基于本文提出的新方法，规划专家和本体专家可以分别处理规划规范和本体，并通过接口进行关联，从而实现对本体引导的规划问题的优化处理，以支持整个 OWL DL 片段。

Aug, 2023

本文研究了利用本体学作为基础的自动规划方法，通过分析国际规划竞赛中的规划领域和规划者的数据构建了一个规划本体，通过案例研究证明了利用本体可以选择合适的规划者并通过宏函数改善规划性能，并将本文所建立的规划本体和相关资源提供给社区以促进进一步的研究。

Jul, 2023

本文介绍了用于生命科学领域相关知识表示的本体论。提供了从计算学习理论中学习模型的正式规范，同时回顾了在这些模型中学习轻量级描述逻辑（DL）本体论的复杂性结果，最后，我们强调了文献中提出的其他学习 DL 本体论的方法。

Mar, 2021

该研究提出了建筑决策系统本体论，以实现人工智能的元决策，提高自主性，并创建一个可建立度量和基准的框架，以确保第三波认知系统中的安全，并讨论了在此背景下重要性，同时提出了相关，表示和推理三个部分的本体，并探讨了它们在确保安全和减少风险方面的价值，使得采用本体论的研究者能够将其工作与这三部分之一或多个有关联。

Oct, 2022

通过结合非单调逻辑推理、深度学习和决策树归纳，使机器人能够在推理和学习过程中提供对其决策、信仰和假设动作结果的关系描述，完成对场景理解任务和计划任务的支持。

Oct, 2020

本文提出知识表示与推理技术在自动驾驶汽车领域的应用。利用本文提出的 6 层模型创建了一个正式的场景模型，并利用本体论对交通场景因素进行建模和推理，得出交通状况关键因素。我们采用联合描述逻辑和规则推理器，并开展了一项基于大规模无人机数据集的实验评估。

May, 2022

利用预训练的大型语言模型（LLMs）和 ChatGPT API 作为推理核心，通过自然语言处理、基于方法论的提示调整和 Transformer 技术，自动化创作基于场景的本体论文、都市数据集和模拟技术手册，生成知识图谱，以促进都市决策支持系统的发展。

May, 2024

本文提出了一种新的理论方法，通过智能系统实现领域知识获取。我们介绍了一种混合模型，通过一个知识图谱数据库存储和推理最小输入知识，并通过逻辑神经网络学习新信息。我们研究了该系统处理新数据的行为，并展示最终系统能够丰富当前的知识并将其扩展到新领域。

Nov, 2022

本文介绍了一种基于代理和大型语言模型的本体匹配系统设计范例，并通过实证评估证明其在简单、复杂和少样本本体匹配任务上的性能显著优于现有系统。

Dec, 2023

本文提出了一种利用符号规划的方法，采用先前的训练数据自动训练神经网络识别物体属性的方法，并使用规划技术来自动化训练数据集的创建和学习过程。最后，我们在模拟和真实环境中进行了实验评估，结果表明所提出的方法能够成功地学习如何识别新的物体属性。

Jan, 2023