受生物启发的移动机器人空间认知及其导航

发布时间：2017-09-29 10:12

  本文关键词：受生物启发的移动机器人空间认知及其导航

  更多相关文章： 机器人导航 空间知识表示 混合超图 路径规划 运动规划 地图创建

【摘要】：对于从工厂走向家庭,作为保姆、玩伴等服务性角色而与人类为伍的智能机器人而言,它们将面对我们所面对的世界,它们也应具备类似人类的空间行为能力。目前,虽然机器人研究者作了大量的研究工作,机器人的导航技术与社交能力也获得了长足的进步,然而与人们的期望相比仍然相去甚远。人类及动物能轻易的在复杂多变的大尺度复杂空间中以及感知信息不精确的情况下保持相当完美的导航能力。这促使机器人研究者从生物的导航行为模式中,寻找能适用于机器人的仿生导航机制,以期提高机器人的导航能力。从生物空间行为的视角,设计导航系统的难度来源于三个方面：一是随时变化的导航任务及目标；二是随主观经验而变动的空间记忆；三是复杂无限的活动空间。针对这三个方面的难点,导航系统应该具有一个简单普适的空间知识表示模型和低消耗高效率的在线寻路策略。人类的导航系统成功的处理了这三个难点,不受空间尺度大小及环境多样变化等因素的制约。在未来,与人类一起生活的智能机器人也应克服这三个难点。为此,本文受人类导航能力的启发,尝试将人类的空间内在表示模型与导航机制整合在一起,构建一个应用于机器人的自主导航系统,以期让机器人获得类似人类导航的能力以及为三个难点的解决提供参考。本文的研究工作可以总结为以下几个方面：1)提出一种基于自增长网络的可行区域拓扑网络的提取方法。该提取方法利用Growing Neural Gas(GNG)算法的增长特性,通过不断增加新的拓扑网络节点提取环境的可行区域,构建易于机器人理解的环境地图。该方法还适用于动态障碍物存在的环境,能够过滤动态障碍物的影响,构建一致的环境拓扑地图。该方法具有自学习、自适应等特点。通过仿真与物理实验验证了其可行性与有效性。2)在局部运动规划方面,提出一种快速有效的规避障碍物方法。距离与方向是机器人对障碍物的危险度进行评判的两个重要指标。设计实现了一种小计算量的二维泡状体人工势场(Bubble artificial potential field, B-APF),将障碍物距离和方向之间的平衡问题数值化,获得统一的障碍物危险度值,进而优化避碰行为,改善了动态避障路径的柔顺性。该方法具有环境适应能力强、计算复杂度低和实时性好。通过实验证明该方法的有效性与适用性。3)人类在其导航过程中运用了区域化的空间知识。受此启发,提出一种基于区域的空间知识表示模型(region-based spatial knowledge model, RSK-Model)。该模型将多个小尺度的区域对象组合在一起形成上一层级的区域对象,构成一种层次化的空间表示结构。现有的一般图论难以反映这类知识系统的复杂构成和所隐含的组织结构。针对这一问题,引入混合超图的思想,提出一种基于混合超图(hybrid hypergraph)的空间知识表示模型,用来组织规模巨大、连接复杂多样、且具有嵌套特性的空间知识网络。以超拓扑关系为例,通过对一个小型环境的表述来说明基于混合超图的空间知识表示模型的应用,为复杂的空间知识的表示、组织和分析提供了一种新的工具和思路。4)在全局性的寻路方面,人类在其导航过程中运用了区域化的空间知识模型并采取了“由精到粗”的寻路策略。受此启发本章在提出的区域化空间知识模型的基础上,提出一种在线路径规划算法FTC-A*(fine-to-coarse A*)。FTC-A*能够根据环境信息的远近采取不同的规划策略。在机器人所在的区域中,进行路径的精细规划,而对远处空间进行粗糙规划。该策略利用环境描述的区域化特性,降低了搜索空间的大小,从而显著地降低了规划时间和内存负载,减少了机器人的运动响应延迟。本算法能适应环境规模巨大以及目标点经常改变的应用场合。通过在MobileSim平台的仿真实验以及与A*和HA*算法的对比分析,验证了该方法的可行性与有效性。5)以定性空间知识表示与人类导航机制为基础,研究了移动机器人仿生导航系统。首先,定性空间知识作为先验知识存储在机器人的长时记忆系统中。全局路径规划模块运用该空间知识规划“由精到粗”的路径,并临时存储在机器人的短时记忆系统中。最近目标生成器根据该路径生成引导机器人运动的下一个目标。在机器人的工作记忆系统中,局部运动规划模块生成运动向最近目标点的合理有效的运动行为,并执行一步步运动。机器人运动过程中的当前位置信息以及上下文信息由‘'I AM HERE"模块管理。通过迭代在线规划“由精到粗”的路径,引导机器人运动向最终目标点。最后,通过实验验证了该导航系统的可行性与有效性。
【关键词】：机器人导航 空间知识表示 混合超图 路径规划 运动规划 地图创建
【学位授予单位】：华东理工大学
【学位级别】：博士
【学位授予年份】：2015
【分类号】：TP242
【目录】：

• 摘要5-7
• Abstract7-14
• 第1章 绪论14-30
• 1.1 引言14
• 1.2 研究背景与研究意义14-17
• 1.3 移动机器人的环境建模17-19
• 1.3.1 度量地图17-18
• 1.3.2 拓扑地图18
• 1.3.3 混合地图18-19
• 1.4 认知地图19-22
• 1.4.1 认知地图在人脑中的三个发展阶段20-21
• 1.4.2 认知地图的生物神经学基础21-22
• 1.5 移动机器人导航22-24
• 1.5.1 导航概念的起源22
• 1.5.2 机器人导航的定义22
• 1.5.3 定位22
• 1.5.4 路径规划22-24
• 1.6 生物导航24-26
• 1.6.1 生物导航的定义24
• 1.6.2 生物导航的两个组成部分：移动与寻路24-25
• 1.6.3 人类的寻路策略25
• 1.6.4 导航策略的分类25-26
• 1.7 本文研究内容和结构安排26-30
• 第2章 基于GNG网络的可行区域知识提取30-48
• 2.1 引言30
• 2.2 Growing Neural Gas网络30-34
• 2.2.1 GNG网络的概念30-31
• 2.2.2 GNG网络的参数定义31
• 2.2.3 GNG网络的生成算法31-32
• 2.2.4 连续型分布和离散型分布中的GNG网络生成32-34
• 2.3 环境的地图模型与知识提取34-37
• 2.3.1 环境地图模型34-36
• 2.3.2 环境地图的整体性知识提取过程36-37
• 2.4 可行区域拓扑网络的即时创建37-40
• 2.4.1 基于二维高斯点集的可达区域知识提取37-38
• 2.4.2 基于GNG网络的可行区域拓扑网络生成算法38-40
• 2.5 实验分析40-46
• 2.5.1 仿真实验及分析40-44
• 2.5.2 物理实验及分析44-46
• 2.6 小结46-48
• 第3章 基于泡状体人工势场的移动机器人快速避障方法48-62
• 3.1 引言48
• 3.2 泡状体人工势场(B-APF)48-51
• 3.2.1 B-APF的引入48-49
• 3.2.2 B-APF的数学模型49-51
• 3.3 基于B-APF的移动机器人避障策略51-53
• 3.3.1 机器人运动学模型及参数定义51-53
• 3.3.2 基于B-APF的避障决策设计53
• 3.4 仿真实验与分析53-60
• 3.4.1 静态障碍物环境下的避障53-56
• 3.4.2 静态环境下与常规APF避障效果的对比分析56-58
• 3.4.3 动态障碍物环境下的避障58-60
• 3.5 结论60-62
• 第4章 混合超图与区域化的空间知识表示62-78
• 4.1 引言62
• 4.2 空间知识表示62-63
• 4.3 超图与混合超图63-66
• 4.4 区域化的空间知识模型66-73
• 4.4.1 空间对象的定义66-68
• 4.4.2 基于区域的空间知识模型表示68-70
• 4.4.3 空间对象间邻接关系与判定准则70
• 4.4.4 具有邻接与包含关系的RSK-Model模型的构建70-71
• 4.4.5 基于RCC理论的拓扑关系71-72
• 4.4.6 RSK-Model模型的优势72-73
• 4.5 超边与空间对象间的关系73-75
• 4.5.1 超包含拓扑关系73-74
• 4.5.2 超分离拓扑关系74
• 4.5.3 超外切拓扑关系74
• 4.5.4 超部分重叠拓扑关系74-75
• 4.5.5 超相等拓扑关系75
• 4.6 空间知识表述的应用举例75-76
• 4.7 小结76-78
• 第5章 基于区域空间知识模型的在线快速寻路策略78-98
• 5.1 引言78
• 5.2 问题提出78-79
• 5.3 “由精到粗”的寻路算法及导航机制79-84
• 5.3.1 “由精到粗”路径的描述79-80
• 5.3.2 FTC-A~*算法80-83
• 5.3.3 基于“由精到粗”寻路算法的导航机制83-84
• 5.4 仿真研究84-95
• 5.4.1 仿真平台84-85
• 5.4.2 性能指标85
• 5.4.3 基于FTC-A~*算法的导航过程仿真85-86
• 5.4.4 参数d对规划性能的影响86-89
• 5.4.5 大规模环境下的算法性能比较分析89-91
• 5.4.6 大规模复杂环境下的算法性能比较分析91-93
• 5.4.7 目的地动态更改时的仿真分析93-95
• 5.5 小结95-98
• 第6章 受人类导航机制启发的移动机器人导航系统98-126
• 6.1 引言98-99
• 6.2 定性空间知识表示99-107
• 6.2.1 基于Mereotopology理论的区域间拓扑关系描述99-101
• 6.2.2 基于EMBR模型的区域间方位关系101
• 6.2.3 基于区域方位关系与拓扑关系的混合关系101-102
• 6.2.4 从属约束嵌套图与定性空间知识模型102-105
• 6.2.5 一个家居环境的空间知识描述实例105-107
• 6.3 受人类导航机制启发的机器人导航系统107-117
• 6.3.1 人类导航机制107-109
• 6.3.2 导航系统设计109-117
• 6.3.2.1 系统框架109-111
• 6.3.2.2 自我定位111-112
• 6.3.2.3 自体信息位置估计与非我信息位置校准112-114
• 6.3.2.4 全局路径规划114
• 6.3.2.5 环境感知与局部运动规划114-117
• 6.3.2.6 最近目标生成与执行117
• 6.4 实验分析117-124
• 6.4.1 室内环境下仿真分析117-120
• 6.4.2 室外环境下的实验分析120-124
• 6.5 小结124-126
• 第7章 总结与展望126-130
• 7.1 本文工作总结126-127
• 7.2 工作展望127-130
• 参考文献130-144
• 致谢144-145
• 作者在攻读博士学位期间完成的论文145
• 专利和软件著作权145-146
• 作者在攻读博士学位期间参与的科研项目146

【相似文献】

中国期刊全文数据库 前10条

1 张振喜;焦国太;邓光明;梁聪聪;;室内清洁机器人协作技术研究[J];机械;2010年12期

2 陈阳舟;王文星;代桂平;;基于角度优先的多机器人围捕策略[J];北京工业大学学报;2012年05期

3 蒋新松;国外机器人的发展及我们的对策研究[J];机器人;1987年01期

4 沈慧娟;袖珍机器人别动队[J];国外科技动态;2004年02期

5 孟庆鑫,魏洪兴,王立权,杨青梅,王岚;基于蠕动原理拱泥机器人方案研究[J];中国造船;2001年01期

6 程远;机器人软件编程方法[J];无锡职业技术学院学报;2002年02期

7 孟庆鑫,王茁,王殿君,王立权,屠治国;“穿地龙”机器人总体方案分析与研究[J];哈尔滨工程大学学报;2003年03期

8 丁滢颍;何衍;蒋静坪;;基于个性演化的多机器人自组织[J];模式识别与人工智能;2003年02期

9 张汝波,王兢,孙世良;具有环境自适应能力的多机器人编队系统研究[J];机器人;2004年01期

10 张飞,陈卫东,席裕庚;多机器人协作探索的改进市场法[J];控制与决策;2005年05期

中国重要会议论文全文数据库 前10条

1 石为人;周伟;王楷;苏士娟;;家庭清洁机器人自主充电研究[A];2010中国仪器仪表与测控技术大会论文集[C];2010年

2 李长松;孙国林;韩胜利;;机器人料箱取件形式及控制方法[A];2013中国汽车工程学会年会论文集[C];2013年

3 孟正大;戴先中;;基于神经网络逆系统方法的机器人柔顺性控制[A];江苏省自动化学会七届四次理事会暨2004学术年会青年学者论坛论文集[C];2004年

4 陈天皓;钱成;谈英姿;;类人足球仿真机器人快速起身方法的实现[A];2007年足球机器人大会论文集[C];2007年

5 薛慧婷;罗熊;胡海东;游美玲;邱新涛;;基于颜色特征的漂浮机器人三点定位系统[A];2009年中国智能自动化会议论文集（第五分册）[东南大学学报（增刊）][C];2009年

6 胡海东;赵清杰;;机器人的惯性/视觉组合定位方法[A];2009年中国智能自动化会议论文集（第七分册）[南京理工大学学报（增刊）][C];2009年

7 顾新兴;孙燕朴;冯纯伯;;一种新的双机器人协调路径规划方法[A];1995中国控制与决策学术年会论文集[C];1995年

8 陶军;高翔;周全;李晓亚;;利用自学习算法为机器人选择最优目标点的决策设计[A];马斯特杯2003年中国机器人大赛及研讨会论文集[C];2003年

9 王大川;张辉;季秀才;郑志强;;救援环境下基于激光传感器的机器人环境建图以及自定位[A];2007年足球机器人大会论文集[C];2007年

10 王淑慧;吴立成;袁海文;;一种水上行走机器人的模糊控制[A];2011年中国智能自动化学术会议论文集（第一分册）[C];2011年

中国重要报纸全文数据库 前5条

1 克 军;小小机器人军团[N];大众科技报;2003年

2 张劲　戚峰;变电站的“机器人骨干”[N];中国电力报;2009年

3 本报通讯员 张劲　戚峰;电力机器人的“神通”[N];工人日报;2009年

4 吴鸿;微型机器人引领反恐潮流[N];中国商报;2003年

5 卢家兴;中科院研制出能应付复杂地形的机器人[N];大众科技报;2004年

中国博士学位论文全文数据库 前10条

1 张玉丽;基于虚拟力的多机器人化学源定位研究[D];中国矿业大学;2015年

2 张世隆;抛投机器人翻转越障技术研究[D];北京理工大学;2015年

3 仲朝亮;受生物启发的移动机器人空间认知及其导航[D];华东理工大学;2015年

4 王玲;未知环境中基于相对观测量的多机器人合作定位研究[D];国防科学技术大学;2006年

5 王宏;煤矿机器人激光雷达与惯性传感器导航理论及实验研究[D];中国矿业大学（北京）;2011年

6 李飞;湍动气流主控环境下多机器人气味源定位[D];天津大学;2009年

7 仲宇;分布式强化学习理论及在多机器人中的应用研究[D];哈尔滨工程大学;2003年

8 李吉功;室外时变气流环境下机器人气味源定位[D];天津大学;2010年

9 靳国强;智能服务机器人分层任务规划的非单调理论与实现[D];中国科学技术大学;2012年

10 张栋;基于空中机器人平台的运动目标检测和视觉导航[D];浙江大学;2013年

中国硕士学位论文全文数据库 前10条

1 张帅;服务型机器人设计与前瞻性研究[D];浙江大学;2008年

2 戚树腾;基于激光测距仪的果园移动机器人避障系统研究[D];西北农林科技大学;2015年

3 刘广保;大型复杂曲面的机器人研抛技术研究[D];沈阳理工大学;2015年

4 张贤;基于超声波测距的多机器人室内定位导航研究[D];哈尔滨工业大学;2015年

5 戴腾清;基于PROFIBUS现场总线在机器人冲压自动化线的设计与实现[D];华南理工大学;2015年

6 杨晓晓;室内机器人单目视觉同时定位与地图构建技术研究与实现[D];成都信息工程学院;2014年

7 张志民;自动扶梯梯级机器人去毛刺系统的开发应用[D];同济大学;2006年

8 魏小博;基于蚁群算法的机器人主动嗅觉研究[D];天津大学;2007年

9 尹香花;基于强化学习的多机器人行为式队形控制策略研究[D];吉林大学;2009年

10 张莉莉;多机器人合作定位技术研究[D];中南大学;2009年

，

本文编号：941411