Artificial Intelligence 人工智能

Artificial Intelligence人工智能 Prof. Dong Hongye 董鸿晔教授 donghy001@163.com

第7章智能机器人 • 7.1智能机器人的感知 • 信息收集信息融合视觉语言理解 • 7.2智能机器人的决策 • 规划典型的规划系统 • 7.3智能机器人的动作 • 控制语音与表情 • 7.4智能机器人的交互 • 多机器人系统仿真实验系统

人工智能的一个长期目标 • 在人工智能领域一个活跃的研究方向就是对智能机器人的研究与开发。Nilsson在《人工智能》一书中对人工智能作了如下定义：“人工智能（AI）从广义上来讲就是所有与智能行为相关的人造物品。智能行为包括在复杂环境中的理解能力、推理能力、学习能力、信息交互能力和行动能力。” • 人工智能的一个长期目标就是开发一种可以像人一样工作的机器，另一个目标就是理解这种智能行为如何在机器、人、动物中产生。智能机器人的研究与开发正是朝这些目标迈进的坚实一步。

给人类的生活带来了方便和愉快 • 作为人工智能的一个重要研究内容和实验平台，智能机器人的研究开发工作涉及到人工智能研究领域的大量内容，应用了模糊规则、人工神经网络、专家系统、知识工程等多种理论和方法，其研究的部分成果已实际应用于水下机器人、核工业机器人、医用机器人、空间机器人、军用机器人、服务机器人、娱乐机器人等特种机器人的设计、开发中。 • 这些具有一定智能的机器人不仅代替人类完成了许多危险的工作，而且也给人类的生活带来了方便和愉快。

智能机器人三大要素 • 一个智能机器人应该具备三大要素：感知、决策、行动。感知就是机器人具有能够感觉内部、外部的状态和变化，理解这些变化的某种内在含义的能力。决策要求机器人具有能够依据各种条件、状态、约束的限制自主产生目标，规划实现目标的具体方案、步骤的能力。行动需要机器人具备完成一些基本工作、基本动作的能力。 • 在这三大要素的基础上，智能机器人通过感知辅助产生决策，并将决策付诸行动，在复杂的环境下自主地完成任务，形成各种智能行为。

随着人工智能研究的不断深人．发现不仅个体可以产生智能行为，而且群体间简单行为的交互作用也可以产生许多复杂的智能行为。随着人工智能研究的不断深人．发现不仅个体可以产生智能行为，而且群体间简单行为的交互作用也可以产生许多复杂的智能行为。 • 研究个体间的交互作用所产生的复杂行为已成为人工智能领域研究的一个重要方向― 多智能体系统（Multi-Agent System）。 • 随之而发展的智能机器人研究也开展了协作机器人、Swarm机器人、Collective Robotics机器人、足球机器人等方面的研究工作。

7.1智能机器人的感知 • 一个鲜活的生命可以通过它的各种感觉器官和中枢神经系统来感受、理解外部和自己内部的变化。 • 而一个智能机器人要感知这个世界，就必须具有一定的信息获取手段和信息处理方法。 • 对于机器人来说，获取信息的手段就是通过多种不同功能的传感器来收集各种不同性质的信息。而对于信息的理解则是通过对传感器信息的处理来获得的。

7.1.1信息收集 • 智能机器人进行信息收集的传感器可以分为触觉传感器、温度传感器、距离传感器、定位系统、速度和加速度传感器、角度及角加速度传感器、力和力矩传感器、姿态传感器、机器人视觉传感器、机器人听觉传感器、嗅觉传感器等。 • 这些传感器的应用可以使机器人检测到外界环境和本身的状态及变化。

绝对型编码器和增量型编码器 • 通过对电机转动圈数的记录，可确定关节转动角度、机器人运动的大致距离。线加速度计获取线加速度信息，进而得到当前机器人的线速度和位置信息。线加速度计获取线加速度信息，进而得到当前机器人的线速度和位置信息。图a

陀螺仪 • 通过测量角度、角速度、角加速度的变化，可以得到机器人的姿态角、运动方向以及运动方向的改变等信息，其结构如图b所示。

接触和接近传感器 • 类似于动物的触须，可以帮助机器人避免与环境中的物体发生碰撞，感知探测范围内是否存在物体。 • 触觉传感器类似于皮肤的作用，通常由触觉传感器阵列组成，可以用来感觉物体的形状，乃至物体表面的纹理形状，图c。

激光全局定位传感器 • 运用三角测量法得到机器人的位置坐标信息。GPS(Global Position System）用于机器人的室外定位。 • 激光雷达可以精确地测定外部障碍物和机器人之间的距离值。

超声传感器 • 可以用来测量机器人周围障碍物的有无和距离的远近，图d。 • 红外传感器可以用来测量距离和方向，也可以用来测量外部温度变化。

其他传感器 • 力和力矩传感器用来感觉机器人对外界物体施加的力或力矩的大小，从而保证机器人的力反馈控制。 • 嗅觉传感器是机器人配备的用来感知气味浓度的化学传感器，气味的浓度和气流的方向可以用来解决机器人的导航问题和特殊物质的检测。

7.1.2多传感器信息融合 • 智能机器人身上通常装备有多种不同的传感器，如红外传感器、超声传感器、激光雷达、碰撞检测传感器、视觉传感器、听觉传感器等。 • 由于受到各传感器的检测对象、工作范围、精度等因素的影响，需要确定不同来源的传感数据的一致性，通过不同传感信息的互相补充来获得外部完整的信息，所以多传感器信息融合方法的研究是智能机器人研究中的重要一环。

多传感器信息融合的常用方法 • 加权平均法 • 贝叶斯估计 • 卡尔曼滤波 • 统计决策理论 • D-S证据推理 • 神经网络 • 模糊推理法 • 带置信因子的产生式规则

加权平均法和贝叶斯估计 • 加权平均法是最简单也最直观的方法，一般用于对动态低水平的数据进行处理，但结果不是统计上的最优估计。 • 贝叶斯估计是融合静态环境中多传感器低层数据的常用方法，适用于具有高斯白噪声的不确定性传感信息融合。

卡尔曼滤波和统计决策 • 对于系统噪声和观测噪声为高斯白噪声的线性系统模型用卡尔曼滤波(KF）来融合动态低层次冗余传感信息，对于非线性系统模型采用扩展卡尔曼滤波（EKF）或者分散卡尔曼滤波（DKF）。 • 统计决策理论用于融合多个传感器的同一种数据，常用于图像观测数据。

D-S证据推理和神经网络法 • D-S证据推理是贝叶斯估计法的扩展，它将局部成立的前提与全局成立的前提分离开来，以处理前提条件不完整的信息融合。 • 基于神经网络法，根据系统要求和融合形式，选择网络拓扑结构，通过网络学习确定网络连接权值，对各传感器的输人信息进行融合，系统具有很强的容错性和鲁棒性。

模糊推理法和产生式规则 • 模糊推理法首先对多传感器输出进行模糊化，将所测得的距离等信息分级，表示成相应的模糊子集，并确定模糊子集的隶属度函数，通过融合算法对隶属度函数综合处理，再将模糊融合结果清晰化，求出融合值。 • 带置信因子的产生式规则主要用于符号水平层表达传感器信息，结合专家系统对多传感器信息进行融合。

7.1.3机器人视觉 • 通过视觉，人类可以获得大量丰富的信息，而机器人要通过视觉传感器来获取这些大量丰富的信息则存在着许多困难，如距离的远近、外界光线强弱、物体间的相互遮挡、阴影、图像信息处理量大、机器人对视觉图像处理的实时要求高等。

视觉信息处理三步 • 机器人的视觉信息处理过程可以大体分为三步：首先是视觉信息的输入，其次是视觉信息的预处理方法，再有就是对视觉信息的分析。 • 由于图像信息处理需要的计算量大，机器人运动对实时性要求高，这些都对机器人视觉信息的处理提出了有别于一般图像处理的要求。

图像识别流程

图像传感器 • 图像传感器有点式图形传感器、线列式图像传感器、平面式传感器。 • 点式图像传感器只能接收空间一点的信号，通过辅助装置可以获取多维视觉信号。 • 线列式图像传感器通过辅助装置可以获取空间二维图像信息。 • 平面式传感器（如CCD或CID摄像设备）可以直接获得二维平面图像信号。

立体视觉系统 • 正在研究的机器人立体视觉系统通过两个以上的平面图像传感器组合而成，不仅能够获得图像的平面信号，也可以通过对平面图像信息的处理获得空间的深度信息。 • 通过图像传感器采集到的信号一般要经过图像处理阶段，去除外界噪声对图像信息的影响，将图像的某些特征信息凸现出来，然后对图像信息进行理解。

图像处理 • 图像处理主要有图像量化（如均匀量化、非均匀量化等）、图像增强（如平滑、锐化等）、图像分割（如边缘提取、区域分割等），其所使用的数学工具有傅立叶变换、离散余弦变换、WHT变换、Hough变换、小波分析等。 • 在图像处理的基础上，进行纹理与形状等特征的提取，使用最小距离、最近邻域、最小二乘的最小距离、贝叶斯等判决方法进行图像信息的归类，进而对图像进行分析。

具体的实现过程 • 具体的实现过程如下：使用抽取的图像特征对物体景物进行描述，用图像匹配的方法进行物体、景物的识别，通过识别出的物体及物体间的相互关系对图像进行理解。 • 常用的方法有基于模型的视觉信息分析和基于语言结构法的视觉信息分析。

实时性和鲁棒性 • 为了使机器人视觉能够实际应用于机器人的导航、装配等任务，机器人视觉的处理算法必须要有足够的实时性和鲁棒性。 • 由于控制设备的限制，复杂且计算量大的算法通常不适用于智能机器人的实时控制。图像的二值化、颜色识别、特定标识识别、简单的图像特征提取及匹配等算法是现阶段视觉辅助机器人完成工作的常用方法。

7.1.4机器人语言理解 • 语言是实现机器人与人信息交流的最自然的传递方式，所以对于语言的理解是机器人智能的标志之一。 • 智能机器人的语音理解可以分为无词汇语音理解和有词汇语音理解两部分。 • 不含词汇的语音，如铃声、音乐声、咳嗽声等，可以为机器人提供警报，从而使机器人可以准确、决速地对事件做出反应。包含词汇的语音可以为机器人提供更丰富的信息，如命令、外部环境信息等。

语音增强 • 就是要在消除语音信号中的环境噪音的同时，又要使语音信号不会出现严重的失真。 • 目前对这些问题的解决方法有spectral subtraction, temporal filterng, noise cancellation以及各种排列技术的运用，以提高信噪比。

语音识别 • 是将输入的语音波形识别为正确的词、短语和句子。 • 由于各人发音的不同，语音识别系统必须适应多个不同说话人的发音；而且，个人发音存在差异，即使专门训练过的人两次发同一个音，从信号处理的角度讲，也是有区别的。 • 对识别系统影响最大的是发音持续时间的不确定性。话者无关的识别系统，需要提取对讲话人不敏感的特征作为参考模板。

模板训练 • 在模板训练时要利用各种聚类方法，综合考虑讲话人的年龄、性别、地域或方言等各种因素。 • 对于个人发音的变化，通常采用多阶段决策的动态规划方法进行时间规整的方式进行模式匹配，即动态时间规整(Dynamic Time warping)，或者通过建立信号的时变模型来描述语音的特征，常用的是隐马尔柯夫模型（HMM）。

语音识别模块 • 一个语音识别模块一般包括预处理、特征提取、失真测度估计、时间规整等几方面的工作。 • 预处理包括混叠滤波、模数转换、高频提升去除口唇辐射影响、加窗、自动语音分段的任务。 • 特征提取一般趋向于以倒谱参数作为语音识别的特征参数，频率线性预测倒谱系数（Mel Linear Prediction cepstrum coefficient）引入人类的听觉特性，在信噪比较高时性能较好。 • 识别器的词汇量是其实用化的关键技术。

7.2智能机器人的决策 • 智能机器人通过对感知到的各种环境状态及变化，及时做出适当的判断、推理、预测、估计，给出相应对策，使机器人能够实施一系列动作实现预期目标。 • 在这一阶段，机器人的决策运用了很多人工智能研究的理论，如知识的表达与推理、专家系统等。 • 但由于很多推理、决策方法需要建立复杂的模型来描述环境，对可行解的搜索缓慢，所以造成系统的实时性能严重下降。

改进 • 包容式结构、反应式控制结构等控制结构试图通过降低对环境、机器人建模、推理的要求，将感知与行动直接连接，减少决策时间，达到提高系统实时响应能力的目标。 • 这些控制结构在处理避障、搜集等简单任务时可以很好地完成，但当面对复杂的环境和操作任务时，则凸现出其推理、估计、决策能力的不足。

分层式结构 • 所以，现在智能机器人的研究多采用分层式结构，在不同层次采用不同的控制、决策方法，各层之间相互协调工作，从而解决复杂任务求解和实时响应之间产生的矛盾。

7.2.1智能机器人的规划 • 智能机器人的规划就是机器人在行动之前，决定采取何种步骤、以何种程序实现预期目标的过程。 • 规划的基础需要机器人具有与完成预期目标相关的知识和环境的描述。

为了完成任务，机器人需要具备多层次的工作程序知识。为了完成任务，机器人需要具备多层次的工作程序知识。首先机器人需要了解自身基本能力的知识如操作对象的定位,可达到的运动位置及姿态、末端工具可完成的操作等。这些基本知识与机器人的感知和控制密切相关。其次，机器人需要具备完成相关工作的程序知识，如工件组装的顺序、各种操作所允许的先后次序等。第三，机器人需要具有完成预期目标过程中所需的环境状态变化的知识，如环境中操作对象位置、姿态的改变等等。通过各层次知识的结合，可以使目标任务的完成逐步细化，最终成为机器人可具体执行的一系列基本动作。 (l）知识与环境的描述

对外部环境和操作物建模 • 在工作程序知识之外，机器人还必须对环境、操作物具有一定的知识。这种知识是通过对外部环境和操作物建模来获得的。 • 通过环境几何模型的建立，可以为机器人的操作提供空间位置信息；基于机器人视觉建立的模型可以辅助机器人完成对操作物的定位等功能；此外还有装配物之间的逻辑关系和组合关系模型等等。 • 而且随着机器人操作过程的进行，外部环境、物体间关系的变化，这些模型也会随之不断更新。

(2）规划方法 • 一个复杂问题的求解通常可以分解为若干子问题的求解来解决。 • 这种分解有两种主要途径： • 将发生变化的部分从整个间题中分离出来单独进行考虑； • 将复杂问题分割为几个简单问题加以考虑。 • 依据这两种主要途径而进行的问题分解、求解的研究形成了规划方法。

规划方法 • 规划方法利用已知的知识和环境描述，进行问题的求解，通过搜索、推理等手段，给出完成目标所需的一系列动作及次序。 • 产生式系统及推理是机器人进行规划常用的方法。在产生式系统中，由对象领域具体问题的前提条件或规则、推理的结果组成的集合是推理的基础。通过所要解决问题的前提条件与产生式规则前提条件的匹配获得结论，此结论又作为下一次匹配的前提条件来获得进一步的结论。

冲突仲裁方法 • 通过一定的冲突仲裁方法处理同一前提多个结论的情况。 • 当无法进一步推理时就“回溯”，即返回此前的某个匹配条件，修正冲突仲裁结果。 • 由初始条件逐步推导出目标结论的过程为正向推理；与此相反，由期望结论反向查找可以产生此结论的前提条件的过程为逆向推理。 • 除此以外，机器人规划还用到语义网络、框架、黑板模型、知识库、专家系统等等。

避碰规划 • 由于机器人是多自由度的，工作于三维空间，所以机器人在执行某一动作时可能存在多种可行的操作，机器人必须从中选出一个既能达到目标又能保证其自身不同于其他物体、机器人、移动物体发生碰撞的操作。 • 这种机器人的避碰规划一般可分为基于局部信息和基于全局信息的两种方法。

两种方法 • 基于局部信息的方法通常利用势场的概念实现局部避碰规划，但不能从全局的观点考虑避碰规划问题。 • 基于全局信息的方法可以通过八叉树、四叉树等方法刻画工作空间的结构特征，而后利用图搜索法或数理规划搜索法等搜索方法规划出机器人的避碰路径。

搜索算法 • 在这些规划方法中通常用搜索算法来查找问题的解，所以快速有效的搜索算法也是规划方法必要的组成部分之一。 • 通常采用的搜索算法有深度搜索算法、宽度搜索算法、迭代加深（iterative deepening）搜索算法、A*搜索算法等。

基于传感信息的规划方法 • 工作在非结构环境下的机器人无法获得外部环境的精确模型，所以基于模型的规划算法、策略就无法为机器人提供有效的规划。 • 为了解决这类问题，针对基于传感信息的规划方法的研究逐步深入开展。通过各种传感器如视觉、触觉、超声等的传感信息获取外部环境的实时信息，并利用历史记录的信息等环境的局部信息进行避碰、路径实时规划或已有规划的更新。

7.2.2典型的机器人规划系统

对于智能机器人规划系统的研究已开展了很多卓有成效的工作。其中比较典型的规划系统有STRIPS规划系统、BUILD规划系统、PULP-I机器人规划系统等。对于智能机器人规划系统的研究已开展了很多卓有成效的工作。其中比较典型的规划系统有STRIPS规划系统、BUILD规划系统、PULP-I机器人规划系统等。 • STRIPS规划系统的特点是在通用问题求解法的基本思路上组合了罗宾逊的归结原理的基于谓词逻辑的推理方法，形成了一套通用规划方法。 • BUILD规划系统在基本规则推理的基础上尝试将其他相关领域知识结合到系统中，使系统可以处理更复杂的任务。 • PULP-I机器人规划系统则结合了基于类比原理的监督式学习方法，通过学习，系统不仅可以提高规划速度．而且增强了处理复杂规划的能力。

7.3智能机器人的动作 • 智能机器人的动作是指机器人为完成工作、任务所采取的行动。机器人动作的完成涉及到机器人的运动控制、力控制等。 • 由于机器人的机械结构复杂、控制难度大，要很好地高效高速地完成一些基本运动也很困难。

7.3.1智能机器人的控制 (1)机器人手臂的控制 (2)末端执行器的控制 (3)机器人的移动控制

Artificial Intelligence 人工智能