第四章 基于行为的机器人控制技术(2008.6.13).ppt

1、第四章 基于行为的机器人控制技术,2020/8/12,2,目录,4.1 引言 4.2 基于行为系统的基本特征 4.3 行为 4.4 仲裁 4.5 任务实例,2020/8/12,3,4.1引言,机器人程序实现方法： 传统的自组织结构，拼接方式 基于行为的实现，并行执行,机器人和计算机的区别 串行与并行 规划和机会 优雅降级,2020/8/12,4,基于行为的机器人实现技术的优点在于：并行执行、机会性目标实现、优雅降级。 基于行为的思想使得机器人程序环境中的各个环节相互并行存在，从而使机器人不但能够留心环境中所有可能的危险因素，而且能够充分利用工作过程中的各种机会。此外，在传感器数据错误或者缺乏的

2、情况下，基于行为的机器人能够方便地对实现方法进行调整，从而使整体性能不至恶化。,引言,2020/8/12,5,4.2 基于行为系统的基本特征,任务：机器人所展示的多方面的整体活动。 解决复杂任务求解的一种强有力的工具为简化法，也就是将比较困难的大问题分解为一系列比较简单的、易于理解和解决的小问题。 简化原则：基于行为的方法！,2020/8/12,6,基于行为系统的基本特征,采用基于行为的方法，需要为机器人设计一系列简单行为。 行为：通过感知信息控制执行过程的算法。 行为之间相互协调和协作，产生所需的机器人整体行为。,2020/8/12,7,基于行为系统的基本特征,行为框图：一个有用的图形工具，

3、它能帮助我们理解机器人都做了些什么，以及机器人是按照什么方式工作的。看图的关键是注意图中机器人各环节的主要划分,2020/8/12,8,基于行为系统的基本特征,行为框图中的机器人组成：感知单元、智能单元、执行单元 感知单元：由传感器组成，为智能单元输入相关信息 智能单元：向驱动器输出相关命令，它由一组基本行为和一个仲裁器组成,2020/8/12,9,移动机器人的简化模拟图,2020/8/12,10,收集任务的行为分解,任务描述： 机器人正在寻找具有某一特定形状的物体（假设该物体为冰球）；当机器人找到一个冰球之后，然后转身再去寻找另外的冰球。,2020/8/12,11,收集任务的行为分解,逃离行

4、为（Escape） 暗中拒推行为（Dark-push） 反向飞蛾行为（Anti-moth） 避障行为（Avoid） 归航行为（Home） 巡航行为（Cruise）,2020/8/12,12,收集任务的行为分解,当机器人同无力推动的物体发生碰撞时，逃离行为可以通过控制机器人后退和旋转，为其选择一个新的运动方向。 当机器人认为光线太暗时，暗中拒推行为不允许机器人推动冰球，这种情况通常发生在机器人背对光源的时候，因此可以避免机器人将光球推离光源位置。,2020/8/12,13,收集任务的行为分解,当机器人认为光线太暗时，反向飞蛾行为可以控制机器人转向行驶，从而将冰球留在目的区域内。 避障行为模块实时

5、监测红外传感器的状态。通常情况下，当机器人发现有障碍时，其相关操作是绕开障碍物行驶；但在收集任务中恰恰相反，机器人将向检测到的特定物体（冰球）移动，这可以帮助机器人寻找冰球。如果机器人不能推动所检测到的物体，那么逃离行为将起作用。,2020/8/12,14,收集任务的行为分解,归航行为可以将机器人调整到面向光源的方向，并控制它沿此方向移动。 当机器人不知道自己该做什么时，巡航行为将驱使机器人沿直线行驶。,2020/8/12,15,基于行为系统的基本特征,也许，上述列出的行为都不是我们所期望的，比如那些意义非常明确的寻找冰球，推动冰球和放置冰球等任务。尽管机器人看上去应该非常明确地执行这三种行为

6、，然而这三种行为可以由更简单的行为相互组合而成。 因此，基于行为的机器人学的一个重要特征是：复杂行为可以由比较简单的行为相互组合实现。,2020/8/12,16,基于行为系统的基本特征,通过仿真，可以发现，收集任务的执行过程并不十分稳定。系统的瞬时行为并不是完全确定的，而是包含了很多随机的东西，我们永远也不会确切知道机器人是如何把冰球收集到光源位置的。 但是，系统的整体行为却是非常稳定的。不管环境中有多少冰球，这些冰球在什么位置，以及在半路上会失误多少次，机器人最终会将所有的冰球都成功地收集到光源附近。 所有这些就是基于行为系统的基本特征。,2020/8/12,17,基于行为机器人的反射性,基

7、于行为的机器人具有很强的反射性，只要机器人对相关环境作出了判断，就立即采取行动，这与操作型机器人完全不同。 操作型机器人只有当收集到环境中的所有信息时（与任务相关或无关），才对自己的行为进行规划，然后再依据这些规划去执行。而基于行为的机器人则是一有信息，就立即据此动作。基于行为的机器人无需规划，只需要反应。,2020/8/12,18,基于行为机器人的可靠性,在执行任务时容易出现偶然性失误是所有基于行为的系统的一个共同特性。 基于规划的确定性系统不会犯“将冰球放在离光源很远的位置，等到以后有机会再来搬运”等愚蠢错误，并且不会沿错误的方向推动冰球。但基于规划的系统性能极不可靠：如果假设条件得不到满

8、足，或者在执行过程中环境发生变化，系统将会停止运行，不能继续完成指定的任务。 相比而言，基于行为的系统具有相当合理的容错机制和更强的鲁棒性，它不需要所有环节都是确定的。即使有随机的甚至混乱无序的情况发生，只要系统能够在大多数情况下做出正确决策，最终就能实现自己的目标。,2020/8/12,19,4.3 行为,行为组成 行为分类 有限状态分析,2020/8/12,20,行为组成,基本行为由两个部分组成： 将感知信息转换为执行器指令的控制单元。 用来决定控制单元何时动作的触发单元。 基本行为的这两个组成单元都可以检测相同的或者不同的传感器信息，以便确定自己的动作。,2020/8/12,21,行为组

9、成,2020/8/12,22,行为分类,对行为的描述可以分为两类：伺服行为和弹道式行为 伺服行为：采用反馈控制作为它的控制单元。 弹道式行为：顾名思义，就像大炮发射的炮弹沿着可计算得到的轨迹飞行一样，一旦触发，该行为自始至终都会按照预定好的模式运行。例如：逃离行为。,2020/8/12,23,有限状态分析,状态：指系统可能存在的所有结构 在机器人研究领域，使用有限状态机（FSM: Finite State Machine）研究系统。 有限状态机不但具有有限数量的状态，而且还详细地对系统如何在状态之间进行切换定义了相关规则。,2020/8/12,24,FSM示例：逃离行为,2020/8/12,2

10、5,FSM示例：逃离行为,图中所示为逃离行为的一种FSM实现方式。在无动作状态，逃离行为不会为机器人计算任何指令。如果碰撞检测开关检测到在机器人的左（右）侧发生碰撞，将会输出d值为右（左），并且切换到后退状态。当行为处于后退状态时，机器人后退距离b，然后进入“原地向d方向旋转”的状态。机器人在这种状态下向d方向旋转一定角度 后，FSM进入前进状态。在前进状态下，机器人将会前进距离f，然后返回到无动作状态。至此，逃离行为完成。,2020/8/12,26,4.4 仲裁,固定优先级仲裁 优雅降级 包容式结构 运动图式（势场法）,2020/8/12,27,仲裁问题！,问题的提出：在某个时刻只要仅有一个

11、行为触发，系统都能够比较平稳地运行。然而，事情远非如此简单，当两个甚至更多的行为同时被触发，并且每个行为都需要机器人执行不同的动作时，机器人该怎么办？,2020/8/12,28,固定优先级仲裁,2020/8/12,29,固定优先级仲裁,采用固定优先级仲裁机制，多个行为向仲裁器发出指令，优先级事先设定。 在定义过程中，不允许两个行为具有相同的优先级。当来自于不同行为的命令冲突时，具有高优先级的行为将会胜出，以控制驱动电机（或系统中其它被竞争的资源）。 如果没有任何行为发送命令到仲裁器，仲裁器将会输出默认指令，通常情况下为停止。 注意：可变优先级只是理论上可行，实际研制过程中可能会有一些实质问题。

12、通常情况下，如果能够对问题进行合理的分解，采用固定优先级总能完成任务。,2020/8/12,30,固定优先级仲裁（收集任务）,按照惯例，在图中位置较高的行为优先级越高。,2020/8/12,31,优雅降级,机器人永远不会一劳永逸地在现实环境中运行，例如： 当命令机器人按照某种特定方式运行时，由于环境中存在很多不可控因素，机器人的实际运行方式与我们所期望的有很大差异。 可能传感器彻底失效，或者在信息检测过程中经常出现漏报和误报信息。,2020/8/12,32,优雅降级,尽管在重要信息损失或者在运动控制命令变质的情况下，性能会受到一些影响。但机器人程序也应做到最好，而不是彻底地瘫痪。在子系统发生错

13、误或者失败的情况下，系统这种能降低水准继续工作的能力被称为优雅降级。 行为/仲裁体系结构可以方便地赋予系统优雅降级的功能,2020/8/12,33,优雅降级（示意图）,2020/8/12,34,优雅降级,图中所示为一导航机器人的行为框图。其中有五个能够处理环境中所发生的危险情况的行为，它们能够根据各自传感器的信息从导航行为中接管机器人的控制权。即使在传感器工作失败，不能按照程序设计者所期望的那样检测环境信息时，这种机制也能够保证机器人继续运行。,2020/8/12,35,包容式结构,Rodney Brooks在1986年发表的论文表明了基于行为的编程方法的正式起源。在这篇论文中，Brooks受

14、到了人类大脑进化过程的启发，描述了一种被称为包容式结构的机制。 在进化过程中，人类永远不会丧失比较低级的功能，而高级功能则在此基础上进行添加。,2020/8/12,36,包容式结构,与此类似，采用包容式结构应该首先编程实现机器人的最简单行为，像电动机控制、对于碰撞的反应，以及对于附近区域出现障碍物的反应等行为，都应该被合理地组织在一起。然后，再在这些行为的基础上添加新的高级行为，以扩展和提高机器人的功能。,2020/8/12,37,包容式结构,采用包容式结构时，重要的一点是要保证能够在以前所建行为连接中插入后续高级指令所发布的命令。 可以这样理解包容式结构的构建过程：首先，机器人的一个行为同执

15、行器相连；然后在这个行为之上添加一个新行为，以前的连线从中间断开，新行为在此注入新的信号。这种新信号（标有箭头）通常比旧信号具有更高的优先级。,2020/8/12,38,包容式结构（示意图）,包容式结构采用多个仲裁器。仲裁过程发生在被称为竞裁器节点或抑裁器节点的内部，这两种节点分别标记为S和I，如图所示：,2020/8/12,39,竞裁器,对于图中所示结构，可以认为在开始阶段首先建立和调试行为A，然后再添加行为B。在加入行为B的过程中，行为A同执行器之间的连线断开，行为B的信号通过竞裁器节点插入到该连接中。 采用这种方式继续增加机器人的相关行为：先构建和调试低级行为，然后增加高级行为。当机器人

16、在不同的阶段运行时，它的功能会随着行为的增加越来越强。,2020/8/12,40,抑裁器,抑裁器节点的作用：使一种行为通过发送消息有效地抑止另一种行为。 在抑裁器结点中，高优先级信号不会取代低优先级信号进行输出。当高优先级信号出现时，节点的输出端将没有任何信号输出。高优先级信号的作用是抑止低优先级信号，阻止它们发送任何消息，其结果看上去就像低优先级行为根本没有尝试发送任何消息一样。,2020/8/12,41,固定优先级仲裁器的等效表示法,竞裁器节点类似于前面介绍的固定优先级仲裁器，具有两个输入和一个输出，标有箭头的输入具有更高的优先级。前述的多输入固定优先级仲裁器可以通过组合多个竞裁器节点实现

17、。,2020/8/12,42,运动图式（势场法）,运动图式方法能够对发生冲突的行为命令进行综合考虑，并将它们按照某种方式融合在一起。同简单地选取某个获胜命令相比，这种方式具有更强的包容性。解释如下：,2020/8/12,43,势场图描述,2020/8/12,44,势场图描述,每个行为单独计算得到的机器人控制命令为：归航行为计算得到的命令直接指向目标方向，如图b)中矢量所示；避障行为计算得到的命令将使机器人远离附近区域内的任何物体，如图c)中矢量所示。 在上述情况下，我们不再简单地选取某个获胜行为，而是对归航和避障这两种行为所发布的命令同时进行折衷考虑，以此确定机器人的移动方向。图d)显示了吸引

18、矢量场和排斥矢量场的矢量和。,2020/8/12,45,势场法存在的问题！,我们总是难以得到如图中所示的如此完美的全局矢量场，环境传感器的性能是无法保证的。 势场法总存在局部最小现象，机器人容易陷入“势阱”。,2020/8/12,46,如何解决“局部最小问题”,改变势能值当机器人停止在某个点不再进行移动时，不断增大前面它所经过位置的势能值，直到当前停止位置的势能值不是局部最小为止。 当机器人向目标前进的步伐停止时，切换为使用沿墙行走行为或者其它一些策略。,2020/8/12,47,4.5 任务实例,SodaBot: 苏打罐清理机器人,2020/8/12,48,SodaBot主要功能描述：,巡视

19、苏打罐可能出现的位置。 在环境中识别苏打罐。 区别出苏打罐是仍在使用的还是废弃的。 捡起废弃的苏打罐。 自动导航至回收容器位置。 识别出回收容器。 将苏打罐放进回收容器内。 避开或者逃离将会导致自己工作失败的任何危险。 在需要时能够自动完成充电过程。,2020/8/12,49,简单任务实现,巡视可能地点：“随机覆盖算法” 识别苏打罐：高度、宽度、重量判别,2020/8/12,50,简单任务实现,废弃苏打罐判定：温度判别 捡取苏打罐,2020/8/12,51,简单任务实现,导航：归航红外信标 回收箱识别、苏打罐放置、充电：,2020/8/12,52,简单任务实现,避免危险： 避免同障碍物发生碰撞。 避免从楼梯跌落。 需要安装：红外接近觉传感器、碰撞接触传感器、电流检测传感器（防堵转）、静止检测传感器（防意外静止）、陡沿检