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

負責感知(zhi)球(qiu)場上的態(tai)勢，視覺系統獲得(de)球(qiu)場上的實時圖像，對圖像進(jin)行(xing)顏色分割，識別(bie)出球(qiu)場上的各個目標，然后(hou)進(jin)行(xing)距(ju)離(li)校正，將結果(guo)發給決策程序。

2、決策系統

接收視覺(jue)系(xi)統(tong)的辨識結(jie)果(guo)，對(dui)球場態勢進行分析，然后做(zuo)出合理決策，將命令發送給底層控制系(xi)統(tong)。

3、底層控制系統

通(tong)過(guo)串口接收上(shang)位機的命(ming)令，控制(zhi)各輪走行電(dian)機按(an)照指(zhi)定速度(du)運行，控制(zhi)彈射(she)和持球(qiu)電(dian)機，將(jiang)底層傳感器的數據通(tong)過(guo)串口發送給上(shang)位機 。

4、通信系統

通過無線網絡聯系場內機(ji)器(qi)人和場外計算機(ji)，進行遙控測(ce)試，參(can)數設置等操作以及控制比賽的開始和終止。

二、自主機器人如何實現學習

絕大(da)多數的(de)(de)基于(yu)(yu)行為的(de)(de)實現(xian)方法都是(shi)對不(bu)同的(de)(de)任(ren)務進行手工(gong)編程(cheng)(cheng)的(de)(de)，這(zhe)需要編程(cheng)(cheng)人(ren)員能充分地(di)考(kao)慮到各種可能出現(xian)的(de)(de)情(qing)況，對機(ji)器人(ren)與環(huan)境之(zhi)間的(de)(de)交互有充分的(de)(de)理解(jie)，雖然有些設計出的(de)(de)系統對于(yu)(yu)很(hen)多任(ren)務和環(huan)境而言性能都是(shi)魯(lu)棒的(de)(de)，但系統對環(huan)境并(bing)不(bu)具有適應性。

人不(bu)能(neng)(neng)窮(qiong)盡一(yi)(yi)切可能(neng)(neng)。機器人能(neng)(neng)否(fou)通過學(xue)習獲(huo)得不(bu)能(neng)(neng)由程序員手(shou)工編碼進去的(de)知識(shi)，比如(ru)構建一(yi)(yi)個未知環境(jing)的(de)地圖，在任何環境(jing)的(de)性(xing)質隨(sui)時間變化的(de)任務中都是必(bi)要的(de)。

當(dang)機器(qi)(qi)人(ren)元件老化(hua)后(hou)，機器(qi)(qi)人(ren)的(de)傳感(gan)器(qi)(qi)和(he)執(zhi)行(xing)機構的(de)性質是(shi)可(ke)能會發生改變的(de)。

機器人(ren)在多機器人(ren)的(de)(de)環境中執行(xing),由于需要對其他機器人(ren)作出反應，它(ta)的(de)(de)策略(lve)是需要改變(bian)的(de)(de)。學習方(fang)法(fa)在這些情況下都能(neng)發(fa)揮(hui)重要的(de)(de)作用。用學習方(fang)法(fa)為機器人(ren)進行(xing)編程，而(er)無(wu)須告(gao)訴它(ta)怎樣達到它(ta)的(de)(de)目(mu)標(biao)，只要告(gao)訴它(ta)目(mu)標(biao)是什么，讓它(ta)通過學習去滿足這個(ge)目(mu)標(biao)，無(wu)疑，這種方(fang)法(fa)具有很大(da)的(de)(de)吸引力。它(ta)是提(ti)高機器人(ren)的(de)(de)適應性(xing)，降低編程人(ren)員編程強度的(de)(de)必由之路。

分類

機(ji)器人有不(bu)同層(ceng)次(ci)的行(xing)為，它們由不(bu)同層(ceng)次(ci)的信息表達所決定,因此就存(cun)在著不(bu)同類型的學習。Broo ks和(he)Mataric總結出了以下類型的學習：

1、為傳感設備標定(ding)或則參(can)數調節進行學(xue)習。這種類型的學(xue)習只(zhi)在(zai)一個特定(ding)行為結構中優化操作參(can)數。

2、學(xue)習真(zhen)實(shi)世界(jie)的(de)知(zhi)識。這(zhe)種類型的(de)學(xue)習構建與修改機(ji)器(qi)人對于(yu)真(zhen)實(shi)世界(jie)的(de)內(nei)部表達，以利(li)于(yu)機(ji)器(qi)人作出行(xing)為規劃和決(jue)策等高層的(de)智能行(xing)為。

3、學習已有行(xing)為(wei)的協調(diao)。這種類型的學習中通過協調(diao)已經存(cun)在的行(xing)為(wei)被觸發和被執行(xing)的順序(xu)來(lai)改(gai)變(bian)它(ta)們對世界的作用。

4、學習新(xin)的(de)行(xing)為。這種(zhong)類型的(de)學習建立新(xin)的(de)行(xing)為結構。

實際問題

機器人(ren)領域對任何學習算法而言(yan)都是一個挑戰(zhan)。在構建擁有學習能力(li),能自動進(jin)行知識獲取的自主機器人(ren)的過程中必須面對許(xu)多煩瑣(suo)的有關真實世界的問題(ti)。

1、傳(chuan)感(gan)器(qi)噪聲(sheng)。大多數(shu)機器(qi)人的(de)(de)傳(chuan)感(gan)器(qi)是(shi)不可靠(kao)的(de)(de)。于是(shi)由傳(chuan)感(gan)器(qi)信號得到的(de)(de)狀(zhuang)態描述注定是(shi)不精確(que)的(de)(de)。學習算法必(bi)須能夠處理噪聲(sheng),因此(ci)經常需要用統計平滑技術克服(fu)噪音的(de)(de)影響(xiang)。

算(suan)法的易駕馭性。機器人必(bi)須對不可預見的環(huan)境進行實時響應(ying)。因此(ci)學習算(suan)法必(bi)須不能過于復(fu)雜，算(suan)法的每一次迭代(dai)都必(bi)須能實時地完成(cheng)。

2、增量(liang)式(shi)的(de)算法(fa)。學習算法(fa)必須(xu)允許機器(qi)人(ren)邊(bian)學習邊(bian)改善自己的(de)性(xing)能。因(yin)為機器(qi)人(ren)必須(xu)一邊(bian)收集經驗(yan)一邊(bian)進行學習. 形(xing)成經驗(yan)的(de)數據(ju)不(bu)能離線獲得(de)。

3、有限的(de)(de)訓練(lian)時(shi)間(jian)(jian)。機(ji)器人的(de)(de)訓練(lian)時(shi)間(jian)(jian)是(shi)非(fei)常有限的(de)(de)。學(xue)習算(suan)法必須在(zai)(zai)合理的(de)(de)運(yun)算(suan)次(ci)(ci)數中收斂，因為機(ji)器人需要完成任務，在(zai)(zai)真實的(de)(de)機(ji)器人上(shang)進行上(shang)百萬次(ci)(ci)的(de)(de)動(dong)作是(shi)極(ji)為困(kun)難的(de)(de)。

堅(jian)實的(de)(de)(de)信(xin)息(xi)來源。 所有機器人可(ke)以(yi)獲得的(de)(de)(de)信(xin)息(xi)都必須最終(zhong)來至從它的(de)(de)(de)傳感(gan)器抽取得到(dao)的(de)(de)(de)信(xin)息(xi)或初始狀(zhuang)態時強行編碼進去的(de)(de)(de)知識。由于狀(zhuang)態信(xin)息(xi)是(shi)由傳感(gan)器數據計算得到(dao)的(de)(de)(de)，學習算法(fa)必須能和感(gan)知設備(bei)的(de)(de)(de)限(xian)制一起工作.明顯地,能否(fou)解決以(yi)上提出的(de)(de)(de)一些(xie)問題決定了用在真實機器人上的(de)(de)(de)學習算法(fa)的(de)(de)(de)成(cheng)功(gong)與否(fou)。

學習方法

在(zai)(zai)機(ji)器人(ren)研(yan)究領(ling)域中(zhong)有三(san)種(zhong)主(zhu)要的(de)(de)學(xue)(xue)習(xi)方(fang)法變得越(yue)來越(yue)流行(xing)。它們是(shi)強(qiang)(qiang)化(hua)學(xue)(xue)習(xi)( RL) ，進化(hua)方(fang)法( GA和EP)和基于人(ren)工(gong)神經(jing)網絡( ANN )的(de)(de)方(fang)法。其中(zhong)應用得最(zui)為廣(guang)泛的(de)(de)方(fang)法是(shi)強(qiang)(qiang)化(hua)學(xue)(xue)習(xi)方(fang)法.在(zai)(zai)學(xue)(xue)習(xi)新的(de)(de)行(xing)為和學(xue)(xue)習(xi)協(xie)調已經(jing)存在(zai)(zai)的(de)(de)行(xing)為兩(liang)種(zhong)情況(kuang)下都可以(yi)用到強(qiang)(qiang)化(hua)學(xue)(xue)習(xi)的(de)(de)方(fang)法。 強(qiang)(qiang)化(hua)方(fang)法是(shi)一(yi)種(zhong)無(wu)監督的(de)(de)學(xue)(xue)習(xi)算法，它比較好地符合人(ren)們解決問(wen)題(ti)的(de)(de)心理習(xi)慣，和傳統人(ren)工(gong)智能以(yi)及優(you)化(hua)算法聯系緊密，有普遍適的(de)(de)用性，因此獲得了(le)最(zui)廣(guang)泛的(de)(de)關注。