不確定性知識的灰色定性表達及其在機器人定位中的應用研究.pdf

1、獲取環(huán)境信息，對信息的不確定性或不完備性進行處理以形成系統(tǒng)的、能夠實際應用的知識，并實現(xiàn)知識的存儲、表達是智能體產生高級智能行為的先決條件。通過學習和累積知識，人類能夠融合消除冗余信息、聯(lián)想補充匱乏信息以降低主觀原因（認知能力或記憶能力受限制等）造成的信息的不確定性或不完備性，并基于獲得的知識產生目標明確、規(guī)范可信的行為。移動機器人作為典型的智能體，已被廣泛地應用于工業(yè)及日常生活的各個方面。高度擬人化，具備情景感知、人機交互能力的移動機

2、器人也逐步走出實驗室，面向普羅大眾并服務日常生活。一般，由于所處環(huán)境的復雜性、動態(tài)性，特別受自身認知能力（傳感器信息的精度低、信息處理能力差等等）的限制，移動機器人感知獲取的外界環(huán)境信息存在不確定性或是不完備的，也稱為機器人視角的主觀不確定性信息。如何像人類那樣，抽象、加工不確定性或不完備性信息，實現(xiàn)主觀不確定性信息的形式化、規(guī)范化、擬人化表達，并基于處理后的結果完成移動機器人定位等任務，對進一步提升移動機器人的智能度具有迫切而重要的意

3、義，是當前人工智能學者們的重要研究任務。為處理主觀不確定性信息，必須建立其符號化表示體系，并給出該體系的度量標準。進一步，為實現(xiàn)基于不確定性信息的擬人化推理、決策方式，還必須建立基于上述符號化表示及度量體系的定性推理規(guī)則。本研究借鑒灰色系統(tǒng)理論在主觀不確定性信息表示方面的優(yōu)勢并加以拓展，同時引入概率統(tǒng)計的相關理論知識，建立了以灰概率測度集為核心的主觀不確定性信息的符號化表示及度量體系。結合定性推理理論在模擬人類智能實現(xiàn)問題分析、決策方面

4、的優(yōu)勢，建立了主觀不確定性信息的灰色定性表達方法，并將其應用于移動機器人定位的相關應用中。研究結果表明，基于該方法提出的不確定性信息處理算法在機器人全局定位及位姿跟蹤中具備魯棒性高、容錯力強等比較優(yōu)勢。
　　本研究主要內容包括：⑴針對傳統(tǒng)二維區(qū)間灰數在描述高維（三維或更高維）信息時存在不足的問題，結合定性理論采用路標值（landmark values）實現(xiàn)定量信息定性描述的特點，建立了灰色定性量空間，實現(xiàn)任意維度主觀不確定性信息的

5、灰色定性表達，并定義了廣義白化函數實現(xiàn)不確定性信息的白化;進一步，基于灰色定性量空間，定義了定性推理的規(guī)則，提出了一種不確定性信息的融合、推理及決策方法。⑵基于建立的灰色定性空間及定性推理規(guī)則，模擬人類智能處理不確定性信息的模式，建立了智能體在學習過程中處理主觀（智能體視角）不確定性信息的模型，強調處理過程的漸進性，也即隨著主觀不確定性信息量的增加，通過融合和推理當前已有的信息，降低信息的不確定性。⑶將灰色定性理論應用到不確定性信息處理

6、過程中，實現(xiàn)特征位置信息的擴展，建立了拓展灰色定性地圖。根據人類環(huán)境認知過程的層次化特點，從機器人的視角，對環(huán)境進行了多層次的劃分;數據處理過程中，不再僅僅追求傳感器數據的精確表達，而是尋求機器人對精度的需求與傳感器精度及算法處理能力之間的平衡。在移動機器人全局定位中，該模型在魯棒性、方便人機交互方面具備一定的優(yōu)勢。⑷結合灰色定性理論與卡爾曼濾波技術的優(yōu)勢，實現(xiàn)了移動機器人狀態(tài)及觀測方程的動態(tài)創(chuàng)建，并基于實時創(chuàng)建的狀態(tài)及觀測方程實現(xiàn)機器

7、人位姿及環(huán)境中特征位置的實時估計。通過引入灰色定性地圖中的局部地圖匹配技術，實現(xiàn)了機器人朝向角的估計、校正。在移動機器人位姿跟蹤的應用中，該研究結果在跟蹤精度及容錯性方面具有比較優(yōu)勢。⑸基于灰色定性理論，研究機器人傳感器獲取的環(huán)境信息的區(qū)間化表達及度量體系，形成了灰概率測度集。該體系主要包括兩個方面的內容:利用灰色定性理論在主觀不確定性信息表達方面的優(yōu)勢，實現(xiàn)了主觀不確定性信息的區(qū)間化表達，建立了區(qū)間的漸進融合規(guī)則;結合概率統(tǒng)計中σ-代