本文介绍了一种名为 HCP-ASP 的并行离线算法，该算法基于非单调的答案集编程（ASP）语言建模执行动作和感知动作，利用公式化表示行动执行过程中的连续可行性检查，以达成目标。该算法可显式地公式化关于状态的部分知识以及感知动作的非确定性效应，从而不需要预先对感知动作进行规划或排序。我们将该方法应用于服务机器人领域并进行了实验评估。此外，我们还在标准基准域上与其他基于编译的条件规划器进行了性能比较。

Jul, 2017

通过使用 ASP 技术，本研究在解决物联网、传感器技术、连续数据流、流推理等领域中的关键问题。

Jan, 2013

介绍了一种保留 ASP 程序结构的抽象方法，可以自动抽象大型问题空间，并可应用于定义响应性代理的声明性策略及其分析。

Sep, 2018

本文介绍了一种基于声明式编程技术的多智能体认知情境下的推理问题的解决方案，即 PLATO（基于 ePistemic 多智能体 Answer Program 解决方案），利用自定义认知状态表征和 ASP 求解器的效率，在从文献中收集的基准测试中取得了有竞争力的性能结果，并为其正确性开发了形式验证。

Aug, 2020

我们提出了一种在答案集编程（ASP）中进行路由和调度的替代方法，并在多智能体路径规划的背景下进行了探索。这种方法捕捉了时间流的部分顺序而不是与行动和谓词相关联的时间步骤，终止了对计划长度的固定上界的需求。这种避免的代价是（部分）时间轨迹必须是无环的，因为不能再区分相同行动或谓词的多次出现。虽然这种方法为建模路由提供了一个有趣的替代方案，但对于调度来说却没有替代方案，因为精细化的计时无法以可行的方式在 ASP 中表示。而部分顺序可以通过外部手段（例如无环性和差别约束）进行高效处理。我们对这个想法进行了形式化的详细阐述并提出了几种结果的 ASP 编码。最后，我们通过实证分析证明了它们的有效性。

Mar, 2024

本论文提出了基于 Answer Set Programming (ASP) 的框架，以实现对机器人控制结构中的关节式物体的自动化操纵。该框架通过 ASP 表示关节式物体的配置，并检查知识库中这种表示的一致性，并生成操纵动作序列。利用自动规划的宏动作来更有效地规划操纵关节式物体的机器人的操作，验证了该框架的可行性。

Oct, 2020

人工智能的可解释性越来越受到关注，本研究试图填补 Answer-set Programming 中的解释支持的空白，并通过扩展语言支持和开发新的解释形式（如对比解释）来推进可解释 ASP 的研究。

Aug, 2023

软件和硬件框架评估驾驶员对交通状况的感知能力，并提供人机界面辅助以增强感知能力，重点介绍基于答案集规划的驾驶员场景解释和预测方法。

Aug, 2023

本文提出了一个多无人机网络上异步联邦学习框架，避免将原始数据发送到无人机服务器中进行模型训练，同时提出了异步优势演员 - 评论家算法并采用设备选择策略、无人机部署和资源管理算法来提高学习收敛速度和准确性。仿真结果表明，相比于现有解决方案，我们的方案实现了更高的学习准确度和更快的联邦执行时间。

Nov, 2020

无人机辅助传感器网络通过数据采集和数据包丢失最小化以及信息时代最小化来改善灾害管理、农业监测和数据收集等方面的效率。

Dec, 2023