面向复杂环境的服务机器人自主规划方法研究

发布时间：2020-12-28 13:42

　　服务机器人已经成为世界各国争相研究的热点。服务机器人面临的真实人居环境是一个动态变化和非结构化的复杂环境,即环境存在行人干扰的同时,其布局也会发生变化且仅部分可观察。机器人所要完成的任务也日益复杂、多样、模糊、多变且有时限要求。一方面,机器人任务规划层面临先验任务领域知识难以覆盖所有应用情况、环境动态变化引起任务执行失败、复杂任务执行效率低下等难题。路径规划和导航决策层则面临多行人环境中规划出的轨迹容易冲撞行人、机器人躲避行人大幅调整运动导致的导航效率低下等难题。人们希望机器人能够学习、存储人类处理这些任务的经验,利用这些经验自主地适应不同的环境,并处理异常情况,最终高效安全地完成任务。目前制约机器人适应性、安全性和效率进一步提升的共性问题主要有:同类任务不同情形的规划活动经验无法融合,基于经验的任务再规划修复和最优规划求解尚未实现,多行人环境下机器人难以决策并找到最优可行轨迹。针对上述共性问题,本论文主要研究面向复杂环境的机器人自主规划方法,具体内容和结果如下:为能用一个活动图式对同类任务多种情形的规划活动经验进行描述,提出抽象方法及含有抽象方法层的整合活动图式的概念。同时,将其引入... 

【文章来源】：中国科学院大学(中国科学院深圳先进技术研究院)广东省

【文章页数】：121 页

【学位级别】：博士

【部分图文】：

谷歌大脑和MountainView团队合作收集多个机器人的开门经验

体、发生的事件、机器人的活动、经验等等都可以为表达概念。机器人的复杂任务的学习中不仅包含对环境的被动观察和理解，更包含着其行为对世界环境的影响。具体来说，就是在什么样的情况下应该产生什么样的行为，对世界产生什么样的影响，才能使世界达到目标状态。对任务的学习可以在认知科学中是一个抽象概念的过程。与本文研究内容相关的认知科学的主要概念主要有经验、情景和概念化。经验是指机器人存储的过去事件的记录，它通过本体感受和外部感知获得，并能根据机器人的概念框架进行解释。经验通常从低层次数据提取出来。单一的经验是指在场景中发生的事情。情景由物理对象及其属性作为时间函数形成的时空的连贯子集。在本项目中，每一个活动经验对应一个情景。概念化是通过对现实世界子集或模式进行描述和命名而形成一个新概念的过程。概念化提供了关于达到某个目标的动作序列、动作效果的先验知识。然而到目前为止在机器人本体中动态存储所获得的概念以及用新本体重解释过去情景的问题尚未得到有效解决[21]。

图 1.3 RoboEarth 项目的框架及机器人应用最近以活动图式对基于规划的机器人活动经验进行概念化，学习人类示任务，可用于指导任务规划器搜索解决方案，引起了学术界的关注[22]。是一种任务模型，由抽象活动序列或抽象操作符以及操作符中涉及的对特征表示活动的条件和影响）组成。Seabra 提出了几种演绎和归纳转换方解释经验情景中失败恢复策略的规则[22,23]。根据这一思想，Vahid 提出于演绎泛化、抽象和特征提取的概念化方法[24]。然后，将目标推断过程动模式中，并证明了推断的目标在解决相同问题的不同实例时的效用[2成的后一项研究中，该方法被扩展到包含循环的机器人任务经验中[26]。的活动图式是固定的且彼此分离，这导致如果基于当前学习的活动图式划执行失败时切换到其他活动图式的难度很大。


本文编号：2943854