具有感知和認(rèn)知能力的智能機(jī)器人若干問題的研究.pdf

1、智能機(jī)器人的研究是計(jì)算機(jī)科學(xué)、信息學(xué)、機(jī)械運(yùn)動(dòng)和動(dòng)力學(xué)、控制理論等領(lǐng)域的交叉學(xué)科。雖然，機(jī)器人已在工業(yè)上應(yīng)用，但是現(xiàn)有的機(jī)器人在智能化方面與人腦的智力相差甚遠(yuǎn)，在實(shí)際應(yīng)用中還有很多問題沒有解決。 本文針對(duì)智能機(jī)器人中幾個(gè)熱點(diǎn)問題進(jìn)行了研究。尤其是模仿人腦的感知、認(rèn)知和發(fā)育方面的研究工作是近年來才被提出的。本文的主要工作是： 1)對(duì)帶有激光傳感器的移動(dòng)智能機(jī)器人的自主導(dǎo)航、定位和地圖建模算法的研究；2)基于最新的自主心智發(fā)育思想的

2、智能機(jī)器人認(rèn)知模塊的研究；3)模擬生物視覺神經(jīng)系統(tǒng)的感知模塊的研究。在這些工作中，我們不但在現(xiàn)有的智能機(jī)器人研究方法的基礎(chǔ)上，對(duì)傳統(tǒng)的移動(dòng)機(jī)器人導(dǎo)航方法進(jìn)行了改進(jìn)，還借鑒了一些最新的研究思路——如自主心智發(fā)育、模擬生物神經(jīng)系統(tǒng)——的優(yōu)點(diǎn)，針對(duì)智能機(jī)器人的感知能力和認(rèn)知能力的增強(qiáng)問題，提出了一些比較具有獨(dú)創(chuàng)性和創(chuàng)新性模型和算法。具體的工作按照時(shí)間先后順序排列如下： 在移動(dòng)機(jī)器人的自主導(dǎo)航上，針對(duì)現(xiàn)有的未知環(huán)境下的自主導(dǎo)航容易出現(xiàn)局

3、部極小問題和室內(nèi)未知環(huán)境的機(jī)器人定位和自主建地圖的精度和速度問題：(1)提出了行為信息場的新概念，并給出了基于行為信息場的懲罰函數(shù)，并把它加入目標(biāo)函數(shù)中進(jìn)行動(dòng)作選擇，從而實(shí)現(xiàn)移動(dòng)機(jī)器人在未知環(huán)境下的自主導(dǎo)航，解決了傳統(tǒng)的人工勢場法中的局部最小和窄道盲視問題。(2)在移動(dòng)機(jī)器人的定位和自主地圖建模上，對(duì)傳統(tǒng)的基于邊匹配的室內(nèi)SLAM算法進(jìn)行改進(jìn)，提出了基于距離的兩次數(shù)據(jù)分類方法和頂點(diǎn)定位法，實(shí)現(xiàn)在未知環(huán)境下的自主定位和地圖建模，在精度和速

4、度上都有比傳統(tǒng)的邊匹配法有明顯的提高。 在智能機(jī)器人的認(rèn)知模塊的研究上，針對(duì)最新的自主心智發(fā)育的思想和基于該思想的．HDR算法中，存在的識(shí)別率和建樹合理性的問題，對(duì)原有的HDR分類識(shí)別算法進(jìn)行了改造，(1)提出了基于有監(jiān)督學(xué)習(xí)的LDA方法的Fisher-HDR分類神經(jīng)網(wǎng)絡(luò)，作為智能機(jī)器人認(rèn)知模塊的新算法，在識(shí)別率和建樹的合理性上比傳統(tǒng)的HDR方法有所提高。(2)提出了一種增量LDA方法來實(shí)現(xiàn)Fisher-HDR對(duì)數(shù)據(jù)的增量學(xué)習(xí)，

5、該方法是建立在雙PCA結(jié)構(gòu)和自然冪迭代PCA算法的基礎(chǔ)上，與其他的增量LDA方法相比，在收斂速度，精度以及計(jì)算時(shí)間上都具有優(yōu)勢。 模擬人腦的結(jié)構(gòu)和功能設(shè)計(jì)出新型的類腦型的智能機(jī)器人是目前人工智能和機(jī)器人領(lǐng)域的一個(gè)新的趨勢?；谶@樣的思路，我們從生物視覺感知模塊的結(jié)構(gòu)和自主發(fā)育算法入手，提出模擬視覺視網(wǎng)膜和視皮層的神經(jīng)網(wǎng)絡(luò)感知模塊，(1)利用視網(wǎng)膜的研究成果，提出了具有多層精細(xì)結(jié)構(gòu)，且具有短時(shí)發(fā)育能力的視網(wǎng)膜計(jì)算模型作為智能機(jī)器人

6、感知模塊的預(yù)處理器。該模型不但在結(jié)構(gòu)和信息處理能力上與人類視網(wǎng)膜非常相似，能根據(jù)環(huán)境自適應(yīng)調(diào)整局部對(duì)比度、視敏度和視銳度，還能模擬在《Nature》雜志上最新發(fā)現(xiàn)的視網(wǎng)膜的動(dòng)態(tài)預(yù)測功能，有利于提高感知模塊對(duì)外界環(huán)境的適應(yīng)性。(2)模擬視初級(jí)皮層的特征抽取的生物事實(shí)，提出了時(shí)空感受野連接權(quán)的發(fā)育算法和模擬視覺初級(jí)皮層中的超功能柱的神經(jīng)簇模型，對(duì)人腦視皮層的細(xì)胞發(fā)育過程進(jìn)行模擬。該模型最大的特點(diǎn)是利用同一個(gè)無監(jiān)督發(fā)育規(guī)則，實(shí)現(xiàn)神經(jīng)元時(shí)間感受

7、野的權(quán)與空間感受野的權(quán)的同時(shí)發(fā)育。該模型也是目前唯一的一個(gè)利用發(fā)育方法生成細(xì)胞時(shí)間感受野權(quán)值的模型。利用該模型可以較好的模擬視皮層方位選擇性細(xì)胞和顏色頡頏細(xì)胞的發(fā)育過程。且發(fā)育出的神經(jīng)簇模型具有很好的特征提取能力。(3)提出了一個(gè)基于側(cè)抑制神經(jīng)網(wǎng)絡(luò)的假設(shè)性模型來解釋視皮層神經(jīng)元時(shí)間感受野形成的內(nèi)部機(jī)制，并給出了數(shù)學(xué)上的推導(dǎo)。(4)利用我們提出的神經(jīng)簇模型，根據(jù)視皮層功能柱結(jié)構(gòu)搭建了一個(gè)大型的多層感知網(wǎng)絡(luò)，并結(jié)合基于新穎性的top-dow