Краткое содержание

arXiv:2511.14533v1 Тип объявления: новое Аннотация: Сопоставление непрерывных перцептивных сигналов и дискретного символического рассуждения является фундаментальной проблемой для систем искусственного интеллекта, которые должны функционировать в условиях неопределенности. Мы представляем нейро-символьную архитектуру, которая явно моделирует и распространяет неопределенность от восприятия до планирования, обеспечивая обоснованный переход между этими двумя уровнями абстракции. Наш подход объединяет трансформерно-основанную перцептивную подсистему с графовой нейронной сетью (GNN), выполняющей реляционное рассуждение, чтобы извлекать вероятностные символьные состояния из визуальных наблюдений, а также планировщик символов, учитывающий неопределённость, который активно собирает информацию при низкой уверенности. Эффективность предложенной архитектуры демонстрируется на примере конкретной задачи манипуляций робота на столе: система обрабатывает 10 047 сцен, созданных PyBullet (содержащих по 3–10 объектов), и выводит вероятностные предикаты с откалиброванными значениями достоверности (общий показатель F1 = 0,68). При интеграции в планировщик система достигает показателей успешности 94% / 90% / 88%.