1.چکیده

ما در حال حاضر یک چارچوب یا قالب قدرتمند برای تشخیص رویدادهای پیچیده ارائه داده ایم که کاملاً متناسب برای یکپارچه سازی اطلاعات است و در جزئیات و مجزا بودن بسیار با هم متفاوت می باشند. سناریویی را در نظر بگیرید که یک عامل در یک فضای دستورالعملی قرار دارد و در حال انجام یک عمل پیچیده است و در همان حال، آن کاری که انجام می دهد را به شیوه ای طبیعی توصیف می کند. سیستم دارای انواع مختلف اطلاعات از جمله اشیا، حرکات ناشناخته توسط RGBD و گفتار تجزیه شده است. سیستم یک بازسازی کامل از برنامه ی عامل را خروجی می دهد و اقدامات را در شرایط فعالیت های پیچیده تر و در رویدادهای مشاهده نشده اما ضروری، بازسازی می کند. ما نشان می دهیم که چگونه می توان منطق مارکوف(بسط احتمالاتی منطق مرتبه اول) را برای ایجاد یک نظریه به کار ببریم که در آن مشاهدات با مشتقات جزئی، نویز و یا رخدادهای مبهم آینده یا موقتی همراه است؛ وقایع پیچیده از رخدادهای ساده تر برای استنتاج و یادگیری تشکیل شده اند. ما، کارایی روش ردیابی برنامه ی آشپزی را در حضور نویزها و مشاهدات ناقص نشان می دهیم.