7、透明机器人控制架构探索

透明机器人控制架构探索

1. 概述

在机器人研究领域，构建具有透明性的控制架构是一项重要的工作。这里涉及到本能规划器（Instinct Planner）和R5机器人的设计与工程实现，这些工作为后续的机器人透明性实验奠定了基础。

本能规划器是一种受生物启发的反应式规划器，它基于已有的基于行为的机器人技术方法及其反应式规划器组件——并行有序滑移栈层次结构（POSH）规划器实现。它有诸多显著的改进，便于进行计划设计和运行时调试。其专为低功耗处理器设计，内存占用极小，用C++编写，能在Arduino（Atmel AVR）和Microsoft Visual C++环境中高效运行。该规划器已被应用于低成本的R5机器人中以研究人工智能透明性，同时也用于基于机器人操作系统（ROS）的机器人的动作选择实现。

这里所说的“透明”，和计算机编程中面向对象系统设计里的“透明”概念不同。在面向对象系统中，对象或对象类的实现被封装在对象内部，只要对象的编程接口不变，内部实现的更改对系统其他部分没有影响，这种更改被认为是“透明”的。而在此，“透明”是指揭示系统的处理过程和状态，就像打开一个装有机制的盒子，能看到内部的工作情况，从而在脑海中形成关于该机制如何工作的有用模型，并对其效能和局限性得出自己的结论。在探讨如何实现这种透明性编程之前，需要先了解机器人决策编程的相关历史。

2. 机器人动作选择历史回顾

2.1 SMPA模型

从20世纪50年代到80年代，具身人工智能（AI）研究采用认知符号规划模型SMPA（Sense Model Plan Act），最著名的例子是Shakey机器人项目。Shakey机器人使用SMPA规划，创建一个动作计划大