对应于(D, O)的初始状态σ，流文字f在状态[am, ..., a1]σ0中成立，记为D |=O Q。 #### 3. 人类活动场景 我们引入情境空间模型作为分析和设计人类活动行动规范的参考模型，并探讨人类感知与所处世界的相关性。我们定义了七个集合/空间，用于识别与识别人类活动相关的流和动作： - **世界空间（WS）**：包含Björn智能家居中所有对象的集合。 - **感知空间（PS）**：Björn周围在每个时刻可以视觉感知的空间部分，大致呈锥形。在早餐场景中，各种厨房设备和物品会进入和离开该空间，影响早餐活动的执行。 - **可识别集合（RS）**：当前在Björn感知空间内且在其识别距离内的对象集合，他能够识别这些对象的类型和用途。例如，他能识别咖啡机可用于制作咖啡，但无法识别新的咖啡过滤器。 - **可检查集合（ES）**：当前在Björn感知空间内且在其检查距离内的对象集合，他不仅能识别这些对象，还能了解其状态。例如，他能检查咖啡机是否有咖啡粉。 - **动作空间（AS）**：Björn身体周围当前无需移动即可执行动作的空间部分，允许一些小的身体部位动作。在制作咖啡时，该空间会包含咖啡机、咖啡粉、咖啡杯等物品。 - **选择集合（SS）**：Björn当前用手处理（触摸、握持或虚拟选择）的对象集合。 - **操作集合（MS）**：Björn当前正在改变其状态（外部或内部）的对象集合，通常是选择集合的子集。 由于许多动作需要感知才能有效，感知空间的当前形状会定性地影响动作空间。感知空间会随着动作（如移动）而改变，也会因对象状态的变化而改变。传统的动作和变化模型（如情境演算和事件演算）主要关注选择和操作集合