《仿生机器人学概论报告》由会员分享，可在线阅读，更多相关《仿生机器人学概论报告（6页珍藏版）》请在金锄头文库上搜索。
1、仿生机器人学概论报告基于仿生的多机器人系统浅析- 0 -摘 要：仿生机器人和多机器人协作系统都是近年来机器人研究的热点，具有良好的应用前景。本文分析了多机器人系统的研究现状与常见体系结构，介绍了在多机器人系统中仿生学原理的应用。关键词：多机器人 仿生1 研究背景和意义随着科技的发展，人类活动所涉及的范围已经极大地扩展，某些恶劣的环境对活动人员的安全也造成了极大的威胁，需要相应的可以代替人类执行任务的机器人。同时，新的需求和任务也对机器人的性能提出了更高的要求。而大自然在几十亿的时间里选择造就的生物体的运动机构和运动模式为机器人发展带来了取之不尽的知识源泉。1960 年，美国科学家 Steel
2、J E 经过长期的观察研究，创立了仿生学。仿生学在机器人科学中的应用，推动了机器人的适应能力向非结构化、未知的环境方向发展。多机器人技术(Multiple Robotics)是机器人技术发展的一个新方向，开始于20 世纪 70 年代。单机器人作为一个独立的个体，在信息的获取、处理和执行能力等方面都是有限的，对复杂多变的工作任务和工作环境，单机器人的能力尤显不足。而可以通过多个机器人组成的群体经协调、协作来完成单机器人无法或难以完成的工作。群体机器人系统比单机器人系统具有更强的优越性，主要表现在以下几个方面：(1)相互协调的 n 个机器人系统的能力可以远大于一个单机器人系统的 n 倍，通过共享资
3、源( 信息、知识等)可以弥补单机器人能力的不足，完成单机器人系统无法完成的复杂任务；(2)设计和制造多个简单机器人比单个复杂机器人更容易、成本更低；(3)使用群体机器入系统可以大大节约时间，提高效率；(4)群体机器人系统的平行性和冗余性可以提高系统的柔性和鲁棒性等。而在自然中，蚂蚁、蜜蜂、鱼群、狼群等营群体生活的动物的行为为我们提供了很好的研究方向与启示。在这些动物群体中，单个个体的力量往往是很微弱的，但成千上万的这样微小的个体最终却形成了令人无法忽视的力量，创造出复杂而庞大的蚁穴、蜂巢等工程。生物群体中的信息交流方式和其协作管理模式等都是多机器人系统的发展中可以借鉴的部分，通过在多机器人系统
4、中应用仿生学原理一定能使之获得更加卓越的进步。2 国内外研究现状经过二十几年的发展，群体机器人系统的研究己在理论和实践方面取得很大的进展，已出现了多机器人仿真系统和实验系统。目前，国内关于群体机器人系统的研究刚刚起步，而国外的研究则比较活跃。关于多机器人协作系统的研究可以追溯到上个世纪四十年代。1940 年 Grey Walter 、Wiener 和 Shannon 研制了一种形状类似于乌龟的机器人，机器人上装有光学传感器和触觉传感器，这种简单的机器人可以通过彼此之间的交互来演示“复杂的社会行为” 。80 年代末期建立世界上首个基于多智能体的多机器- 1 -人系统( cellular robo
5、tic system，CEBOT)。美国国防高级研究计划局( defense advanced research projects agency, DARPA)、美国海军和能源部都对多机器人系统的研究进行了大力资助, 美国宇航局和空军也将多机器人的编队控制技术确定为 21 世纪的关键技术。美军资助的多机器人研究项目就包括 UGV Demo/II/C、CENTIBOTS、Swarm Bot、Super Bot、HUNT(heterogeneous unmanned networked teams)等。欧盟专门设立了一个进行多机器人系统研究的 MARTHA 课题“用于搬运的多自主机器人系统(mul
6、tiple autonomous robots system for transport and handing application)”。日本对群体机器人系统的研究开展得比较早，著名的研究有 ACTRESS 系统和 CEBOT系统，日产公司利用鱼类仿生技术开发的多机器人系统 EPORO等。作为一个卓有成效的实例，在 2004 年 1 月 20 日，研究人员在 AP希尔堡（弗吉尼亚州弗雷德里克斯堡市附近的一个训练中心）放出由 66 个小型机器人组成的群体，进入一座空荡荡的办公楼，并成功完成了找到楼中隐藏的六个物体的任务。 这次演习是“CENTIBOTS”项目的一部分。此项目旨在考察能否让多达
7、 100 个机器人互相协作。美国国防高等研究计划署（DARPA）等军事机构出资支持的许多其他机器人技术研发项目，例如采用协作性的直升飞机及固定翼飞机群，鱼雷状水下滑行艇群，以及无人驾驶的地面车队等也都取得了令人瞩目的成绩。 相对于国外，我国对于群体机器人的研究起步较晚，但发展很快。上海交通大学，中国科学院，哈尔滨工业大学机器人研究所，中南大学，东北大学等已先后开发出各种形式的群体机器人系统，并在国际多机器人足球赛上屡创佳绩。3 机器人群体的体系结构由于多机器人系统中协作式行为的产生必然依赖于一定的体系结构，所以关于多机器人系统的体系结构的研究始终是一个基础的问题。根据协作机制不同，多机器人协作
8、包括 2 类：无意识协作和有意识协作。无意识协作多出现在简单同构的多机器人系统中，个体功能简单，数量众多；主要利用突现原理获得高层的协作行为，控制器设计简单，系统鲁棒性好，但因无全局目标，系统性能难于控制；这种协作适合于大空间、无时间要求的重复性操作任务，如清扫、采集等。而有意识的协作主要用于异构机器人协作技术的研究，系统规模较小，个体智能水平较高；拥有全局目标，系统性能易于掌握, 可以获得更优化的解；并更多地依赖于规划来提高协作效率，因此对通信要求较高；对协调控制机制依赖性较大，适合于其他复杂的任务。在自然界的生物群体中也主要存在着这两种协作方式。McFarland 区分了自然界中这两种显著
9、不同的群体行为类型，一种叫做“完全社会性行为”(eusocial behavior)，另一种则是“协作式行为”(cooperative behavior )。 “完全社会性行为”常见于很多昆虫群体中（例如蜜蜂和蚂蚁） 。在完全社会性行为中，群体中的单个成员并不具备很强的能力，因此它们必须彼此协作才能生存下去。而当它们彼此进行交互时，整个群体则呈现出一种智能行为。而“协作式行为”则常见于高等动物群体中（例如脊椎动物） 。与“完全社会性行为”不同，协作式行为并不是由天生的行为而激发的，而是为了使个体利益最大化而有意识的- 2 -进行的协作。无意识协作多机器人系统主要仿生社会性生物群落(蚁群、蜂群等
10、)的运行机制，利用大量简单、无意识的自主个体，通过局部交互和自组织作用，使整个系统呈现协调、有序的状态，并最终达到较高的集群智能。正如宾夕法尼亚大学的机械工程教授维贾伊库马尔所说：“观察生物界中数目庞大的群体，很难发现哪一个有中心角色。一切都是高度分散的：成员并不都参与交流，根据本地信息采取行动；它们都是无名的，不必在乎谁去完成任务，只要有人完成就行。要从单个机器人发展到多个机器人合作，这三个思路必不可少。 ”有意识协作多机器人系统主要仿生高等动物群体中(狼群、狮群等)的运作管理机制，通过整个群体的统一目标而执行的个体任务分配与规划而达到最大效率。这种方式理论上能获得更高的效率，但其在群体中个
11、体数目增加时，整体的控制与规划将变得非常困难，甚至有可能因为环境情况超过控制条件而使整体效率降低甚至不能完成任务。布鲁塞尔的马尔科多里戈的一个小组主持的一个欧洲研究项目致力于创造的“拟群”就采取了类似的组织策略，他们制造了一组能力互补、互相合作的机器人：能在地面运输物体的“步行人” ，能翻墙上壁、操纵物体的“徒手人” ，以及四处飞行、为其他组员提供信息的“明眼人” 。整个群体通过协作获取很高的执行效率。 在研究多机器人系统的体系结构的过程中，从另一方面看也可以将多机器人系统划分为集中式系统或非集中式系统，如果机器人系统是非集中式系统那么还可以将其进一步划分成分布式系统以及分层式系统。集中式体系
12、结构的最大特点在于只有一个控制智能体(control agent )。而对于分布式系统而言，其中的所有机器人智能体从控制角度看都是相互平等的。而分层式体系结构则是在某一局部上是分布式的。在当前的研究中非集中式的系统体系结构占据了主导地位。非集中式系统的行为常常会用术语“自组织”来描述。在多机器人领域中一般认为非集中式体系结构较之集中式体系结构有着很多优点，例如，优良的容错性，天然形成的并行性，高可靠性以及可扩展性。另外，在实践过程中很多机器人系统并不严格的遵从集中式/非集中式这种分类方式。例如很多非集中式系统体系结构中都采用了“领导”( leader )机器人。4 单机控制结构多机器人系统中单
13、个移动机器人的控制体系结构主要可以分为三种：基于功能(Functional )分解的递阶分层控制结构，基于行为(Behavioral) 的移动机器人控制结构以及综合和集成了上述两种结构的混合(Hybrid )结构。传统的功能式控制系统结构源自基于认知的人工智能模型，在这种模型中，智能任务由运行于符号模型之上的推理过程来实现，它强调带有环境模型或地图的中央规划器是其智能不可缺少的组成部份，而且该模型必须是准确的、一致的，因此，传感器信息的校验具有与模型本身同等的重要性。并且传统方法遵循的是一条从感知到动作的串行功能分解控制路线，是一种典型的自顶向下构建系统的方法。根据机器人的行为功能构造的控制体
14、系结构，称为反应式结构。它将机器人行为的感知、规划、任务执行等过程封装成一个行为模块，每一行为实现传感器信息与机器人动作间的一种映射。某一时刻，只有一种行为控制机器人。- 3 -反应式的从下向上的方法改变了机器人的控制策略，它是在最小状态下搜索一系列的可编程的“条件一动作”对。纯粹的反应式系统不使用任何的环境信息内部描述，不执行任何的规划，机器人只是对传感器的信息直接进行反应，从而产生动作。这种控制方法是基于“刺激一反应”( Stimulus 一 Response)的简单生物行为原理。这样就使机器人能够快速地对时变的、非人为构造的环境进行反应。反应式控制系统的局限性就是这样的机器人通常不能保存
15、周围信息，没有记忆功能，没有内部的环境描述，没有实时学习/规划能力，这样的机器人智能性较低。而功能式控制系统的适应性差，反应速度慢。混合式控制系统的目标就是有效地把古典的慎思型控制和反应式控制的优点结合在一起。这也是模仿了自然界中较高等的生物个体控制方法。在混合的慎思/反应式控制结构中，反应层作为一个基础层受控于规划器或者序列发生器，从而给机器人提供了更为复杂的导航能力。在混合式系统中，所有的行为可以有激活和不激活两种状态，组合后使机器人完成较为复杂的任务。根据 Maja Mataric 的理论，其于行为机器人 (BBR)建立了人工智能、工程和认知科学之间的桥梁。基于行为的方法是设计自主智能体
16、和机器人的方法论，是智能体结构的一种形式。正是这种结构提供了框架并且施加了某些约束，从而使机器人的控制问题得以解决。基于行为的方法论利用了一种普遍的、生物学上的灵感，从下而上的哲学体系，并且允许了在解释、描述上的一定的自由。基于行为的方法论的目标就是发展控制智能系统(通常是指机器人系统，也包括一些仿真机器人和其他的自主的软件智能体)的方法，使用机器人来构造模型从而更好的理解生物系统(通常是指动物，从昆虫到人类)。5 结论与展望在多机器人系统中充分利用自然中已有的生物群体协作案例，将其控制核心思想加以提取利用，并在实验中取得了很好的效果。但目前世界上对多机器人系统的研究大都还处于实验阶段，很多基本理论还没有得到很好地解决，已有的机器人系统与自然界的生物群体相比仍有很大的差距。多机器人系统的研究是机器人技术发展的必然，代表了机器人发展的明天，也将随着机器人应用领域的越来越广泛而迅速发展。我国目前对多机器人协调的研究仍落后于美、日等发达国家，有待于相关研究人员的努力。参考文献：1 吴军，徐昕，连传强，贺汉根. 协作多机器人
