人工智能导论 课件 第20章 智能机器人

第20章智能机器人

20.1智能机器人的概念

20.2机器人感知

20.3机器人规划

20.4机器人控制

20.5机器人系统的软件结构

20.6机器人程序设计与语言

20.7机器人技术进展

20.1智能机器人的概念

三个阶段第一阶段的机器人只有“手”，以固定程序工作，不具有外界信息的反馈能力；第二阶段具有对外界信息的反馈能力，即有了感觉，如力觉、触觉、视觉等；第三阶段，即所谓“智能机器人”阶段，这一阶段的机器人已经具有了自主性，有自行学习、推理、决策、规划等能力。

四种机能感知机能——获取外部环境信息以便进行自我行动监视的机能；运动机能——施加于外部环境的相当于人的手、脚的动作机能；思维机能——求解问题的认识、推理、判断机能；人-机通信机能——理解指示命令、输出内部状态，与人进行信息交流的机能。20.2机器人感知

机器人的感知包括对外界和对自身的感知。感知机能是靠传感器来实现的。因而，机器人传感器可分为内部传感器和外部传感器两大类。内部传感器用来感知机器人的内部状态信息，包括关节位置、速度、加速度、姿态和方位等。常见的内部传感器有轴角编码器、加速度计、陀螺系统等。外部传感器用来感知机器人外部环境信息，它又分为接触型和非接触型两种。前者有触觉、压觉、力觉、滑觉、热觉等，后者有视觉、听觉、接近觉、距离觉等。机器人传感器，直接模仿人或生物的感觉器官。如根据人和昆虫眼睛的成像原理研制的视觉传感器，它能感受物体的形状、特征、颜色、位置、距离和运动等。还有听觉传感器、触觉传感器、味觉传感器等也是用相应的仿生原理制作的。立体摄像机和激光测距仪是机器人获得三维视觉的两类实用传感器。在机器人感知研究中，视觉方面的成果最为突出，机器人视觉已经成为一门新兴的独立学科。机器人视觉的主要目的是从整体上理解一个给定的三维景物，为此，图像处理、模式识别、知识工程和三维视觉等技术特别是智能技术在机器人视觉的研制中得到了应用。20.3机器人规划规划就是拟定行动步骤。实际上它就是一种问题求解技术，即从某个特定问题的初始状态出发，寻找或构造一系列操作（也称算子）步骤，达到解决问题的目标状态。机器人规划的基本任务是：在一个特定的工作区域中自动地生成从初始状态到目标状态的动作序列、运动路径和轨迹的控制程序。规划系统可分为两级：任务规划子系统和运动规划子系统。任务规划需要解决三个基本技术问题：问题或状态的表示、搜索策略和子目标冲突问题。路径规划一般分解为寻空间和寻路径两个子问题。寻空间是指在某个指定的区域R中，确定物体A的安全位置，使它不与区域中的其它物体相碰撞。寻路径是指在某个指定的区域R中，确定物体A从初始位置移动到目标位置的安全路径，使得移动过程不会发生与其它物体的碰撞。路径规划的方法有假设-测试法、罚函数法、位姿空间法、旋转映射图法等。

机器人规划可以采用图搜索技术来解决。还有一些系统将专家系统技术应用到规划之中。近年来，随着计算智能技术的飞速发展，神经网络技术也被引入了机器人规划。20.4机器人控制

机器人控制即运动控制，包括位置控制和力控制。置控制就是对于路径规划给出的运动轨迹（即路径），控制机器人的肢体（如机械手）产生相应的动作。力控制则是对机器人的肢体所发出的作用力（如机械手的握力和推力）大小的控制。运动控制涉及机器人的运动学和动力学特性，所以，运动控制研究需要许多运动学和动力学知识。总的来说，机器人运动控制比较困难。主要原因在于要求的运动轨迹是在直角坐标空间中给定的，而实际的运动却是通过安装在关节上的驱动部件来实现。

因而需要将机械手末端在直角坐标空间的运动变换到关节的运动，也就是需要进行逆运动学的计算。这个计算取决于机器人的手臂参数以及所使用的算法。我们知道，具有四肢的动物（包括人类），运动时会很自然地完成从目标空间到驱动器（肌肉）的转换。这个转换能力一方面是先天遗传的，另一方面也是通过后天学习不断完善的。生物系统的运动控制为机器人的神经网络控制提供了很好的参考模型。这种控制不需要各个变量之间的准确的解析关系模型，而只要通过大量的例子的训练即可实现。因此，在机器人控制中广泛采用神经网络控制技术。

通常的机器人运动学控制主要是基于正、逆运动学的计算。这种控制方法不但计算繁琐，而且需要经常校准才能保持精度。为此，人们提出了一种双向映射神经网络，进行机器人运动学控制。这种网络主要由一个前馈网组成，隐层为正弦激励函数。从网络的输出到输入有一个反馈连接，形成循环回路。正向网络实现正运动学方程，反馈连接起修改网络的输入（关节变量）以使网络的输出（末端位姿）向着期望的位姿点运动。这种双向映射网络不但能够提供精确的正、逆运动学计算，并且只需要简单的训练。

在动力学控制中，关键是逆动力学计算。这里主要有两方面的问题，一是计算工作量很大，难以满足实时控制的要求；二是需要知道机器人的运动学和动力学参数。要获得这些参数，尤其是动力学参数往往是很困难的。采用神经网络来实现逆动力学的计算，原则上可以克服上述两个问题。由于神经网络的并行计算的特点，它完全满足实时性的要求，同时它是通过输入输出的数据样本经过学习而获得动力学的非线性关系，因而它并不依赖机器人参数。

在力控制中，无论是采用经典控制还是现代控制，都存在建模难题。因此，人们将智能控制技术引入机器人力控制中，产生了智能力控制方法。该方法应用递阶协调控制、模糊控制和神经网络控制技术来实现力控制系统。在这类系统中，力/位反馈并行输入，模糊、神经网络控制对输入信息进行并行非线性处理和综合，将处理结果（位置量）输出给位置伺服子系统。这种控制系统具有高速响应，能够完成机器人在行走中与刚性表面接触而产生位移时的实时控制。

智能机器人的控制结构通常被设计成多处理机系统的网络，并采用智能控制的分层递阶结构。如在纵向，自顶向下分为四层，每一层完成不同级别的功能。第一层负责任务规划，把目标任务分解为初级任务序列。第二层负责路径规划，把初级移动命令分解为一系列字符串，这些字符串定义了一条可避免碰撞和死点的运动路径。第三层的基本功能是计算惯量动力学并产生平滑轨迹，在基本坐标系中控制末端执行器。第四层为伺服和坐标变换，完成从基本坐标到关节坐标系的坐标变换以及关节位置、速度和力的伺服控制。20.5机器人系统的软件结构智能机器人软件体系结构必须将反应式控制和基于模型的思考式控制相结合。因此，大多数智能机器人体系结构在低层次的控制中采用反应式技术，而在高层次控制中采用思考式技术。结合了反应式和思考式技术的体系结构通常称为混合体系结构。三层体系结构，它由一个反应层、一个执行层和一个思考层组成。反应层为机器人提供低层次的控制。它的特征是具有紧密的传感器-行动循环。决策循环通常是以毫秒计的。执行层（或序列化层）起着反应层和思考层之间的粘合剂的作用。它接收由思考层发出的指令，序列化以后传送给反应层。思考层利用规划生成复杂问题的全局解。思考层使用模型进行决策。这些模型可以事先提供或者从数据中学习得到，它们通常利用了在执行层收集到的状态信息。当然，三个层次的划分并不是非常严格的。一些机器人软件系统具有更多的层次，例如还可有用于控制人机交互的用户接口层，或者负责协调机器人与在同一环境下运转的其他机器人的行动的软件层等。20.6机器人程序设计与语言20.6.1机器人程序设计1.直接示教方式也称示教再现方式。其具体做法是，使用示教盒根据作业的需要把机器人的手爪送到作业所需要的位置上去，并处于所需要的姿态，然后把这一位置、姿态存储起来。对作业空间的各轨迹点重复上述操作，机器人就把整个作业程序记忆了下来。工作时，再现上述操作就能使机器人完成预定的作业，同时可以反复同样的作业过程。2.离线数据程序设计方式

离线数据程序设计方式就是使用计算机辅助设计软件设计数据，计算出为了完成某一作业，机器人手爪应该运动的位置和姿态，即用计算机辅助设计（CAD）的方法产生示教数据。这一方式克服了直接示教法的缺点，对于复杂的作业，或许要给出连续的数据时，采用此方法是比较合适的。3.

机器人语言方式

机器人语言方式就是使用机器人程序设计语言编程，使机器人按程序完成作业。

20.6.2机器人程序设计语言

机器人程序设计语言一般是一种专用语言，这种语言实际上是一个语言系统。既包含语言本身——给出作业的指示和动作指示，又包含处理系统——根据上述指示来控制机器人系统，另外还包括了机器人的工作环境模型。

通用机器人语言GRL

反应式行动规划系统RAPS

GOLOG

嵌入式系统C++语言CES

ALisp20.7机器人技术进展