基于分布式機(jī)器人體系結(jié)構(gòu)的逆向增強(qiáng)學(xué)習(xí)技術(shù).pdf

1、地面自主移動(dòng)機(jī)器人技術(shù)是人工智能理論研究的重點(diǎn)之一。為了實(shí)現(xiàn)移動(dòng)機(jī)器人在實(shí)際環(huán)境中完成地面自主導(dǎo)航任務(wù)，其使用的體系結(jié)構(gòu)需要把各個(gè)功能模塊有機(jī)地結(jié)合起來，常用模塊有感知、融合、規(guī)劃、決策、行動(dòng)等。而且隨著技術(shù)的不斷進(jìn)步，地面自主移動(dòng)機(jī)器人的體系結(jié)構(gòu)也在不斷改進(jìn)。近年來，分布式控制體系結(jié)構(gòu)因?yàn)槠鋬?yōu)良的適應(yīng)性和魯棒性成為機(jī)器人控制體系結(jié)構(gòu)中很受重視的研究熱點(diǎn)?；谏鲜隼碛桑疚闹攸c(diǎn)研究了分布式控制體系結(jié)構(gòu)并在項(xiàng)目中的自主車輛中實(shí)現(xiàn)了應(yīng)用。<

2、br>　　 論文首先調(diào)研了地面自主移動(dòng)機(jī)器人技術(shù)的發(fā)展，并根據(jù)國內(nèi)外的研究現(xiàn)狀，對(duì)地面自主移動(dòng)機(jī)器人中用到的體系結(jié)構(gòu)進(jìn)行了分析和探討。在上述分析探討的基礎(chǔ)上，本文設(shè)計(jì)并實(shí)現(xiàn)了一個(gè)分布式的地面自主移動(dòng)機(jī)器人控制體系結(jié)構(gòu)。在該體系結(jié)構(gòu)中，各個(gè)功能模塊被建模為對(duì)應(yīng)的智能體，并將智能體分為感知、決策、動(dòng)作三種類型。系統(tǒng)中的各個(gè)智能體分布運(yùn)行于系統(tǒng)中不同的計(jì)算機(jī)，并通過消息傳遞支撐平臺(tái)進(jìn)行數(shù)據(jù)交換，實(shí)現(xiàn)協(xié)作。每個(gè)智能體具有獨(dú)立的數(shù)據(jù)處理能力，各

3、個(gè)智能體可以根據(jù)任務(wù)目標(biāo)和環(huán)境的需求組成對(duì)應(yīng)的異步流水線，實(shí)現(xiàn)機(jī)器人系統(tǒng)高效的運(yùn)行。各種環(huán)境的實(shí)際運(yùn)行實(shí)驗(yàn)驗(yàn)證了分布式機(jī)器人控制體系結(jié)構(gòu)良好的適應(yīng)性和魯棒性。
　　 然后，本文結(jié)合機(jī)器學(xué)習(xí)算法中的增強(qiáng)學(xué)習(xí)和逆增強(qiáng)學(xué)習(xí)，在上述分布式機(jī)器人體系結(jié)構(gòu)中實(shí)現(xiàn)了策略生成的學(xué)習(xí)架構(gòu)。該學(xué)習(xí)架構(gòu)采用逆向增強(qiáng)學(xué)習(xí)估計(jì)示教的回報(bào)函數(shù)。估計(jì)得到的回報(bào)被用來進(jìn)行增強(qiáng)學(xué)習(xí)，從而求解出回報(bào)對(duì)應(yīng)的最優(yōu)策略。仿真實(shí)驗(yàn)表明，該體系結(jié)構(gòu)可以生成較好的策略。