模糊方法和Markov模型在四足機器人決策系統中的應用.pdf

1、決策是當前人工智能和機器人領域的關鍵問題，它的涵義十分廣泛，從邏輯推理、專家系統到多主體協作、多主體對策、實時規(guī)劃、機器學習等各種領域，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。 隨著機器人傳感器技術、計算能力、控制技術等的不斷進步，機器人特別是機器人團隊的決策問題越來越成為一個熱點問題。機器人的團隊決策問題經歷了從無到有、從簡單到復雜的演變?，F在，

2、在實體機器人領域，有關機器人團隊決策問題主要集中在三個方面：機器人足球團隊對策、機器人隊形控制和機器人合作追捕。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。 目前對于實體機器人團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、活的適應多變的環(huán)境。在實體機器人團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。 本文以四足機器人足球項目為基礎，在隊形的動態(tài)選取、隊形的動態(tài)切換以及機器人

4、避障跑位方面分別提出了新的方法和應用。在隊形的動態(tài)選取方面，首先采用了擴展的卡爾曼濾波的方法對于目標的速度和運動方向的獲取進行優(yōu)化，然后應用到預測模型中，實現了基于預測的隊形選取策略；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)境具有較強的適應力。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求解中的迭代運算，使得隊形切換實時性得到提高。在機器人避障跑位方面，提出新的多目標的理念，將機器人避障跑位中遇到的限制作為目標，在強化學習的基礎上利用模糊多目標決策的方法，加快了強化學習的學習速度，并且獲得了更優(yōu)解。 本文在四足機器人平臺上設計了數個實驗，分別針對基于預測的隊形選取、隊伍意向的融入、基于MDP的隊形切換和基于模糊多目標決策的機器人避障跑位四個問題進行了測試，實驗的結果表明，本文所提到的方法，能