본 논문은 끊임없이 변화하는 환경에서 계획을 세우고 적응하는 고차원적 인지 능력을 갖춘 자율 로봇에 대한 요구사항이 AI 분야의 큰 과제임을 다룹니다. 불완전하거나 변화하는 환경 모델에서 작업 계획을 수행하기 위해 에이전트의 상징적 지식을 개선하고 복구하는 자동 계획 분야에서 진전이 있었지만, 지금까지 이러한 발전은 실제 물리적 로봇으로 이전되지 않았습니다. 본 논문은 물리적 로봇이 로봇 동작 실행 경험을 사용하여 환경에 대한 상징적 지식을 적응시키는 방법을 보여줍니다. 로봇 동작 실행 경험을 통해 지식을 개선하고, 따라서 로봇이 생성하는 작업 계획의 성공률을 높입니다. 보다 강력한 계획 시스템을 구현하기 위해, 본 논문은 지능형 로봇 행동의 기반이 되는 지식을 개선하기 위한 도메인 지식을 개선하는 방법을 제안합니다. 이 아키텍처는 NAO 로봇을 사용하여 구현 및 평가되었습니다. 개선된 지식은 시간이 지남에 따라 잘못된 지식이 제거되거나 조정됨에 따라 실패율이 감소하는 작업 계획의 미래 합성으로 이어집니다.
