機器人室內未知環(huán)境探測與規(guī)劃研究.pdf

1、移動機器人是機器人領域的重要研究方向，是機器人學、計算機科學和人工智能等多學科的結合。在實際應用中，移動機器人需要在缺少環(huán)境相關先驗知識的情況下完成探測與路徑規(guī)劃的任務。如何提高移動機器人的自主學習能力已經成為移動機器人領域的研究熱點，本文對移動機器人室內未知環(huán)境探測與規(guī)劃進行研究。
　　本文針對移動機器人獲取未知環(huán)境中目標信息的需求，提出基于視覺的目標狀態(tài)探測系統(tǒng)，在機器人運動過程中實時獲取目標信息引導機器人完成路徑規(guī)劃。該系統(tǒng)

2、使用基于約束最小二乘法的目標擬合方法，保證目標檢測有效性的同時，提高在有遮擋情況下定位的準確性。同時，為了提高目標定位信息對路徑規(guī)劃的貢獻，使用基于差額獎勵的目標狀態(tài)檢測方法，應用于強化學習中獎勵信號的設計。
　　以移動機器人傳感器探測的數據為基礎，本文設計了基于自適應模糊神經網絡的移動機器人路徑規(guī)劃系統(tǒng)，利用環(huán)境信息控制移動機器人完成路徑規(guī)劃任務。該系統(tǒng)有效結合模糊系統(tǒng)的表達推理能力和人工神經網絡的泛化能力，通過專家樣本訓練，準

3、確地建立環(huán)境信息與動作之間的映射關系，表現出良好的學習能力。
　　根據移動機器人對室內未知環(huán)境中探測與規(guī)劃的需求，本文提出基于自適應模糊神經網絡的強化學習決策系統(tǒng)，使得移動機器人無需依賴環(huán)境模型，直接從環(huán)境學習狀態(tài)空間與動作空間的映射關系。自適應模糊神經網絡的函數逼近能力和泛化能力可以有效解決強化學習Q函數學習時表示空間快速膨脹問題，同時利用視覺信息完善獎勵信號的設計，提高系統(tǒng)的實用性。
　　本文提出的方法均通過相關的實驗測