仿生機器人學(xué)概論報告.doc

仿生機器人學(xué)概論報告基于仿生的多機器人系統(tǒng)淺析摘 要：仿生機器人和多機器人協(xié)作系統(tǒng)都是近年來機器人研究的熱點，具有良好的應(yīng)用前景。本文分析了多機器人系統(tǒng)的研究現(xiàn)狀與常見體系結(jié)構(gòu)，介紹了在多機器人系統(tǒng)中仿生學(xué)原理的應(yīng)用。關(guān)鍵詞：多機器人 仿生1 研究背景和意義隨著科技的發(fā)展，人類活動所涉及的范圍已經(jīng)極大地擴展，某些惡劣的環(huán)境對活動人員的安全也造成了極大的威脅，需要相應(yīng)的可以代替人類執(zhí)行任務(wù)的機器人。同時，新的需求和任務(wù)也對機器人的性能提出了更高的要求。而大自然在幾十億的時間里選擇造就的生物體的運動機構(gòu)和運動模式為機器人發(fā)展帶來了取之不盡的知識源泉。1960年，美國科學(xué)家Steel J E經(jīng)過長期的觀察研究，創(chuàng)立了仿生學(xué)。仿生學(xué)在機器人科學(xué)中的應(yīng)用，推動了機器人的適應(yīng)能力向非結(jié)構(gòu)化、未知的環(huán)境方向發(fā)展。多機器人技術(shù)(Multiple Robotics)是機器人技術(shù)發(fā)展的一個新方向，開始于20世紀(jì)70年代。單機器人作為一個獨立的個體，在信息的獲取、處理和執(zhí)行能力等方面都是有限的，對復(fù)雜多變的工作任務(wù)和工作環(huán)境，單機器人的能力尤顯不足。而可以通過多個機器人組成的群體經(jīng)協(xié)調(diào)、協(xié)作來完成單機器人無法或難以完成的工作。群體機器人系統(tǒng)比單機器人系統(tǒng)具有更強的優(yōu)越性，主要表現(xiàn)在以下幾個方面：(1)相互協(xié)調(diào)的n個機器人系統(tǒng)的能力可以遠(yuǎn)大于一個單機器人系統(tǒng)的n倍，通過共享資源(信息、知識等)可以彌補單機器人能力的不足，完成單機器人系統(tǒng)無法完成的復(fù)雜任務(wù)；(2)設(shè)計和制造多個簡單機器人比單個復(fù)雜機器人更容易、成本更低；(3)使用群體機器入系統(tǒng)可以大大節(jié)約時間，提高效率；(4)群體機器人系統(tǒng)的平行性和冗余性可以提高系統(tǒng)的柔性和魯棒性等。而在自然中，螞蟻、蜜蜂、魚群、狼群等營群體生活的動物的行為為我們提供了很好的研究方向與啟示。在這些動物群體中，單個個體的力量往往是很微弱的，但成千上萬的這樣微小的個體最終卻形成了令人無法忽視的力量，創(chuàng)造出復(fù)雜而龐大的蟻穴、蜂巢等工程。生物群體中的信息交流方式和其協(xié)作管理模式等都是多機器人系統(tǒng)的發(fā)展中可以借鑒的部分，通過在多機器人系統(tǒng)中應(yīng)用仿生學(xué)原理一定能使之獲得更加卓越的進步。2 國內(nèi)外研究現(xiàn)狀經(jīng)過二十幾年的發(fā)展，群體機器人系統(tǒng)的研究己在理論和實踐方面取得很大的進展，已出現(xiàn)了多機器人仿真系統(tǒng)和實驗系統(tǒng)。目前，國內(nèi)關(guān)于群體機器人系統(tǒng)的研究剛剛起步，而國外的研究則比較活躍。關(guān)于多機器人協(xié)作系統(tǒng)的研究可以追溯到上個世紀(jì)四十年代。1940年Grey Walter 、Wiener 和 Shannon 研制了一種形狀類似于烏龜?shù)臋C器人，機器人上裝有光學(xué)傳感器和觸覺傳感器，這種簡單的機器人可以通過彼此之間的交互來演示“復(fù)雜的社會行為”。80年代末期建立世界上首個基于多智能體的多機器人系統(tǒng)( cellular robotic system，CEBOT)。美國國防高級研究計劃局( defense advanced research projects agency, DARPA)、美國海軍和能源部都對多機器人系統(tǒng)的研究進行了大力資助, 美國宇航局和空軍也將多機器人的編隊控制技術(shù)確定為21世紀(jì)的關(guān)鍵技術(shù)。美軍資助的多機器人研究項目就包括UGV Demo/II/C、CENTIBOTS、Swarm Bot、Super Bot、HUNT(heterogeneous unmanned networked teams)等。歐盟專門設(shè)立了一個進行多機器人系統(tǒng)研究的MARTHA課題“用于搬運的多自主機器人系統(tǒng)(multiple autonomous robots system for transport and handing application)”。日本對群體機器人系統(tǒng)的研究開展得比較早，著名的研究有ACTRESS系統(tǒng)和CEBOT系統(tǒng)，日產(chǎn)公司利用魚類仿生技術(shù)開發(fā)的多機器人系統(tǒng)EPORO等。作為一個卓有成效的實例，在2004年1月20日，研究人員在AP希爾堡（弗吉尼亞州弗雷德里克斯堡市附近的一個訓(xùn)練中心）放出由66個小型機器人組成的群體，進入一座空蕩蕩的辦公樓，并成功完成了找到樓中隱藏的六個物體的任務(wù)。 這次演習(xí)是“CENTIBOTS”項目的一部分。此項目旨在考察能否讓多達100個機器人互相協(xié)作。美國國防高等研究計劃署（DARPA）等軍事機構(gòu)出資支持的許多其他機器人技術(shù)研發(fā)項目，例如采用協(xié)作性的直升飛機及固定翼飛機群，魚雷狀水下滑行艇群，以及無人駕駛的地面車隊等也都取得了令人矚目的成績。 相對于國外，我國對于群體機器人的研究起步較晚，但發(fā)展很快。上海交通大學(xué)，中國科學(xué)院，哈爾濱工業(yè)大學(xué)機器人研究所，中南大學(xué)，東北大學(xué)等已先后開發(fā)出各種形式的群體機器人系統(tǒng)，并在國際多機器人足球賽上屢創(chuàng)佳績。3 機器人群體的體系結(jié)構(gòu)由于多機器人系統(tǒng)中協(xié)作式行為的產(chǎn)生必然依賴于一定的體系結(jié)構(gòu)，所以關(guān)于多機器人系統(tǒng)的體系結(jié)構(gòu)的研究始終是一個基礎(chǔ)的問題。根據(jù)協(xié)作機制不同，多機器人協(xié)作包括2類：無意識協(xié)作和有意識協(xié)作。無意識協(xié)作多出現(xiàn)在簡單同構(gòu)的多機器人系統(tǒng)中，個體功能簡單，數(shù)量眾多；主要利用突現(xiàn)原理獲得高層的協(xié)作行為，控制器設(shè)計簡單，系統(tǒng)魯棒性好，但因無全局目標(biāo)，系統(tǒng)性能難于控制；這種協(xié)作適合于大空間、無時間要求的重復(fù)性操作任務(wù)，如清掃、采集等。而有意識的協(xié)作主要用于異構(gòu)機器人協(xié)作技術(shù)的研究，系統(tǒng)規(guī)模較小，個體智能水平較高；擁有全局目標(biāo)，系統(tǒng)性能易于掌握, 可以獲得更優(yōu)化的解；并更多地依賴于規(guī)劃來提高協(xié)作效率，因此對通信要求較高；對協(xié)調(diào)控制機制依賴性較大，適合于其他復(fù)雜的任務(wù)。在自然界的生物群體中也主要存在著這兩種協(xié)作方式。McFarland區(qū)分了自然界中這兩種顯著不同的群體行為類型，一種叫做“完全社會性行為”(eusocial behavior)，另一種則是“協(xié)作式行為”(cooperative behavior )?！巴耆鐣孕袨椤背Ｒ娪诤芏嗬ハx群體中（例如蜜蜂和螞蟻）。在完全社會性行為中，群體中的單個成員并不具備很強的能力，因此它們必須彼此協(xié)作才能生存下去。而當(dāng)它們彼此進行交互時，整個群體則呈現(xiàn)出一種智能行為。而“協(xié)作式行為”則常見于高等動物群體中（例如脊椎動物）。與“完全社會性行為”不同，協(xié)作式行為并不是由天生的行為而激發(fā)的，而是為了使個體利益最大化而有意識的進行的協(xié)作。無意識協(xié)作多機器人系統(tǒng)主要仿生社會性生物群落(蟻群、蜂群等)的運行機制，利用大量簡單、無意識的自主個體，通過局部交互和自組織作用，使整個系統(tǒng)呈現(xiàn)協(xié)調(diào)、有序的狀態(tài)，并最終達到較高的集群智能。正如賓夕法尼亞大學(xué)的機械工程教授維賈伊庫馬爾所說：“觀察生物界中數(shù)目龐大的群體，很難發(fā)現(xiàn)哪一個有中心角色。一切都是高度分散的：成員并不都參與交流，根據(jù)本地信息采取行動；它們都是無名的，不必在乎誰去完成任務(wù)，只要有人完成就行。要從單個機器人發(fā)展到多個機器人合作，這三個思路必不可少?！庇幸庾R協(xié)作多機器人系統(tǒng)主要仿生高等動物群體中(狼群、獅群等)的運作管理機制，通過整個群體的統(tǒng)一目標(biāo)而執(zhí)行的個體任務(wù)分配與規(guī)劃而達到最大效率。這種方式理論上能獲得更高的效率，但其在群體中個體數(shù)目增加時，整體的控制與規(guī)劃將變得非常困難，甚至有可能因為環(huán)境情況超過控制條件而使整體效率降低甚至不能完成任務(wù)。布魯塞爾的馬爾科多里戈的一個小組主持的一個歐洲研究項目致力于創(chuàng)造的“擬群”就采取了類似的組織策略，他們制造了一組能力互補、互相合作的機器人：能在地面運輸物體的“步行人”，能翻墻上壁、操縱物體的“徒手人”，以及四處飛行、為其他組員提供信息的“明眼人”。整個群體通過協(xié)作獲取很高的執(zhí)行效率。 在研究多機器人系統(tǒng)的體系結(jié)構(gòu)的過程中，從另一方面看也可以將多機器人系統(tǒng)劃分為集中式系統(tǒng)或非集中式系統(tǒng)，如果機器人系統(tǒng)是非集中式系統(tǒng)那么還可以將其進一步劃分成分布式系統(tǒng)以及分層式系統(tǒng)。集中式體系結(jié)構(gòu)的最大特點在于只有一個控制智能體(control agent )。而對于分布式系統(tǒng)而言，其中的所有機器人智能體從控制角度看都是相互平等的。而分層式體系結(jié)構(gòu)則是在某一局部上是分布式的。在當(dāng)前的研究中非集中式的系統(tǒng)體系結(jié)構(gòu)占據(jù)了主導(dǎo)地位。非集中式系統(tǒng)的行為常常會用術(shù)語“自組織”來描述。在多機器人領(lǐng)域中一般認(rèn)為非集中式體系結(jié)構(gòu)較之集中式體系結(jié)構(gòu)有著很多優(yōu)點，例如，優(yōu)良的容錯性，天然形成的并行性，高可靠性以及可擴展性。另外，在實踐過程中很多機器人系統(tǒng)并不嚴(yán)格的遵從集中式/非集中式這種分類方式。例如很多非集中式系統(tǒng)體系結(jié)構(gòu)中都采用了“領(lǐng)導(dǎo)”( leader )機器人。4 單機控制結(jié)構(gòu)多機器人系統(tǒng)中單個移動機器人的控制體系結(jié)構(gòu)主要可以分為三種：基于功能(Functional )分解的遞階分層控制結(jié)構(gòu)，基于行為(Behavioral)的移動機器人控制結(jié)構(gòu)以及綜合和集成了上述兩種結(jié)構(gòu)的混合(Hybrid )結(jié)構(gòu)。傳統(tǒng)的功能式控制系統(tǒng)結(jié)構(gòu)源自基于認(rèn)知的人工智能模型，在這種模型中，智能任務(wù)由運行于符號模型之上的推理過程來實現(xiàn)，它強調(diào)帶有環(huán)境模型或地圖的中央規(guī)劃器是其智能不可缺少的組成部份，而且該模型必須是準(zhǔn)確的、一致的，因此，傳感器信息的校驗具有與模型本身同等的重要性。并且傳統(tǒng)方法遵循的是一條從感知到動作的串行功能分解控制路線，是一種典型的自頂向下構(gòu)建系統(tǒng)的方法。根據(jù)機器人的行為功能構(gòu)造的控制體系結(jié)構(gòu)，稱為反應(yīng)式結(jié)構(gòu)。它將機器人行為的感知、規(guī)劃、任務(wù)執(zhí)行等過程封裝成一個行為模塊，每一行為實現(xiàn)傳感器信息與機器人動作間的一種映射。某一時刻，只有一種行為控制機器人。反應(yīng)式的從下向上的方法改變了機器人的控制策略，它是在最小狀態(tài)下搜索一系列的可編程的“條件一動作”對。純粹的反應(yīng)式系統(tǒng)不使用任何的環(huán)境信息內(nèi)部描述，不執(zhí)行任何的規(guī)劃，機器人只是對傳感器的信息直接進行反應(yīng)，從而產(chǎn)生動作。這種控制方法是基于“刺激一反應(yīng)”( Stimulus一Response)的簡單生物行為原理。這樣就使機器人能夠快速地對時變的、非人為構(gòu)造的環(huán)境進行反應(yīng)。反應(yīng)式控制系統(tǒng)的局限性就是這樣的機器人通常不能保存周圍信息，沒有記憶功能，沒有內(nèi)部的環(huán)境描述，沒有實時學(xué)習(xí)/規(guī)劃能力，這樣的機器人智能性較低。而功能式控制系統(tǒng)的適應(yīng)性差，反應(yīng)速度慢?；旌鲜娇刂葡到y(tǒng)的目標(biāo)就是有效地把古典的慎思型控制和反應(yīng)式控制的優(yōu)點結(jié)合在一起。這也是模仿了自然界中較高等的生物個體控制方法。在混合的慎思/反應(yīng)式控制結(jié)構(gòu)中，反應(yīng)層作為一個基礎(chǔ)層受控于規(guī)劃器或者序列發(fā)生器，從而給機器人提供了更為復(fù)雜的導(dǎo)航能力。在混合式系統(tǒng)中，所有的行為可以有激活和不激活兩種狀態(tài)，組合后使機器人完成較為復(fù)雜的任務(wù)。根據(jù)Maja Mataric的理論，其于行為機器人(BBR)建立了人工智能、工程和認(rèn)知科學(xué)之間的橋梁?；谛袨榈姆椒ㄊ窃O(shè)計自主智能體和機器人的方法論，是智能體結(jié)構(gòu)的一種形式。正是這種結(jié)構(gòu)提供了框架并且施加了某些約束，從而使機器人的控制問題得以解決?；谛袨榈姆椒ㄕ摾昧艘环N普遍的、生物學(xué)上的靈感，從下而上的哲學(xué)體系，并且允許了在解釋、描述上的一定的自由?；谛袨榈姆椒ㄕ摰哪繕?biāo)就是發(fā)展控制智能系統(tǒng)(通常是指機器人系統(tǒng)，也包括一些仿真機器人和其他的自主的軟件智能體)的方法，使用機器人來構(gòu)造模型從而更好的理解生物系統(tǒng)(通常是指動物，從昆蟲到人類)。5 結(jié)論與展望在多機器人系統(tǒng)中充分利用自然中已有的生物群體協(xié)作案例，將其控制核心思想加以提取利用，并在實驗中取得了很好的效果。但目前世界上對多機器人系統(tǒng)的研究大都還處于實驗階段，很多基本理論還沒有得到很好地解決，已有的機器人系統(tǒng)與自然界的生物群體相比仍有很大的差距。多機器人系統(tǒng)的研究是機器人技術(shù)發(fā)展的必然，代表了機器人發(fā)展的明天，也將隨著機器人應(yīng)用領(lǐng)域的越來越廣泛而迅速發(fā)展。我國目前對多機器人協(xié)調(diào)的研究仍落后于美、日等發(fā)達國家，有待于相關(guān)研究人員的努力。參考文獻：1 吳軍，徐昕，連傳強，賀漢根. 協(xié)作多機器人系統(tǒng)研究進展綜述J.智能系統(tǒng)學(xué)報，2011,6(1):13272 張芳，林良明. 多移動機器人協(xié)調(diào)系統(tǒng)體系結(jié)構(gòu)與相關(guān)問題J.機器人，2001,23(6):5545583 趙杰，張亮，楊冬，蔡鶴皋. 自重構(gòu)模塊機器人的研究與發(fā)展現(xiàn)狀J.中國機械工程，2002,13(17):152515304 王海，田彥濤，崔茂源，史之軍. 基于行為的分布式多智能體系統(tǒng)J.吉林大學(xué)學(xué)報(工學(xué)版)，2002,32(1):93965 吉愛紅，戴振東，周來水