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

負責感知球場上的態勢，視覺系(xi)統(tong)獲得球場上的實時圖像，對(dui)圖像進(jin)行顏色分(fen)割，識別出球場上的各個目標，然后進(jin)行距離校正，將(jiang)結果發給決策程序。

2、決策系統

接收(shou)視(shi)覺系(xi)統的辨識結(jie)果(guo)，對球場態勢(shi)進行(xing)分析，然后(hou)做出合理決策，將命令(ling)發送給(gei)底層控制系(xi)統。

3、底層控制系統

通過串(chuan)口接收上位機(ji)的(de)命令，控制各(ge)輪走行電機(ji)按照(zhao)指定速(su)度運行，控制彈射和持球電機(ji)，將底層(ceng)傳感器(qi)的(de)數據通過串(chuan)口發送(song)給上位機(ji) 。

4、通信系統

通過無線網絡聯系場內機器(qi)人(ren)和場外計(ji)算機，進行(xing)遙控測試，參數設置(zhi)等操作以及(ji)控制比(bi)賽的開始和終止。

二、自主機器人如何實現學習

絕大多(duo)數的基于(yu)行為的實(shi)現方法(fa)都(dou)是對(dui)不同的任(ren)務進行手工編程(cheng)的，這需要編程(cheng)人員能充分地考慮到各種可(ke)能出(chu)現的情況(kuang)，對(dui)機器人與(yu)環境之間的交互有(you)充分的理(li)解，雖然有(you)些設計出(chu)的系(xi)(xi)統對(dui)于(yu)很多(duo)任(ren)務和環境而言性(xing)能都(dou)是魯棒的，但系(xi)(xi)統對(dui)環境并不具有(you)適應性(xing)。

人不能窮盡(jin)一切可能。機器人能否(fou)通過學習獲得不能由程序員手工編(bian)碼進去的(de)知識(shi)，比如構建一個(ge)未(wei)知環境的(de)地(di)圖(tu)，在任(ren)何環境的(de)性質隨時間變化的(de)任(ren)務中都是必(bi)要(yao)的(de)。

當機(ji)器(qi)人(ren)元(yuan)件老化后(hou)，機(ji)器(qi)人(ren)的傳感(gan)器(qi)和(he)執行機(ji)構的性質(zhi)是可能(neng)會發生改變(bian)的。

機(ji)器(qi)(qi)人(ren)在多機(ji)器(qi)(qi)人(ren)的(de)(de)環境中執(zhi)行,由于需要(yao)對(dui)其(qi)他機(ji)器(qi)(qi)人(ren)作(zuo)出反(fan)應，它(ta)(ta)(ta)的(de)(de)策略是需要(yao)改(gai)變的(de)(de)。學習方法(fa)在這些情況下都能(neng)發揮重要(yao)的(de)(de)作(zuo)用(yong)。用(yong)學習方法(fa)為機(ji)器(qi)(qi)人(ren)進行編(bian)程(cheng)(cheng)，而無須告(gao)訴它(ta)(ta)(ta)怎樣達到它(ta)(ta)(ta)的(de)(de)目(mu)標，只要(yao)告(gao)訴它(ta)(ta)(ta)目(mu)標是什么，讓它(ta)(ta)(ta)通過學習去滿足這個目(mu)標，無疑，這種方法(fa)具有(you)很大的(de)(de)吸(xi)引力。它(ta)(ta)(ta)是提高機(ji)器(qi)(qi)人(ren)的(de)(de)適應性，降(jiang)低編(bian)程(cheng)(cheng)人(ren)員編(bian)程(cheng)(cheng)強度的(de)(de)必由之路。

分類

機器(qi)人(ren)有不(bu)同層次的行為，它們由不(bu)同層次的信息表達(da)所決定,因(yin)此就存在著不(bu)同類(lei)型(xing)的學習。Broo ks和(he)Mataric總結出了以下類(lei)型(xing)的學習：

1、為傳(chuan)感(gan)設備標(biao)定或則(ze)參數調節進行學習(xi)。這種類型的學習(xi)只在一個特(te)定行為結(jie)構中優化(hua)操作參數。

2、學習(xi)真(zhen)實世界的知識。這種類(lei)型(xing)的學習(xi)構建與修改機器人對于真(zhen)實世界的內(nei)部表(biao)達，以(yi)利于機器人作出行為規劃(hua)和決策等高層的智(zhi)能(neng)行為。

3、學(xue)習已有行為的(de)(de)協調(diao)。這種類型(xing)的(de)(de)學(xue)習中通過協調(diao)已經存在(zai)的(de)(de)行為被觸(chu)發(fa)和被執行的(de)(de)順序來改變它們對(dui)世界的(de)(de)作用。

4、學習新的(de)行為。這種類型的(de)學習建立(li)新的(de)行為結構。

實際問題

機(ji)器人領域對任何學(xue)習算法而言都(dou)是一個挑戰(zhan)。在構建擁有學(xue)習能力,能自(zi)動進行知識獲(huo)取的自(zi)主(zhu)機(ji)器人的過(guo)程中必(bi)須(xu)面對許(xu)多(duo)煩(fan)瑣的有關真實世界的問題(ti)。

1、傳感(gan)器(qi)噪聲(sheng)。大多(duo)數機(ji)器(qi)人的傳感(gan)器(qi)是不可(ke)靠的。于是由傳感(gan)器(qi)信(xin)號得(de)到的狀態描述注定是不精確的。學(xue)習(xi)算法(fa)必須(xu)能夠(gou)處理(li)噪聲(sheng),因此經常(chang)需要用統(tong)計(ji)平滑技術克服噪音的影響。

算法的(de)易駕(jia)馭性。機器(qi)人必須對不(bu)可預見的(de)環境進(jin)行實時響應。因此學習算法必須不(bu)能過于復(fu)雜，算法的(de)每(mei)一次迭代都必須能實時地完(wan)成。

2、增量式的算(suan)法(fa)(fa)。學習算(suan)法(fa)(fa)必(bi)須允許機器人(ren)邊學習邊改善自(zi)己的性能。因為(wei)機器人(ren)必(bi)須一邊收集經驗(yan)一邊進行學習. 形成經驗(yan)的數據不能離線獲得。

3、有限的(de)訓練時間。機器人的(de)訓練時間是非(fei)常(chang)有限的(de)。學習算(suan)法必須在合(he)理的(de)運算(suan)次數中收(shou)斂(lian)，因為機器人需要完成任務，在真實的(de)機器人上進行上百萬次的(de)動作是極為困(kun)難的(de)。

堅實(shi)的(de)(de)(de)(de)信(xin)息來源。 所有機器人可以(yi)獲得的(de)(de)(de)(de)信(xin)息都必須(xu)最終來至(zhi)從它的(de)(de)(de)(de)傳感(gan)器抽(chou)取得到的(de)(de)(de)(de)信(xin)息或(huo)初始(shi)狀態時強行編碼進去(qu)的(de)(de)(de)(de)知識。由于狀態信(xin)息是由傳感(gan)器數據計算(suan)得到的(de)(de)(de)(de)，學(xue)習算(suan)法(fa)必須(xu)能和感(gan)知設備的(de)(de)(de)(de)限制(zhi)一起工作.明(ming)顯地,能否(fou)解決以(yi)上(shang)提出的(de)(de)(de)(de)一些問題(ti)決定(ding)了用在真實(shi)機器人上(shang)的(de)(de)(de)(de)學(xue)習算(suan)法(fa)的(de)(de)(de)(de)成(cheng)功與否(fou)。

學習方法

在(zai)機器人研究領(ling)域中有三種主要的學習(xi)(xi)(xi)方(fang)法(fa)(fa)(fa)變得越來越流行。它們(men)是強(qiang)化(hua)學習(xi)(xi)(xi)( RL) ，進化(hua)方(fang)法(fa)(fa)(fa)( GA和(he)EP)和(he)基于人工神經網絡( ANN )的方(fang)法(fa)(fa)(fa)。其(qi)中應用(yong)得最為(wei)廣泛的方(fang)法(fa)(fa)(fa)是強(qiang)化(hua)學習(xi)(xi)(xi)方(fang)法(fa)(fa)(fa).在(zai)學習(xi)(xi)(xi)新(xin)的行為(wei)和(he)學習(xi)(xi)(xi)協調已經存在(zai)的行為(wei)兩種情況下都可以(yi)用(yong)到強(qiang)化(hua)學習(xi)(xi)(xi)的方(fang)法(fa)(fa)(fa)。 強(qiang)化(hua)方(fang)法(fa)(fa)(fa)是一種無監督(du)的學習(xi)(xi)(xi)算法(fa)(fa)(fa)，它比較好地符(fu)合人們(men)解決(jue)問題的心理習(xi)(xi)(xi)慣，和(he)傳統人工智能以(yi)及(ji)優(you)化(hua)算法(fa)(fa)(fa)聯系緊密(mi)，有普遍(bian)適的用(yong)性，因此獲得了(le)最廣泛的關注。