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(gan)知球場(chang)上(shang)的態勢，視覺系統獲得球場(chang)上(shang)的實(shi)時(shi)圖(tu)像(xiang)，對(dui)圖(tu)像(xiang)進行(xing)顏(yan)色分割，識別出球場(chang)上(shang)的各個目標，然后進行(xing)距離(li)校正，將(jiang)結果(guo)發給決(jue)策程序。

2、決策系統

接收視覺系統的辨(bian)識(shi)結果，對球(qiu)場態勢進(jin)行分析(xi)，然后做(zuo)出合理決(jue)策(ce)，將命令發送(song)給底層控(kong)制系統。

3、底層控制系統

通過串口接收(shou)上位(wei)機(ji)的命令，控制各輪走行電(dian)機(ji)按照指定速度(du)運行，控制彈射和持(chi)球電(dian)機(ji)，將底(di)層傳感器的數據(ju)通過串口發送給上位(wei)機(ji) 。

4、通信系統

通過無線網絡(luo)聯系場內(nei)機器人和場外計算機，進行遙控測(ce)試，參數設置等(deng)操(cao)作以(yi)及(ji)控制比賽的開始和終止。

二、自主機器人如何實現學習

絕大多數(shu)的(de)(de)(de)(de)基于行為的(de)(de)(de)(de)實現方(fang)法(fa)都是對(dui)不(bu)同的(de)(de)(de)(de)任務進行手(shou)工編(bian)程的(de)(de)(de)(de)，這需(xu)要(yao)編(bian)程人員能(neng)充(chong)分地(di)考慮到各(ge)種可能(neng)出現的(de)(de)(de)(de)情(qing)況，對(dui)機(ji)器人與環(huan)境(jing)之間的(de)(de)(de)(de)交互有(you)(you)充(chong)分的(de)(de)(de)(de)理(li)解(jie)，雖然(ran)有(you)(you)些設計出的(de)(de)(de)(de)系統對(dui)于很多任務和環(huan)境(jing)而言性能(neng)都是魯(lu)棒(bang)的(de)(de)(de)(de)，但(dan)系統對(dui)環(huan)境(jing)并不(bu)具有(you)(you)適應(ying)性。

人不能窮盡一切可能。機器人能否通(tong)過學習獲得不能由程(cheng)序員手(shou)工編碼(ma)進去的(de)(de)知識，比(bi)如構建一個未知環境的(de)(de)地圖，在任何(he)環境的(de)(de)性(xing)質隨時間(jian)變(bian)化的(de)(de)任務中都(dou)是必要的(de)(de)。

當機器人(ren)(ren)元件老化后，機器人(ren)(ren)的(de)傳(chuan)感(gan)器和執(zhi)行機構的(de)性質是可(ke)能會發生改變的(de)。

機(ji)(ji)(ji)(ji)器(qi)人(ren)(ren)在(zai)多機(ji)(ji)(ji)(ji)器(qi)人(ren)(ren)的(de)環境中執行,由于需(xu)要(yao)對其他機(ji)(ji)(ji)(ji)器(qi)人(ren)(ren)作(zuo)出反應，它(ta)的(de)策(ce)略是需(xu)要(yao)改變的(de)。學習方(fang)法在(zai)這(zhe)(zhe)些情況(kuang)下都(dou)能(neng)發揮重要(yao)的(de)作(zuo)用。用學習方(fang)法為(wei)機(ji)(ji)(ji)(ji)器(qi)人(ren)(ren)進行編程(cheng)，而無(wu)須告訴(su)它(ta)怎(zen)樣達到它(ta)的(de)目(mu)(mu)標，只要(yao)告訴(su)它(ta)目(mu)(mu)標是什么，讓(rang)它(ta)通過(guo)學習去滿(man)足這(zhe)(zhe)個目(mu)(mu)標，無(wu)疑，這(zhe)(zhe)種方(fang)法具(ju)有(you)很大的(de)吸引力。它(ta)是提高(gao)機(ji)(ji)(ji)(ji)器(qi)人(ren)(ren)的(de)適應性，降(jiang)低編程(cheng)人(ren)(ren)員編程(cheng)強度(du)的(de)必(bi)由之(zhi)路(lu)。

分類

機器(qi)人有不同(tong)層次(ci)的(de)行(xing)為，它們(men)由不同(tong)層次(ci)的(de)信息(xi)表達所決(jue)定,因此就存在著(zhu)不同(tong)類型的(de)學(xue)習(xi)。Broo ks和Mataric總結出了以(yi)下類型的(de)學(xue)習(xi)：

1、為(wei)傳感設(she)備標定(ding)或則(ze)參數調節進(jin)行(xing)學習(xi)(xi)。這種類型(xing)的學習(xi)(xi)只在一個(ge)特定(ding)行(xing)為(wei)結構(gou)中優化操作參數。

2、學習真實世(shi)(shi)界的(de)(de)知識(shi)。這種(zhong)類型的(de)(de)學習構建與(yu)修改(gai)機器(qi)人對于真實世(shi)(shi)界的(de)(de)內部表達，以利于機器(qi)人作出行為(wei)規劃和(he)決策等高層的(de)(de)智能行為(wei)。

3、學習已有(you)行(xing)為(wei)的協調。這種類型的學習中通(tong)過協調已經存在的行(xing)為(wei)被觸(chu)發(fa)和(he)被執行(xing)的順序來改變它們對世界的作用。

4、學(xue)習新的行為。這種(zhong)類型的學(xue)習建(jian)立新的行為結構。

實際問題

機器(qi)人領域對(dui)任(ren)何學習算(suan)法而(er)言(yan)都是(shi)一個挑(tiao)戰。在構建擁有(you)學習能(neng)力,能(neng)自(zi)動進行知識獲取的(de)(de)自(zi)主機器(qi)人的(de)(de)過程中(zhong)必須面對(dui)許多煩瑣的(de)(de)有(you)關(guan)真實(shi)世(shi)界的(de)(de)問題。

1、傳感器(qi)噪聲。大多(duo)數(shu)機(ji)器(qi)人的傳感器(qi)是不(bu)可(ke)靠(kao)的。于是由傳感器(qi)信(xin)號得到的狀態描述注(zhu)定是不(bu)精確的。學習算法必須能(neng)夠處理噪聲,因此經(jing)常需(xu)要用統計(ji)平滑技術克服(fu)噪音的影(ying)響。

算法的(de)易駕馭性。機器人必(bi)須對不(bu)可預見的(de)環境(jing)進行實時響應。因此學習算法必(bi)須不(bu)能過于復雜，算法的(de)每一次(ci)迭代都(dou)必(bi)須能實時地完成。

2、增量(liang)式的(de)(de)算法。學習(xi)算法必須允(yun)許(xu)機器人邊(bian)學習(xi)邊(bian)改善自己的(de)(de)性能。因為(wei)機器人必須一邊(bian)收集經(jing)驗(yan)一邊(bian)進行學習(xi). 形(xing)成經(jing)驗(yan)的(de)(de)數(shu)據(ju)不能離線獲得。

3、有限(xian)的(de)訓練時間。機器(qi)人(ren)(ren)的(de)訓練時間是非常有限(xian)的(de)。學習算(suan)法(fa)必須在合理的(de)運算(suan)次數中收斂(lian)，因(yin)為機器(qi)人(ren)(ren)需要完成任務，在真實的(de)機器(qi)人(ren)(ren)上進行上百萬次的(de)動作是極為困難的(de)。

堅實(shi)的信息來源(yuan)。 所有機(ji)器(qi)(qi)人可以獲得的信息都必須最終來至從它(ta)的傳感(gan)(gan)器(qi)(qi)抽(chou)取(qu)得到(dao)(dao)的信息或初始狀(zhuang)態(tai)時強行(xing)編碼進去的知識。由于狀(zhuang)態(tai)信息是由傳感(gan)(gan)器(qi)(qi)數(shu)據計算得到(dao)(dao)的，學習(xi)算法必須能(neng)(neng)和感(gan)(gan)知設(she)備(bei)的限制(zhi)一(yi)起工作.明(ming)顯(xian)地,能(neng)(neng)否解決(jue)以上(shang)提(ti)出的一(yi)些問題決(jue)定了用在真(zhen)實(shi)機(ji)器(qi)(qi)人上(shang)的學習(xi)算法的成功(gong)與否。

學習方法

在機器人研(yan)究領域中有三種(zhong)主要的(de)(de)學(xue)(xue)習(xi)方(fang)(fang)法(fa)(fa)變(bian)得(de)越來越流行。它們是(shi)(shi)強(qiang)化(hua)學(xue)(xue)習(xi)( RL) ，進化(hua)方(fang)(fang)法(fa)(fa)( GA和EP)和基(ji)于人工神(shen)經網絡( ANN )的(de)(de)方(fang)(fang)法(fa)(fa)。其(qi)中應(ying)用得(de)最為(wei)(wei)廣泛的(de)(de)方(fang)(fang)法(fa)(fa)是(shi)(shi)強(qiang)化(hua)學(xue)(xue)習(xi)方(fang)(fang)法(fa)(fa).在學(xue)(xue)習(xi)新的(de)(de)行為(wei)(wei)和學(xue)(xue)習(xi)協調已經存在的(de)(de)行為(wei)(wei)兩(liang)種(zhong)情況下(xia)都可(ke)以用到強(qiang)化(hua)學(xue)(xue)習(xi)的(de)(de)方(fang)(fang)法(fa)(fa)。 強(qiang)化(hua)方(fang)(fang)法(fa)(fa)是(shi)(shi)一種(zhong)無監督的(de)(de)學(xue)(xue)習(xi)算法(fa)(fa)，它比較(jiao)好地符合人們解決問題的(de)(de)心(xin)理(li)習(xi)慣，和傳統人工智(zhi)能以及優化(hua)算法(fa)(fa)聯系緊(jin)密(mi)，有普遍(bian)適的(de)(de)用性，因此獲得(de)了最廣泛的(de)(de)關(guan)注。