英语翻译【汉】.docx

摘要一个自治与现实世界互动的机器人严重依赖于机器人形态和它的环境。制造这些方面的模型是非常复杂的，因为模拟仿真不足以准确的验证控制算法。如果仿真环境是有效的，那么用于实际机器人实验的工具往往是不够的。传统的编程语言和工具对于真实的实验很少能提供足够多的支持，从而阻碍了对控制算法的理解，使得实验复杂而且费时。一个圆柱形状的微型机器人，直径55毫米，高度30毫米。由于其体积小，实验可以在一个小工作区内迅速有效的进行。可以设计小型的外围设备，并将其与基本模块相连，也可以利用一个通用的通信方案。一个串行连接提供调试期间运行在工作站上的控制算法，从而使用户可以使用所有可用的图形工具。一旦调试成功，该算法可以被下载到机器人，也可以在它自己的处理器中运行。机器人组实验是很难用于现有的硬件。所描述机器人的型号和价格提出了一种集体行为的成本效益调查的方式。调查研究促进了论文中描述的机器人的设计。大约二十个单位将开始该实验。1 简介现在，移动机器人领域受到人们的高度重视。一种全自主移动机器人有广泛的工业应用，包括自动清洗建筑物和工厂，用于移动监控系统，为工厂输送无固定装置需要配件，以及水果的采摘。这些移动机器人应用已经超出了目前的技术范围，并显示了传统设计方法的不足。人们试图用一些新的控制方法来改善机器人与现实世界的互动，以实现任务的自治。布鲁克斯提出了一个包容结构的例子，该结构支持并行处理，以及强大的模块化。这种方法是成功的用于机器人系统实施的第一个解决方案之一。其他研究人员提出了新的计算方法，例如：模糊逻辑或人工神经网络。 对移动机器人的兴趣并不仅仅在工业应用领域。几位生物学家，心理学家和动物行为学家也对使用移动机器人控制结构来验证观察生物世界感兴趣。弗朗西使用机器人来验证的视网膜结构，Beer用机器人复制机制，来协调在步行昆虫腿的动作，Deneubourg用机器人获得了一个蚁群的集体行为的更好的理解。 所有这些研究活动的根据是移动机器人的实验。一个验证控制算法的简单方法是使用模拟，但所涉及的简化对与结果托布定论是很重要的。该嵌入式控制算法在机器人中必须考虑其形态和环境中的工作的属性。真实世界的功能和异常是复杂的而且难以模式化，这意味着通过模拟实验的该控制算法只能用在初步研究，但不能证明在现实世界中的控制算法成功。验证算法能处理这些问题的唯一方法是在一个真正的机器人上测试它。 很多机器人被设计是为了执行控制算法实验，但只有少数使成本效益的实验成为可能。布鲁克斯设计了多个使用有效的电子和机械的机器人。控制算法对语言行为归类的编程，同时考虑到软件模块和实时并行处理。不幸的是，在实验中，只有少数几个工具可用来更好地了解国税发放控制过程。此外，自定义编程语言使代码的可移植性和算法扩散很困难。Steels使用一个视频摄像机记录机器人在实验中的行动，但与机器人控制有关的所有数据在实验结束时才可获得。其他平台，如保荐人机器人，使实时交互通过无线电连接成为可能，并且有标准的编程语言，但是机器人的大小和它需要的环境使实验不舒服。在单机器人的实验中，一个良好的移动机器人实验的缺乏意味着现在进行集体行为实验是不可能的。编程环境和实时可视化工具为此不足。 随着小型移动机器人的发展，Khepera解决上述问题。它的硬件设计，以便它足够小以便几个在同一时间操作和小领域内行动，例如在桌子顶。模块化允许新的传感器和执行器可以很容易地被设计和添加到基本结构。一个通用的软件结构帮助使用者调试算法和看到结果。2硬件微型化是一个重要的挑战对于以下行业：CD播放机，电脑，摄像机，手表等产品需要实现一个小体积的许多功能。在机器人领域的许多应用需要小致动器，遥控轮式机器或小型微型自主机器人。达里奥 对研究场和现有技术给出一个全面的描述。在Khepera设计，小型化是使对单个或多个机器人配置成本效益成为可能的关键因素。 2.1总论 在这个论文中提出的机器人只是在小型化方向上迈出的第一步。达里奥定义这个机器人的类别为微型机器人。他们测量不超过几立方厘米，产生的力量相当于人类运营商的应用，并纳入常规的微型器件。接下来的微型化步骤需要特别的制造技术。 Khepera采用电子现有技术：从摩托罗拉的683xx使得微控制器新系列的完整的32位机器设计非常紧凑。表面安装设备（SMD）允许在元件密度印刷电路板的重要增长。新的紧凑型传感器，包括对传感芯片一些信号预处理，减少额外电路的需求。只有机械部件（轮毂，齿轮，机械手）明确的为Khepera建立，以及数轮革命的磁传感器的机械零件。这种微型机器人的设计要求下大力气跨越多个领域。其结果是一个复杂的在需要执行功能，有效容积，目前的技术，电力需求等之间的妥协， Khepera由两个主板（图2）组成。 对视力特定应用扩展炮塔，跨机器人的通讯，或用机械手配备，可直接控制通过Khepera扩展总线。当很长时间才能连接可视化软件工具时，Khepera可以采用外部电源。然而，车载蓄电池仅仅提供给Khepera三十分钟电源。2.2分布式处理Khepera最有趣的特性之一是连接扩展两种不同总线的可能性。一个并行总线可以连接简单的实验塔楼。另一种多复杂的接口方案实现了一个小的当地的交流网络，这允许连接（配有局部微控制器）和常规的移徙或者神经微处理软件层。这种通信网络（图3）使用星型拓扑结构，机器人的主微控制器作为星型的中心。所有智能被视为从机（在星型的周围），并且只有当主微处理器需要时使用通信网络。 这种拓扑结构使得实现分布式生物控制成为可能，如手臂运动协调或特征提取和视觉预处理，如大量的昆虫观察。这种方法允许Khepera的主微控制器执行高级别算法，因此一个简单的编程实现范例。2.3基本配置新一代摩托罗拉的微控制器，特别是MC68331可以构建适合于微型神经控制的强大系统。 Khepera利用所有的微处理器优势来管理其重要的功能。Khepera的基本配置是CPU和感官/马达控制卡。CPU板是一个完整的32位机，包括一个16MHz的微控制器，系统和用户存储器，模拟输入，扩展总线和串行连接，这个串行连接允许一个连接到不同的主机设备（终端，可视化软件工具等）。微控制器拥有容易与存储器，I/ O端口以及外部中断相连所需的所有功能。此外，大数字计时器和与I/O端口相连的能力表明该装置是在设计中最重要的组成部分。 感官/电机板包括两个直流电动机,还有增量式传感器，八模拟红外线（IR）的接近传感器和机载电源。每个电机是由一个来自于微控制器单元显示部件的20 kHz脉冲宽度调制（PWM）信号来来提供能源。这些信号完全的四象限NMOS H桥提供。增量式传感器由磁传感器实现，它提供了一项决议正交信号。红外传感器是由一个发射器和一个独立的接收器。专用电子界面内置与多路复用器，采样/保持的放大器和运算放大器。这允许绝对环境光线的测量和估计。2.4附加的六角转台为了做涉及环境识别，目标检测，目标捕获和对象识别的实验，两个智能转台已被设计和建造：一个针对立体视觉，另含一个机械手臂。立体视觉转台采用两个64像素 线性光电池阵列和专用光学元件。每个像素的模拟值在16级灰度上进行编码。为了获取有用的数据，一个附加的传感器作为自动光圈用于执行：对于光电池阵列的积分时间需要受控于环境光线强度。 证明了这种机器人（空间频率滤波被用于检测和避免障碍物）导航系统中立体视觉的有效性。机械手转台让Khepera具有与周围环境的物体互动的能力。两直流电机控制机械手的运动。不同类型的对象可以被测量尺寸和电阻率的传感器的探测到。 显示集体行为的机器人需要履行通讯和本地化。 提供Khepera这些功能的转台正在学习写作时间的信息。3软件所有的Khepera资源管理是一项复杂的工作。控制大量的异步事件和分享一些关键接口的必要性主导开发一个完整的低层次的软件，它收集基本的I / O元素。3.1 软件结构层次复杂的途径方法和任务需要一个分层的方式来管理软件的结构。当智能炮塔(配备了单片机)使用时，选择适用的概念。两种软件结构实施:单个高级应用程序和许多独立的本地进程(图5)。根据定时器和它们响应外部中断的可能性，独立的本地进程(例如红外传感器测序、运动控制等等)都遵循周期性。高级应用软件运行控制算法，并且与一个独立的本地进程机制交流。高低水平任务的解耦使复杂的应用的发展快速、简便。3.2Khepera的控制Khepera实验是在两种不同表现方式：一是通过在自主机器人上运行算法或与可视化软件工具连接。正如已经提到的，通过一个单机进程的库控制基本输入输出的细节。在发展过程中，标准RS232连接被使用，通过一个普通的高层协议，沟通来自一个工作站的进程。应用软件在工作站上运行并调用基本图元使它能够监测机器人活动成为可能。所有的标准和专门的视觉工具可以被用来简化控制算法调试。由于应用软件是用标准C语言写的，算法可以很容易地调试转换运行在Khepera的CPU。应用可以下载到Khepera和机器人对于环境来说成为自治的。4实验环境该机器人试验中获得的测量质量和整个实验进程的效率依赖于工作环境的结构。目前可用的工具比过去真实机器人实验中用的好得多。与控制过程和连续参数可视化互动的真正的时间使更快更好地理解所涉及的机制成为可能。由于这些原因，开发更好的视觉和适应该实验的任务互动软件工具是有必要的。实现全面图形界面的最简单的方式来是用科学的工作站。这个工作站必须被连接到机器人上，以收集用于显示的数据和交换命令。这个实验的所有元件的物理排列必须紧凑，完整和便于控制。由于小型化，这可包含在示图6：整个配置，包括机器人，环境和工作站，它方便安排在一个普通表中。图6所显示的安排中串行连接电缆不能扰乱机器人的移动。一个防止电缆卷起的装置被放置在中间长度的串行电缆上。 对于涉及多个机器人的实验，有线串行链路不能再使用。特别电台通讯模块正在为这个目的而开发。这种额外的模块将提供手段在同一时间控制几个Khepera。使用有线或无线串行连接，工作站和机器人之间的数据必须尽可能的少。为了尽量减少这种不限制用户能力的，控制算法在工作站上运行。这种配置是最优的，当需要展示和控制重要数据时。几个编程和可视化工具用于执行Khepera实验。在这里，三编程风格将提到：第一 采用了古典编程语言建立独立申请，第二个是完整的图形编程接口，第三是前两个相结合，使得两全其美。 4.1完整的应用程序 第一个编程代码是编控制算法及传统形式的用户界面。对于软件工程师和已经研究可视化控制界面的研究人员来说，这是个很好的选择。这是通常的情况，当研究员开始执行真正的机器人实验时，模拟器已被开发并使用。在这种情况下，用与真实机器人接口取代模拟行动，模拟器可以很容易被改编。这通常没有修改用户界面。一些非常有趣的结果已经得到关于博士Gaussier 开发的神经网络模拟的方法。该模拟器为机器人控制设计神经网络。一个实时的可视化界面允许核查机器人的进程。关于Khepera和模拟器的接口的类似的经验正在推广。在这种情况下，控制界面由一个使用户能够在主机上实时的绘制出机器人轨迹的测量系统组成。 4.2. LabVIEW该软件包LabVIEW是一个来自于from National Instruments 的商业产品，它在主机设备（微型计算机或工作站）上运行。LabVIEW中已经发展成为一个用于虚拟仪器设计的环境。每个虚拟仪器都由一个控制面板和接线图组成。在面板上，用户可以交互指定输入设备（如滑动游标，按钮，文本控件）和输出设备（如仪表，影像，图）。在图中，用户输入虚拟仪器的函数。一个标准函数库可用来执行这项任务：图标数值函数，字符串处理，矩阵计算等。可以连接在一起设计一种算法。一个图标可以与一个完整的虚拟仪器联系起来，用在另一个仪器的图解中，从而形成一种模块化的方法。另外，模块可以用标准编程语言书写，如C语言或Pascal。一个样本实验，如图7所示。这幅图代表了基础算法的计算。两个模块并在一起，从传感器输入（左下图标）并输送命令给马达（右图示）。这些传感器和电机图标与机器人通过有线串行链接通信。面板上的两幅图是一台电动机和一个传感器。图的右上方的模块评估这个期间的需要，从而重新计算算法，这显示在面板的左下角。LabVIEW是一个用于不使用编程语言时设计实验环境的最佳工具。完整的图形界面帮助指定面板的互动项目，但是当设计复杂控制算法时效率低下。在这种情况下, 使用标准编程语言设计模块更有效。LabVIEW的第二版唯一的缺点是在某种意义上显示是有限的。 第三版本将会提供更多的互动能力并成为移动机器人实验更好的设计工具。4.3绘图器 绘图器是一种实验工具，由Y. Cheneval和L. Tettoni为EEP开发。因为代码优化和提高性能，该软件程序包是可获得的。在绘图器环境下，实验定义为互连模块，执行诸如纯电脑，可视化和控制的子任务。这些模块的编程是用C语言完成。相互之间的联系由用户指定。该接线图是在一个水平，因此阻止了分层的做法。出于这个原因，为避免复杂的布线方案，这些模块执行相当复杂的任务。为了方便发展，有大量标准模块用，使得现有的硬件最佳。绘图器与LabVIEW相比，前者是不太直观，需要一些编程知识，但是可以提高复杂实验的效率。下一节描述的实验将说明这方面。5分布式试验自适应控制作为开发技术的例子，评估控制建筑学的环境在本节将被提到。根据分布式自适应控制的设计方法，控制机制得以发展。这方法依次来自经典条件行为现象的分布式自组织模式。这个例子涉及怎样利用碰撞和接近传感器学习蔽障。控制结构由一个神经网络和叫做无条件刺激，条件刺激和汽车行动的三组神经元（图9）。无条件刺激组的神经元直接连接碰撞传感器，通过接近传感器饱和来模拟。将无条件刺激组和汽车行动组连到一起的预接线实现机器人在碰撞时蔽障。 CS组的神经元获得接近传感器的输入。用赫布规则连接条件刺激和无条件刺激的研究正在进行。这样，机器人可以形成一个有条件响应，可以在碰撞前用接近传感器来实现蔽障。在实验中，观察研究进程是有趣的。该试验中使用的软件环境是绘图器（见4.3节）。图8显示了关于工作站的实验展示。该窗口的左上角上，给出了实验的功能图：DAC模块（中心顶部）进行算法的计算，并和模块khepera（中心底部）交互控制机器人。其他三个模块允许用户接口。面板模块（右上）允许用户控制和算法计算。期间用到滑动游标。最后，图表模块（右下）显示传感器的状态和机器人的轨迹，在最右边的窗口可看到。如果不显示控制算法，实验装置不到一天就可设计好。用户可以完全控制机器人的身体，环境和所有算法的参数。在实时中，从而获得该进程最佳的可视化。6.结论 Khepera微型化使得结构紧凑和高效的实验环境成为可能。与有效的软件工具相连接，这种机器人具有一种测试控制算法。硬件，软件和控制工具使用户可以进行必要的快速准确的实验。 实验环境的例子已被提出。所描述的减小尺寸和降级微型机器人的成本使机器人组的关于集体行为的实验成为可能。在不久的将来这将成为主要的研究活动。参考文献1 R. A. Brooks. A robust layered control system for a mobile robot. IEEE Robotics and Automation, RA2:1423, March 1986. 2 J. Heller. Kollisionsvermeidung mit fuzzy-logic. Elektronik, 3:8991, 1992. 3 U. Nehmzov and T.Smithers. Using motor actions for location recognition. In F. J. Varela and P. Bourgine, editors, Proceedings of the First European Conference on Artificial Life, pages 96104, Paris, 1991. MIT Press. 4 N. Franceschini, J.-M. Pichon, and C. Blanes. Real time visuomotor control: From ies to robots. In Proceedings of the Fifth International Conference on Advanced Robotics, pages 9195, Pisa, June 1991. 5 R. D. Beer, H. J. Chiel, R. D. Quinn, K. S. Espen- schied, and P. Larsson. A distributed neural network architecture for hexapod robot locomotion. Neural Computation, 4:35665, 1992. 6 J. C. Deneubourg, S. Goss, N. Franks, A. Sendova, A. Franks, C. Detrin, and L. Chatier. The dynamics of collective sorting: Robot-like ant and ant-like robot. In J. A. Mayer and S. W. Wilson, editors, Simulation of Adaptive Behavior: From Animals to Animats, pages 356365. MIT Press, 1991. 7 R. A. Brooks. Intelligence without representation. Artifici