一、自主機器人的系統組成

該圖片由注冊用戶"科技數碼行"提供，版權聲明反饋

1、視覺系統

負(fu)責感知(zhi)球場(chang)上(shang)(shang)的(de)態勢，視覺系統獲(huo)得球場(chang)上(shang)(shang)的(de)實時圖像(xiang)，對圖像(xiang)進行顏色分割(ge)，識別出球場(chang)上(shang)(shang)的(de)各個目標，然后進行距離(li)校正，將結果(guo)發給決策程序。

2、決策系統

接收(shou)視覺(jue)系(xi)(xi)統(tong)的(de)辨(bian)識結果，對球場態勢進行(xing)分析，然后做出合理決策，將命(ming)令(ling)發(fa)送給(gei)底層(ceng)控制系(xi)(xi)統(tong)。

3、底層控制系統

通過串口接收上位(wei)機的(de)命令，控(kong)制(zhi)各輪走行電(dian)機按照指定速度運行，控(kong)制(zhi)彈射(she)和持球電(dian)機，將底層(ceng)傳感器的(de)數據通過串口發送給上位(wei)機 。

4、通信系統

通(tong)過無線(xian)網(wang)絡聯(lian)系場內機器人和場外計算(suan)機，進(jin)行遙控(kong)測(ce)試，參數(shu)設置等(deng)操作(zuo)以及控(kong)制比賽的(de)開始(shi)和終止。

二、自主機器人如何實現學習

絕大(da)多數的基于行為的實現方法都是對(dui)不同的任務進(jin)行手工(gong)編(bian)程的，這需要編(bian)程人(ren)員能(neng)(neng)充分地考慮到各種可能(neng)(neng)出(chu)現的情(qing)況，對(dui)機(ji)器人(ren)與(yu)環境(jing)之間的交互有(you)充分的理解，雖然有(you)些(xie)設計出(chu)的系(xi)統對(dui)于很多任務和環境(jing)而言性(xing)能(neng)(neng)都是魯棒的，但(dan)系(xi)統對(dui)環境(jing)并不具(ju)有(you)適應性(xing)。

人不能(neng)窮盡一(yi)切可能(neng)。機(ji)器人能(neng)否(fou)通過(guo)學習獲得不能(neng)由程序員手工編碼進去的知(zhi)識，比如構建一(yi)個未知(zhi)環境(jing)的地(di)圖，在任(ren)何環境(jing)的性質隨(sui)時間變化的任(ren)務中都是必要的。

當機(ji)器(qi)人(ren)(ren)元件老化后，機(ji)器(qi)人(ren)(ren)的(de)傳感器(qi)和執行機(ji)構的(de)性質是可能(neng)會發生改變的(de)。

機(ji)器(qi)(qi)人(ren)在多機(ji)器(qi)(qi)人(ren)的(de)(de)環(huan)境(jing)中執行,由(you)于需要(yao)對其他機(ji)器(qi)(qi)人(ren)作(zuo)出反應，它(ta)(ta)(ta)(ta)的(de)(de)策(ce)略是需要(yao)改變的(de)(de)。學(xue)習方法(fa)在這些情況(kuang)下(xia)都(dou)能發揮重要(yao)的(de)(de)作(zuo)用。用學(xue)習方法(fa)為(wei)機(ji)器(qi)(qi)人(ren)進行編(bian)程(cheng)，而無須告訴(su)它(ta)(ta)(ta)(ta)怎樣(yang)達(da)到它(ta)(ta)(ta)(ta)的(de)(de)目(mu)(mu)標(biao)，只要(yao)告訴(su)它(ta)(ta)(ta)(ta)目(mu)(mu)標(biao)是什(shen)么，讓它(ta)(ta)(ta)(ta)通(tong)過學(xue)習去滿足這個目(mu)(mu)標(biao)，無疑，這種方法(fa)具有很大的(de)(de)吸(xi)引力。它(ta)(ta)(ta)(ta)是提高機(ji)器(qi)(qi)人(ren)的(de)(de)適(shi)應性，降低編(bian)程(cheng)人(ren)員編(bian)程(cheng)強度的(de)(de)必由(you)之路(lu)。

分類

機器人有不(bu)同層(ceng)次(ci)的(de)(de)(de)行為，它們由(you)不(bu)同層(ceng)次(ci)的(de)(de)(de)信(xin)息(xi)表達所決(jue)定,因此就存在(zai)著不(bu)同類型的(de)(de)(de)學習。Broo ks和Mataric總結出了以下類型的(de)(de)(de)學習：

1、為傳感(gan)設備標定或則參數(shu)調節進行(xing)學習(xi)。這種類型的學習(xi)只在(zai)一個(ge)特定行(xing)為結構中優化操作參數(shu)。

2、學(xue)習真實(shi)世界的知(zhi)識。這種類型的學(xue)習構建與修改機(ji)器人(ren)對(dui)于真實(shi)世界的內部表達，以利于機(ji)器人(ren)作(zuo)出(chu)行為規劃和決策等高層的智能行為。

3、學習(xi)已有行為的(de)協調。這種類(lei)型(xing)的(de)學習(xi)中通過(guo)協調已經存在的(de)行為被觸(chu)發和被執行的(de)順序來改變它們對世界的(de)作用(yong)。

4、學習新的(de)行為(wei)。這種類(lei)型的(de)學習建立新的(de)行為(wei)結構(gou)。

實際問題

機(ji)器(qi)人領域對任(ren)何學習(xi)算(suan)法(fa)而言(yan)都(dou)是(shi)一個(ge)挑戰(zhan)。在構建擁有學習(xi)能力,能自(zi)動進行知識(shi)獲取的(de)(de)自(zi)主機(ji)器(qi)人的(de)(de)過程中(zhong)必須面對許多煩瑣的(de)(de)有關真實世界的(de)(de)問題。

1、傳(chuan)感器噪聲。大多(duo)數(shu)機器人的(de)傳(chuan)感器是(shi)不(bu)可靠的(de)。于(yu)是(shi)由傳(chuan)感器信號得到(dao)的(de)狀(zhuang)態描(miao)述注定是(shi)不(bu)精確的(de)。學習算法必(bi)須(xu)能夠處理噪聲,因(yin)此經(jing)常需(xu)要用統計(ji)平滑技術克(ke)服噪音的(de)影(ying)響。

算(suan)法的易(yi)駕馭性。機器人必須對不可預見的環(huan)境進(jin)行實(shi)時(shi)響應(ying)。因此(ci)學習算(suan)法必須不能(neng)過于復(fu)雜，算(suan)法的每(mei)一次迭代都(dou)必須能(neng)實(shi)時(shi)地完成(cheng)。

2、增(zeng)量式的算法。學習(xi)算法必須(xu)允許(xu)機器人邊學習(xi)邊改善(shan)自(zi)己(ji)的性能(neng)。因(yin)為機器人必須(xu)一(yi)(yi)邊收集經(jing)驗一(yi)(yi)邊進行(xing)學習(xi). 形成經(jing)驗的數據不能(neng)離線獲得。

3、有(you)限的(de)訓練(lian)(lian)時間。機(ji)器(qi)人(ren)的(de)訓練(lian)(lian)時間是非(fei)常有(you)限的(de)。學習(xi)算(suan)法必須在合理的(de)運算(suan)次數中(zhong)收斂，因(yin)為機(ji)器(qi)人(ren)需要完成任務，在真(zhen)實的(de)機(ji)器(qi)人(ren)上(shang)進行上(shang)百萬次的(de)動作是極為困難的(de)。

堅實的(de)(de)信(xin)息(xi)來(lai)源。 所有機(ji)(ji)器(qi)(qi)人(ren)可以(yi)獲(huo)得(de)(de)的(de)(de)信(xin)息(xi)都必須(xu)最終(zhong)來(lai)至從它的(de)(de)傳感(gan)器(qi)(qi)抽取得(de)(de)到的(de)(de)信(xin)息(xi)或初(chu)始狀態時(shi)強(qiang)行編碼進去的(de)(de)知識。由(you)(you)于狀態信(xin)息(xi)是(shi)由(you)(you)傳感(gan)器(qi)(qi)數(shu)據計(ji)算得(de)(de)到的(de)(de)，學習算法(fa)必須(xu)能和(he)感(gan)知設備的(de)(de)限(xian)制一起(qi)工作.明顯地(di),能否(fou)解決(jue)以(yi)上提出的(de)(de)一些(xie)問題(ti)決(jue)定了用在真實機(ji)(ji)器(qi)(qi)人(ren)上的(de)(de)學習算法(fa)的(de)(de)成功與否(fou)。

學習方法

在機器人研究(jiu)領域中(zhong)有三種(zhong)主要的(de)(de)(de)學(xue)習(xi)(xi)方法(fa)(fa)變得越(yue)來越(yue)流(liu)行。它們(men)是強化學(xue)習(xi)(xi)( RL) ，進化方法(fa)(fa)( GA和(he)EP)和(he)基于人工神經網絡( ANN )的(de)(de)(de)方法(fa)(fa)。其中(zhong)應用(yong)得最(zui)為(wei)廣(guang)泛(fan)的(de)(de)(de)方法(fa)(fa)是強化學(xue)習(xi)(xi)方法(fa)(fa).在學(xue)習(xi)(xi)新的(de)(de)(de)行為(wei)和(he)學(xue)習(xi)(xi)協調已經存在的(de)(de)(de)行為(wei)兩種(zhong)情況下都可以(yi)(yi)用(yong)到強化學(xue)習(xi)(xi)的(de)(de)(de)方法(fa)(fa)。 強化方法(fa)(fa)是一種(zhong)無監督的(de)(de)(de)學(xue)習(xi)(xi)算法(fa)(fa)，它比較好地符合人們(men)解決(jue)問題的(de)(de)(de)心(xin)理習(xi)(xi)慣，和(he)傳統人工智(zhi)能以(yi)(yi)及優化算法(fa)(fa)聯系緊(jin)密，有普遍適的(de)(de)(de)用(yong)性(xing)，因此(ci)獲得了最(zui)廣(guang)泛(fan)的(de)(de)(de)關注。