23、机器人地标自主选择的感官预期研究

机器人地标自主选择的感官预期研究

1. 引言

地标在移动机器人导航中应用广泛，但对于地标的定义却缺乏共识，对于什么是好的地标也有众多理论。本文所讨论的感知地标，是指机器人在特定位置的传感器值。一个好的感知地标，能让机器人在穿越先前已绘制地图的区域时，准确估计自身位置。基于地标的定位是许多成功的移动机器人导航系统的基础。

然而，如何选择地标是一个重要问题。常见的做法是按固定间隔进行感官扫描，并将每次扫描都作为地标，但在很多环境中，大量感知几乎相同，这些地标对导航并无帮助。还有一些改进方法，如让实验人员根据机器人拍摄的图像选择地标，或使用统计学习方法。

本文旨在解决机器人学习选择地标以可靠导航的问题。机器人选择的地标应每次都能被感知到（一致性）、易于与附近位置区分（独特性），频率要足够高以用于定位，但又不能过高导致计算成本增加。

解决此问题的一种方法是学习典型操作环境中的感官预期模型，该模型用于预测机器人的下一次感知，预测不准确的地方被定义为地标，这是一种新奇性检测。同时，还研究了基于感知新奇性的地标检测方法，使用可动态创建和销毁节点的生长神经网络，将感知与整个感知历史进行比较，若感知与之前的类别差异大，则被视为地标。

这两种方法都有缺点，预期地标检测器需假设模型学习能力适中，且两种方法都需要选择参数来确定感知成为地标的新奇度。

2. 基于感官预期的地标选择

感官预期是对未来值的预测，会影响当前行为。感官预测可被动用作注意力机制，也可在感觉运动情境中主动使用。

本文采用被动使用感官预期的方法，将注意力集中在与近期感知相比具有新奇性的感知上，这与变化检测和新奇性检测相关。