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(gan)知球(qiu)場上的(de)態(tai)勢，視覺系統(tong)獲得球(qiu)場上的(de)實時(shi)圖(tu)像(xiang)，對圖(tu)像(xiang)進(jin)行顏色分割(ge)，識(shi)別出球(qiu)場上的(de)各個(ge)目(mu)標，然后進(jin)行距離校正(zheng)，將結果發(fa)給決策程序。

2、決策系統

接收(shou)視覺系(xi)統的辨識結果，對球場(chang)態勢進行分析(xi)，然后做出合理決策，將命令發送給底層控制系(xi)統。

3、底層控制系統

通(tong)過串口(kou)接收上位機的(de)命令，控制各輪走行電機按照指定(ding)速度運行，控制彈射和持球電機，將底層傳感器的(de)數(shu)據(ju)通(tong)過串口(kou)發送給上位機 。

4、通信系統

通過無線網絡聯系場(chang)內機(ji)器人和場(chang)外(wai)計算機(ji)，進行遙控(kong)測試，參(can)數設(she)置等操(cao)作以(yi)及控(kong)制比賽的(de)開始和終止。

二、自主機器人如何實現學習

絕大多數的(de)(de)基于(yu)行為的(de)(de)實現(xian)方法都(dou)是對(dui)(dui)不同(tong)的(de)(de)任務進行手工編(bian)程(cheng)的(de)(de)，這需要編(bian)程(cheng)人(ren)員(yuan)能充(chong)分(fen)地考慮到各種可能出(chu)現(xian)的(de)(de)情況(kuang)，對(dui)(dui)機(ji)器(qi)人(ren)與環境(jing)之間(jian)的(de)(de)交(jiao)互有充(chong)分(fen)的(de)(de)理解，雖然(ran)有些設計出(chu)的(de)(de)系統(tong)對(dui)(dui)于(yu)很(hen)多任務和環境(jing)而言(yan)性(xing)能都(dou)是魯棒(bang)的(de)(de)，但系統(tong)對(dui)(dui)環境(jing)并不具有適應性(xing)。

人不能窮盡一(yi)切可能。機器(qi)人能否通過學習獲(huo)得不能由(you)程序員手工編(bian)碼進去的(de)知識，比如構建一(yi)個未(wei)知環境的(de)地(di)圖，在任何環境的(de)性質隨時間變(bian)化的(de)任務中(zhong)都是必(bi)要的(de)。

當機器(qi)人元件老化后(hou)，機器(qi)人的傳感器(qi)和(he)執行機構的性質是(shi)可能會發生改變的。

機(ji)(ji)(ji)器人在多機(ji)(ji)(ji)器人的(de)環境中執(zhi)行(xing),由于需(xu)要(yao)對(dui)其(qi)他機(ji)(ji)(ji)器人作出反應，它(ta)的(de)策略是需(xu)要(yao)改變的(de)。學(xue)習方法(fa)在這些情況下都(dou)能發揮(hui)重要(yao)的(de)作用。用學(xue)習方法(fa)為(wei)機(ji)(ji)(ji)器人進行(xing)編程，而無須告訴它(ta)怎樣達到(dao)它(ta)的(de)目(mu)(mu)(mu)標(biao)(biao)，只要(yao)告訴它(ta)目(mu)(mu)(mu)標(biao)(biao)是什(shen)么，讓(rang)它(ta)通過學(xue)習去滿足這個目(mu)(mu)(mu)標(biao)(biao)，無疑，這種方法(fa)具有(you)很大的(de)吸引力。它(ta)是提高機(ji)(ji)(ji)器人的(de)適(shi)應性，降低編程人員編程強度的(de)必由之路。

分類

機器人(ren)有不(bu)(bu)同(tong)層次的(de)(de)行為，它們(men)由不(bu)(bu)同(tong)層次的(de)(de)信息表達所決定,因此(ci)就存在著不(bu)(bu)同(tong)類型的(de)(de)學習(xi)。Broo ks和(he)Mataric總結出了(le)以下(xia)類型的(de)(de)學習(xi)：

1、為(wei)(wei)傳感設備(bei)標定或則參(can)數調(diao)節進行學習。這(zhe)種(zhong)類型的學習只在一個特定行為(wei)(wei)結構中優化操(cao)作參(can)數。

2、學(xue)習(xi)(xi)真(zhen)實世界(jie)的知(zhi)識。這(zhe)種類型的學(xue)習(xi)(xi)構建與修改機器人(ren)(ren)對于真(zhen)實世界(jie)的內部表達，以利于機器人(ren)(ren)作出行為規(gui)劃和決(jue)策等高層的智能(neng)行為。

3、學(xue)習已有行(xing)為的協調。這種類型的學(xue)習中通(tong)過(guo)協調已經存(cun)在的行(xing)為被觸(chu)發和被執行(xing)的順序來(lai)改變它們對(dui)世界的作用(yong)。

4、學習(xi)新的(de)行為。這種類型的(de)學習(xi)建立新的(de)行為結構。

實際問題

機(ji)器人(ren)(ren)領域(yu)對任何學習算法(fa)而言都(dou)是(shi)一個挑戰(zhan)。在(zai)構建擁(yong)有學習能力,能自動進行知識獲取的(de)(de)自主機(ji)器人(ren)(ren)的(de)(de)過程中必須面對許(xu)多煩瑣的(de)(de)有關真(zhen)實世界的(de)(de)問題。

1、傳感器噪聲。大多(duo)數機器人的(de)傳感器是不(bu)(bu)可靠的(de)。于是由傳感器信號得到(dao)的(de)狀態描述注定(ding)是不(bu)(bu)精(jing)確的(de)。學習算法必須(xu)能夠處理噪聲,因此經常需要用(yong)統計平滑技(ji)術克(ke)服噪音的(de)影響。

算(suan)(suan)法的易駕馭性(xing)。機器人必須對不可預見(jian)的環(huan)境進行實時響應。因此學習(xi)算(suan)(suan)法必須不能過(guo)于復雜，算(suan)(suan)法的每一次迭代都(dou)必須能實時地完成。

2、增量式的(de)算(suan)法(fa)。學習(xi)算(suan)法(fa)必須允許機器(qi)人邊學習(xi)邊改(gai)善自己的(de)性能。因(yin)為(wei)機器(qi)人必須一邊收集經驗一邊進(jin)行(xing)學習(xi). 形成經驗的(de)數據(ju)不能離(li)線獲得。

3、有限的(de)訓練時(shi)間(jian)。機(ji)(ji)器人的(de)訓練時(shi)間(jian)是(shi)非常有限的(de)。學(xue)習算法必須在合理的(de)運(yun)算次數中收斂，因為機(ji)(ji)器人需要完成任(ren)務(wu)，在真實的(de)機(ji)(ji)器人上進行(xing)上百萬次的(de)動作是(shi)極(ji)為困難的(de)。

堅實(shi)的(de)(de)信息來源。 所有機器人可以(yi)獲得(de)的(de)(de)信息都必須(xu)最終來至從它的(de)(de)傳(chuan)感器抽取得(de)到的(de)(de)信息或(huo)初始狀(zhuang)態(tai)時強(qiang)行(xing)編碼進去(qu)的(de)(de)知識。由(you)于狀(zhuang)態(tai)信息是(shi)由(you)傳(chuan)感器數據計(ji)算(suan)(suan)得(de)到的(de)(de)，學習算(suan)(suan)法必須(xu)能(neng)和感知設(she)備的(de)(de)限制(zhi)一起工作.明顯地,能(neng)否解決以(yi)上(shang)提出的(de)(de)一些(xie)問題決定了用在真實(shi)機器人上(shang)的(de)(de)學習算(suan)(suan)法的(de)(de)成(cheng)功與否。

學習方法

在機器(qi)人(ren)研究領域(yu)中(zhong)有三種(zhong)主要的(de)(de)(de)學(xue)習方(fang)法(fa)變得越(yue)來越(yue)流(liu)行(xing)。它們(men)是(shi)強化學(xue)習( RL) ，進化方(fang)法(fa)( GA和EP)和基于人(ren)工(gong)神經網絡(luo)( ANN )的(de)(de)(de)方(fang)法(fa)。其中(zhong)應用(yong)得最為廣泛(fan)的(de)(de)(de)方(fang)法(fa)是(shi)強化學(xue)習方(fang)法(fa).在學(xue)習新的(de)(de)(de)行(xing)為和學(xue)習協調(diao)已經存在的(de)(de)(de)行(xing)為兩種(zhong)情況下(xia)都可以(yi)用(yong)到強化學(xue)習的(de)(de)(de)方(fang)法(fa)。 強化方(fang)法(fa)是(shi)一種(zhong)無監督(du)的(de)(de)(de)學(xue)習算法(fa)，它比較好地符合人(ren)們(men)解決問題的(de)(de)(de)心理(li)習慣，和傳(chuan)統(tong)人(ren)工(gong)智能以(yi)及優化算法(fa)聯系(xi)緊密，有普遍適的(de)(de)(de)用(yong)性，因此獲得了(le)最廣泛(fan)的(de)(de)(de)關注。