在过去的十年里，机器人在生产和日常生活中的使用越来越多。无论是帮助工人完成具有挑战性的任务，还是帮助老年人和教育，机器人不再仅仅被视为具有出色运动技能的不知疲倦的机器，我们也希望它们是智能的。
事实上，现代机器人系统的一个关键要求是深思熟虑。深思熟虑是智能的一种形式，包括“基于现有资源推理而做出决策的能力，即机器人的能力、对环境的实际描述和给定的任务”。
深思熟虑是人工智能(AI)的一个概念，与人的理性有关。想象一盘国际象棋，任务目标是抓住对手的国王，可用的资源是棋盘上不同棋子的运动能力和游戏规则。在每个回合中，人类玩家只考虑这些元素和棋盘上棋子的当前配置，在长期战略中设计下一步。
最近，AlphaZero等基于学习的算法已经掌握了国际象棋和其他游戏，它们也在解决复杂的机器人任务方面变得流行，但这是一种可靠的思考形式吗？基于学习的解决方案是高效的，但它们是否足够可靠，可以嵌入到与人类合作或协助人类的机器人中？事实上，这是安全风险自主系统的一个关键要求，正如最近的国际法规所规定的，例如欧盟。
基于值得信赖和可靠考虑的概念，在我们的论文中，我们调查了机器人逻辑编程的趋势和软件工具。逻辑编程实现了因果关系和时间关系和概念，并允许机器从它们进行推理和演绎。例如，在国际象棋游戏中，我们可以很容易地将约束条件表达为“马不能水平移动”，将先决条件表达为“如果棋子是自由的，它可以移动到一个单元格中”，或者将目标表达为“最终抓住对手的国王”。
与其他人工智能算法相比，逻辑编程具有几个关键优势。
首先，机器人问题是根据人类思维的理性方案形式化的，包括行动的目标、规则、前提条件和效果，而不是典型的学习算法的黑盒模型和参数。这允许直接映射到已建立好的自动化范例，例如，在行业中广泛采用的流行规划领域定义语言。
此外，机器人任务的输入语言和输出策略表达接近自然语言，增强了可理解的自主性，并允许更容易与人类交互。
最后，直接根据任务规格和目标进行推理，保证了计算策略的可预测性，并为同一任务同时生成多个策略。这可能允许人类选择首选的策略(例如，在生产管道或家庭用品自动化中)，并对机器人系统保持监督作用。
逻辑编程可以追溯到20世纪中期，但我们的回顾已经证明，它与机器人系统的集成只是在最近二十年才显著出现。这也是由于最近发展的有效算法的可满足性检查和证明，这构成了大多数演绎推理的基础。我们的研究主要证明了三个方面：
- 在机器人社区中，大多数已建立的逻辑编程框架都可以表示因果关系(例如，动作的效果和前提条件)，这是大多数机器人任务中最常见的规范类别。此外，它们支持策略优化和运行时查询，这在用户只对检索有用信息和部分较短策略感兴趣的大型域中是必不可少的。
- 逻辑编程的相关机器人应用领域包括家庭用品自动化、多机器人导航、制造、工业操作和搜索与救援场景。
- 当需要结合高水平任务和低水平运动考虑时，例如在复杂的多机器人协调场景中，首选时间逻辑编程。
总的来说，人工智能、逻辑学和机器人之间的协同作用正在迅速增长，我们综述的目的是进一步弥合差距，并为机器人专家解决可信赖的情报问题提供理论和实践指导。未来的研究将致力于解决目前的局限性，主要是将逻辑演绎与概率论相结合的计算负担。对感知不确定性的推理是机器人系统与人类存在的复杂环境相互作用的关键能力。有几篇论文讨论了这个问题，但更优雅和合适的解决方案是研究界的焦点。
图 1：用于手术机器人训练的组织操作（左）和钉转移（右）设置。
图 2：在SARAS 项目下在维罗纳开发的半自主部分肾切除术的设置。
这项工作是“自主机器人手术”欧洲项目的一部分，并由其资助，该项目与维罗纳大学和加州理工学院合作，目标是在未来的手术室中实现可信赖的自主。高度安全的手术场景不仅是研究思考的完美环境，而且也是严格相关的主题，如从示例中学习任务逻辑，以及逻辑编程与其他机器人组件的集成(见图1和图2)，我们的研究团队正专注于这些以及下一代认知机器人的其他基本方面。
