模糊方法和Markov模型在四足機(jī)器人決策系統(tǒng)中的應(yīng)用.pdf

1、決策是當(dāng)前人工智能和機(jī)器人領(lǐng)域的關(guān)鍵問題，它的涵義十分廣泛，從邏輯推理、專家系統(tǒng)到多主體協(xié)作、多主體對策、實時規(guī)劃、機(jī)器學(xué)習(xí)等各種領(lǐng)域，都屬于或涉及到智能決策的問題。而作為人工智能的載體——機(jī)器人，其智能決策的研究也代表著將來的發(fā)展方向，有著重要的實際意義。 隨著機(jī)器人傳感器技術(shù)、計算能力、控制技術(shù)等的不斷進(jìn)步，機(jī)器人特別是機(jī)器人團(tuán)隊的決策問題越來越成為一個熱點(diǎn)問題。機(jī)器人的團(tuán)隊決策問題經(jīng)歷了從無到有、從簡單到復(fù)雜的演變?，F(xiàn)在，

2、在實體機(jī)器人領(lǐng)域，有關(guān)機(jī)器人團(tuán)隊決策問題主要集中在三個方面：機(jī)器人足球團(tuán)隊對策、機(jī)器人隊形控制和機(jī)器人合作追捕。這三個方面要解決的問題互不相同，但都有其共性，那就是對團(tuán)隊合作的初級階段——隊形的優(yōu)解的研究和探索。 目前對于實體機(jī)器人團(tuán)隊隊形的生成方面主要有三種方法：個體基于角色的站位的方法<'[1]>，整體基于隊形選擇的方法<'[2]>和角色基于目標(biāo)的站位方法<'[3]>。這些方法從不同的角度提供了對隊形的靜態(tài)選擇，但是不能夠靈

3、活的適應(yīng)多變的環(huán)境。在實體機(jī)器人團(tuán)隊隊形控制方面的主要研究角度是維持隊形，主要方法是通過leader-follower方法或其他如virtual structure的方法維持隊形的不變。但對于在動態(tài)環(huán)境中越來越重要的隊形切換方面的研究很少，一般采用人工勢場的方法進(jìn)行隊形切換，這種方法沒有綜合考慮環(huán)境的動態(tài)性，并且存在著人工勢場的一些固有弊病如死鎖等問題。 本文以四足機(jī)器人足球項目為基礎(chǔ)，在隊形的動態(tài)選取、隊形的動態(tài)切換以及機(jī)器人

4、避障跑位方面分別提出了新的方法和應(yīng)用。在隊形的動態(tài)選取方面，首先采用了擴(kuò)展的卡爾曼濾波的方法對于目標(biāo)的速度和運(yùn)動方向的獲取進(jìn)行優(yōu)化，然后應(yīng)用到預(yù)測模型中，實現(xiàn)了基于預(yù)測的隊形選取策略；然后采用模糊綜合評判的策略，融入了隊伍意向的概念，進(jìn)一步豐富了隊形的選取，并且使其動態(tài)化，對動態(tài)環(huán)境具有較強(qiáng)的適應(yīng)力。在隊形的動態(tài)切換方面，采用了MDP的方法，對隊形切換過程中遇到的障礙物阻攔等情況做了全面的考慮，實現(xiàn)了隊形切換策略的動態(tài)化，并且使用動態(tài)規(guī)

5、劃的方法減少額MDP求解中的迭代運(yùn)算，使得隊形切換實時性得到提高。在機(jī)器人避障跑位方面，提出新的多目標(biāo)的理念，將機(jī)器人避障跑位中遇到的限制作為目標(biāo)，在強(qiáng)化學(xué)習(xí)的基礎(chǔ)上利用模糊多目標(biāo)決策的方法，加快了強(qiáng)化學(xué)習(xí)的學(xué)習(xí)速度，并且獲得了更優(yōu)解。 本文在四足機(jī)器人平臺上設(shè)計了數(shù)個實驗，分別針對基于預(yù)測的隊形選取、隊伍意向的融入、基于MDP的隊形切換和基于模糊多目標(biāo)決策的機(jī)器人避障跑位四個問題進(jìn)行了測試，實驗的結(jié)果表明，本文所提到的方法，能