机器人技术及其应用第2版 张宪民第8章 机器人的智能化与智能控制

《机器人技术及其应用第2版 张宪民第8章 机器人的智能化与智能控制》由会员分享，可在线阅读，更多相关《机器人技术及其应用第2版 张宪民第8章 机器人的智能化与智能控制（135页珍藏版）》请在金锄头文库上搜索。

1、,主编 张宪民,机器人技术及其应用,Theory and Application of Robotics,机器人的智能化与智能控制,第八章,1,概述,概述,机器人可分为一般机器人和智能机器人。一般机器人是指不具有智能， 只具有一般编程能力和操作功能的机器人。到目前为止， 智能机器人还没有一个确切的定义， 但是大多数专家认为智能机器人应该具备以下四种机能： 运动机能， 用来施加于外部环境的相当于人的手、脚的动作机能； 感知机能， 用来获取外部环境信息以便进行自我行动监视的机能； 思维机能， 用来求解问题实现认识、推理、判断的机能； 人机通信机能， 用来理解指令、输出内部状态， 与人进行信息交换的

2、机能。 我们知道， 视觉、触觉、听觉、嗅觉等对人类是极其重要的， 因为这些感觉器官对我们适应周围的环境变化起着至关重要的作用。同样地， 对于智能机器人来说， 类似的传感器也是十分重要的。形形色色的内部信息传感器和外部信息传感器已经应用到智能机器人上， 使其具备上述的四种机能。近年来， 随着传感器技术和人工智能技术的不断发展， 智能机器人得到了十足的发展。智能机器人是工业机器人从无智能发展到有智能、从低智能水平发展到高度智能化的产物。,概述,在智能机器人的研究中， 许多内容和人工智能（ ） 所研究的一致。实际上智能机器人与人工智能息息相关， 人工智能是智能机器人的核心。长期以来，人工智能领域的研

3、究一直把机器人作为研究人工智能理论的载体， 将智能机器人看作是一个纯软件的系统。但是， 从智能机器人的基本功能可知， 智能机器人并不是单纯的软件体。作为智能机器人， 它必须具有思维和决策能力， 而不是简单地由人以某种方式来命令它干什么就会干什么。它还必须具有自身学习问题、解决问题， 并根据具体情况进行思维决策的能力。因此， 智能机器人是具有可以自主完成作业的结构和驱动装置， 它应该是软件、硬件和本体组成的一个统一体。,概述,人类社会和生产对智能机器人有着强烈的需求， 人类需要这种智能机器人去拓宽生产和活动领域， 要它们去深水、地下、太空、核电站等恶劣环境中， 希望机器人能够取代人们完成一些危险

4、的工作。同时也期待智能机器人在工业、农业和服务业中逐步把人解放出来， 提高生产率。智能机器人的广泛应用， 将会使人类从“人机器人自然界”的生产模式过渡到“人机器人机器自然界” 的生产模式。,概述,人类社会对智能机器人的要求既是切实的， 也是实际的， 不断发展的。早期的机器人并没有智能， 如点焊机器人、弧焊机器人、喷涂机器人等， 它们被广泛地应用于工业领域并取得极大的成功。但随着机器人应用领域的推广， 从传统的工业应用扩展到家政服务、医疗护理、救援救灾、国防军事等领域， 对机器人的智能性提出了更多的要求，如对周围环境的感知和适应， 对工件状态的感知等。为了使机器人具有更多的智能， 能够适应更多的

5、工作环境， 许多科研工作者对智能机器人进行了大量的研究， 并取得了大量的成果。美国国防部高级计划研究所（ ） 举行的机器人挑战赛（ ） 每年都吸引了世界上顶尖的智能机器人参赛， 促进了智能机器人的发展。,概述,科学家们认为， 智能机器人的研发方向是给机器人装上“大脑芯片”， 从而使其智能性更强， 在认知学习、自动组织、对模糊信息的综合处理等方面前进一大步。虽然有人表示担忧： 这种装有“大脑芯片” 的智能机器人将来是否会在智能上超越人类， 甚至会对人类造成威胁？ 但不少科学家认为， 这类担心是完全没有必要的。就智能而言， 目前机器人的智商相当于 岁儿童的智商， 而机器人的“常识” 比起正常成年人

6、就差得更远了。美国科学家罗伯特斯隆教授日前说： “我们距离能够以 岁儿童的能力回答复杂问题的、具有常识的人工智能程序仍然很遥远。” 日本科学家广濑茂男教授也认为： 即使机器人将来具有常识并能进行自我复制， 也不可能对人类造成威胁。值得一提的是， 中国科学家周海中教授在 年发表的论机器人一文中指出： 机器人并非无所不能， 它在工作强度、运算速度和记忆功能方面可以超越人类， 但在意识、推理等方面不可能超越人类。另外， 机器人会越来越“聪明”， 但只能按照制订的原则纲领行动， 服务人类、造福人类。,概述,那么， 什么是机器人的智能化？ 如何实现机器人的智能化呢？ 机器人学界给出了一个定位， 如图8-

7、1所示。机器人的智能化主要体现在机器人的运动规划和智能控制上。机器人的运动规划就是从机器人、障碍物、作业对象物的形状和机构中去掉不可能实现的路径、动作， 并选择最佳（一般为最短且无障碍物） 的路径和动作。智能控制就是施行包括机器人动力学的控制， 不仅决定位置， 而且也决定速度和加速度的时间序列， 并考虑摩擦和碰撞一类的不确定因素的控制。 基于上述的定义， 智能机器人要能够感知环境， 学习、推理和判断， 并自主做出动作响应。随着智能机器人应用的扩大， 它的研究将会不断深入， 对人类社会的贡献也将不断增加。本章将从智能机器人的运动规划、智能控制基础、智能控制方法和机器人学习等方面介绍机器人的智能化

8、与智能控制。,概述,图8-1 机器人智能化的定位,2,机器人运动规划,机器人运动规划,机器人的一个基本任务就是在一些静态障碍物中规划一条最短无碰撞的路径。虽然几何路径规划相对简单， 但是它却是一个计算较难的问题。而且， 实际的机器人受到机械和传感的限制， 如不确定性、反馈、微分约束等， 使机器人的路径规划变得更加困难。这一节将介绍机器人路径规划的基本概念、主要方法以及一些最新研究成果。,机器人运动规划,机器人路径规划就是在机器人的位形空间（ ， ） 中找到一条无碰撞的路径使机器人从初始位姿运动到目标位资。位形空间也称为关节空间（ ）， 它是和机器人工作空间（） 相对应的。由机器人运动学（）和逆

9、运动学（ ） 建立机器人工作空间与位姿空间的对应关系。影响机器人路径规划的因素主要是机器人的自由度数和地图的有无。机器人的自由度数将影响机器人位形空间的大小， 从而影响路径搜索空间的大小； 而地图的有无将影响路径规划的方法。,机器人运动规划,一般来说， 有地图时的路径规划称为基于模型的路径规划（ ）， 无地图时的路径规划称为基于传感器的路径规划（ ）。这是因为地图一般是根据机器人和障碍物的模型做成的。基于模型的路径规划在机器人开始动作之前就完成了路径规划， 机器人沿着其路径运动。因此， 基于模型的路径规划也称为离线路径规划。相对地， 没有地图时的路径规划， 机器人用外部传感器（视觉、触觉等）

10、实时获得障碍物的信息， 并进行避让， 从而达到目标位姿。因此， 基于传感器的路径规划也称为在线路径规划。,机器人运动规划,前面已介绍过， 在工作空间中机器人与障碍物发生碰撞的领域， 在位姿空间中也形成障碍物。这种位姿空间的障碍物形状复杂， 不能用简单的函数来表示。因此， 通常把位姿空间进行细化分割， 用单元的集合来表示。这样位姿空间就由具有两种属性的单元（有障碍物的单元与无障碍物的单元） 组成。可以将这些单元的组成用图来表示， 这样就可以用图的数据结构来表示机器人路径规划的地图。所谓的图就是用弧连接节点的数据结构， 节点表示机器人的位姿， 弧表示两个位姿间的移动。在图中找出从初始位姿到目标位姿

11、之间的最佳（取决于目标函数的设定） 路径就是机器人的路径规划。,机器人运动规划,机器人路径规划中常用的图有切线图（ ） 和 图（ ）。切线图是管理从起始节点 到目标节点 的最短路径， 而 图是连接这些节点的安全路径，即管理尽量离开障碍物的路径。切线图侧重于寻找最短路径， 而 图侧重于寻找安全回避障碍物的路径。在确定选用哪种图来描述地图时， 还需要使用合适的路径搜索算法来获得最佳路径。,机器人运动规划,切线图用障碍物的切线来表示弧， 由此可选择从起始节点 到目标节点 的最佳（最短） 路径， 如图 所示。这种图是把障碍物之间的切线图形化后获得的。所以用节点表示切点， 用弧表示连接两切点的路径， 同

12、时， 可以把弧上两端点之间的欧几里得距离作为目标函数值（如能量、费用等）。这种路径规划首先把对应起始点 和目标点 的两个节点 和 标注在新的切线图上； 然后用搜索算法找出最佳（最短） 路径； 最后， 使点机器人 （一般可以把机器人抽象为一个点） 沿着路径 进行 （） 控制和 （ ）控制。由于机器人运动的路径是沿着障碍物的切线， 如果在机器人的运动控制过程中产生位置误差， 那么机器人碰撞到障碍物的可能性会很高。,. 切线图,机器人运动规划,图8-2 切线图,机器人运动规划,图用尽可能远离障碍物的路径来表示弧， 使机器人在远离障碍物的路径上运动， 从而保证机器人能安全地避开障碍物，如图 所示。 图

13、用弧表示距两个以上障碍物表面等距离的点阵， 用节点表示它们的交叉位置。这样， 可以用连接节点点阵的欧几里得距离来评价弧的长度。基于 图获得的机器人路径由于是远离障碍物的， 即使在机器人的运动控制过程中产生位置误差， 机器人碰撞到障碍物的可能性也会很低。但是， 获得的机器人路径就不一定是最短的。这种路径规划也是首先把对应起始点 和目标点 的两个节点 和 标注在新的切线图上； 然后用搜索算法找出最佳（最短） 路径； 最后， 使点机器人 （一般可以把机器人抽象为一个点） 沿着路径 进行 （） 控制和 （ ） 控制。,. Voronoi 图,机器人运动规划,图8-3 图,机器人运动规划,无论是哪一种图

14、都是由节点和弧构成的， 用节点表示起始点、经过点、目标点； 用无向弧表示节点之间的路径； 并用节点间的欧几里得距离表示节点间的长度。无论哪个图， 都需要用搜索算法来找出最佳路径。,. 路径搜索算法,机器人运动规划,机器人路径搜索算法有很多， 大量研究者在这方面也做了很多的创新与应用。大体上， 搜索算法可以分为单点搜索算法和群体搜索算法。单点搜索算法就是每一次迭代过程中只有一个解被找到， 最优解随着算法的收敛而被找到。该方法原理简单、容易实现， 但是也容易陷入局部最优解。群体搜索算法则是受自然界动植物的群体活动的启发， 在每一次迭代过程中有一组解被找到， 然后从找到的这组解中选取最优的解作为当前

15、迭代中的最好解， 全局最优解也将随着算法的收敛而被找到。群体搜索算法的计算量比较大， 但是相对容易跳出局部最优解， 有利于全局最优解的搜索。常用的单点搜索算法有贪婪算法、爬山算法、模拟退火算法等。常用的群体搜索算法有遗传算法、粒子群优化算法、蚁群算法等。目前， 也有很多学者对搜索算法进行了改进， 提高其收敛性和收敛速度。,机器人运动规划,基于传感器的机器人路径规划是在没有事先建立地图的情况下， 机器人利用外部传感器得到一边回避障碍物一边到达目的地的路径。目前， 在机器人路径规划中应用最多的传感器是视觉传感器。基于视觉传感器进行机器人路径规划就是通过视觉传感器获取环境信息， 从而构建地图和选取路径。机器人构建地图的过程就是机器人根据感知到的环境信息， 对其活动场所建模的过程。,机器人运动规划,目前， 基于视觉传感器构建的地图的形式主要有以下三种： 几何特征地图、拓扑地图和栅格地图。几何特征地图是从环境感知信息中提取相对抽