基于感官预期的机器人地标自主选择
1. 引言
地标在移动机器人导航中被广泛应用,但对于什么才是合适的地标,目前并没有达成共识,且存在众多相关理论。这里所说的感知地标,是指机器人在特定位置的传感器数值。一个优质的感知地标,能让机器人在穿越先前已绘制地图的区域时,精准估算自身位置。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。
选择地标是个关键问题,但常见的解决方式却不尽如人意。有的只是按固定间隔进行感官扫描,并将每次扫描结果都当作地标。然而,在很多环境中,大量的感知信息十分相似,这些地标对导航并无太大帮助。还有些方法稍好一些,比如由实验人员查看机器人拍摄的图像来挑选地标,或者运用某种统计学习方法。
本文旨在解决机器人学习选择地标这一问题,使机器人能可靠地沿着路线导航而不迷路。机器人所选的地标应具备以下特点:每次沿路线行驶时都能被感知到(一致性)、与附近位置易于区分(独特性)、数量足够多以辅助定位,但又不能过多导致定位计算成本过高。这些地标无需完全独一无二,因为在很多环境中,仅通过单一感知来确定机器人的精确位置是不现实的。我们假定机器人是在沿着路线行驶,并在行驶过程中进行自我定位,而非从零开始与所有可能的位置进行匹配。
2. 地标选择方法
2.1 基于感官预期的地标选择
为解决上述问题,一种方法是在典型的操作环境中学习感官预期模型。该模型依据正常的感官序列,在每个时间步预测机器人的下一次感知。若机器人的预期不准确,即该位置的情况在模型中未得到充分描述,那么这个位置就会被定义为地标,这属于新奇性检测的一种形式。
同时,使用卡尔曼滤波器来消除预测中的噪声影响,并维护用于选择地标的统计信息。这样
超级会员免费看
订阅专栏 解锁全文

被折叠的 条评论
为什么被折叠?



