基于動態(tài)神經網絡的移動機器人導航方法的研究與實現(xiàn).pdf

1、機器人自主導航是移動機器人研究領域中的一個核心技術和難點問題，涉及到機器人的感知、規(guī)劃、執(zhí)行等諸多方面。隨著機器人應用范圍深度和廣度的延拓以及人工智能科學的發(fā)展，機器人導航越來越向智能化和自主化方向發(fā)展。模仿人類的行為方式和學習能力是智能機器人研究的發(fā)展方向，意義重大?；谶@樣的思想，通過機器人和環(huán)境的交互作用，用強化學習的策略對神經網絡進行訓練和調整，最終完成機器人在未知環(huán)境下的導航任務。本文采用動態(tài)自組織特征映射網絡實現(xiàn)對機器人工作

2、環(huán)境的離散劃分，解決了Q學習中的狀態(tài)優(yōu)化劃分問題。在此基礎上，采用動態(tài)結構神經網絡完成機器人對不同復雜程度環(huán)境下導航方法的學習。對神經網絡結構自適應優(yōu)化調整和機器學習進行了研究。主要內容如下： ⑴針對強化學習中環(huán)境狀態(tài)均勻劃分導致狀態(tài)冗余，學習效率低下的問題，采用一種動態(tài)自組織特征映射網絡實現(xiàn)了對環(huán)境狀態(tài)的優(yōu)化劃分。在該網絡模型中引入了神經元節(jié)點的年齡和鄰接關系的創(chuàng)建和刪除機制，達到網絡結構的動態(tài)構建。該神經網絡以一個簡單的結構

3、初始，依靠機器人在環(huán)境中巡游進行動態(tài)訓練，從而完成對環(huán)境狀態(tài)的聚類。網絡競爭層神經元節(jié)點數(shù)目、節(jié)點之間的連接關系在訓練過程中發(fā)生動態(tài)變化，最終網絡規(guī)模和環(huán)境復雜程度相匹配。 ⑵為了解決不同應用背景下神經網絡的結構設計問題，特別是針對強化學習中狀態(tài)空間和動作空間映射關系的學習問題，提出了動態(tài)結構神經網絡。該網絡模型與常用的BP網絡有很大的不同，首先，網絡的結構不需要預先設定，可以根據(jù)應用環(huán)境進行自動調節(jié)。其次，神經元的插入和刪除不

4、限于某一層內，網絡的結構也不限于傳統(tǒng)的三層。這樣，一方面解決了Q學習中的狀態(tài)一動作對組合爆炸問題，增強了學習結果的泛化能力：另一方面，也為先驗知識不足的情況下神經網絡的結構設計提供了有效的途徑，避免了反復試湊的盲目性。 ⑶結合使用動態(tài)神經網絡和Q學習方法，構建了移動機器人導航控制器。在未知環(huán)境狀態(tài)下，機器人沒有合適的教師信號訓練神經網絡，機器人的學習能力是完成導航任務的關鍵所在。Q學習具有不需要建立環(huán)境模型的優(yōu)點，適合于未知環(huán)境