包容式體系結(jié)構(gòu)是麻省理工學(xué)院的R. B rook s 提出的, 它模擬了動物反應(yīng)式行為的特點(diǎn), 采用“感 知—動作”結(jié)構(gòu)。包容式體系結(jié)構(gòu)具有以下特點(diǎn): ①按“任務(wù)—行為”分類, 可把系統(tǒng)分解為若干子系 統(tǒng), 每個子系統(tǒng)不是某個技術(shù)功能模塊, 而是能獨(dú)立 產(chǎn)生動作行為的系統(tǒng)。②每個行為子系統(tǒng)都能直接 接收傳感信號, 也可直接產(chǎn)生行為動作。③各個子系 統(tǒng)平等工作, 由一個協(xié)調(diào)機(jī)制負(fù)責(zé)集成, 進(jìn)而產(chǎn)生總 體的行為。包容式體系結(jié)構(gòu)強(qiáng)調(diào)了單元的獨(dú)立、并行 工作, 缺少全局的指導(dǎo)和協(xié)調(diào), 對于長遠(yuǎn)的全局性的 目標(biāo)跟蹤缺少主動性, 目的性較差。
分布式人工智能體系結(jié)構(gòu)由多個智能體組成, 每個智能體都是一個自治或半自治系統(tǒng), 智能體之 間以及智能體與環(huán)境之間并行工作, 需要進(jìn)行交互。 自主式系統(tǒng)中的分布式人工智能結(jié)構(gòu)主要采用多智 能體系統(tǒng)(MA S) 的形式, 由于MA S 每個智能體有 一定的獨(dú)立功能, 而且智能體之間的結(jié)構(gòu)關(guān)系是可 動態(tài)調(diào)整的, 因此當(dāng)它們組成一個緊耦合的單個機(jī) 器人體系結(jié)構(gòu)時, 即可產(chǎn)生一般分層遞階式或包容 式結(jié)構(gòu)難以達(dá)到的靈活性和智能性, 這種結(jié)構(gòu)具有 自適應(yīng)、自組織和良好的協(xié)調(diào)性能, 可以通過協(xié)調(diào)方 式完成繁雜的整體操作。
文獻(xiàn)[ 8 ]對比了傳統(tǒng)的基于認(rèn)知的人工智能模 型的體系結(jié)構(gòu)和R. B rook s 的包容式體系結(jié)構(gòu), 提 出了一種綜合二者優(yōu)點(diǎn)的體系結(jié)構(gòu), 并在其中融入 了進(jìn)化控制的思想, 提出了基于功能ö行為集成的進(jìn) 化體系結(jié)構(gòu), 將其應(yīng)用于移動機(jī)器人的控制取得較 好效果。機(jī)器人足球與足球機(jī)器人是近幾年在國際上迅速開展起來的極富挑戰(zhàn)性的高科技密集型的對 抗活動, 是人工智能的全面體現(xiàn), 其中MA S 在這一 領(lǐng)域得到了越來越廣泛的關(guān)注, 并已在實踐中有所 應(yīng)用。文獻(xiàn)[9 ]詳細(xì)論述了國際上幾個較強(qiáng)代表隊的 對比, 以及MA S 在足球機(jī)器人領(lǐng)域中的應(yīng)用。
2.1.2 圖像技術(shù)與圖像工程
視覺導(dǎo)航技術(shù)的發(fā)展得益于近年來圖像技術(shù)的 長足發(fā)展。圖像技術(shù)在廣義上是各種與圖像有關(guān)的 技術(shù)的總稱, 目前人們主要研究的是數(shù)字圖像, 主要 應(yīng)用的是計算機(jī)圖像技術(shù)。“圖像工程”這一概念的 提出為圖像技術(shù)研究中出現(xiàn)的新理論、新方法、新算 法提供了一個整體框架。根據(jù)抽象程度的不同可將 圖像工程分為3 個層次: 圖像處理、圖像分析和圖像 理解。圖像處理著重強(qiáng)調(diào)在圖像之間進(jìn)行變換, 泛指 各種圖像技術(shù), 如: 圖像變換、圖像增強(qiáng)、圖像壓縮編 碼等。圖像分析主要是對圖像中感興趣的目標(biāo)進(jìn)行 檢測和測量, 建立對圖像的描述, 如: 圖像分割, 邊緣 檢測, 目標(biāo)表達(dá)、描述、測量等。圖像理解的重點(diǎn)是在 圖像分析的基礎(chǔ)上得出對圖像內(nèi)容含義的理解以及 對原來客觀場景的解釋, 從而指示和規(guī)劃行動, 如: 圖像解釋、推理等[ 10 ]。
在移動機(jī)器人視覺導(dǎo)航中利用圖像處理技術(shù)對 圖像進(jìn)行加工, 改善了圖像的視覺效果并為自動識 別打下基礎(chǔ); 對圖像進(jìn)行壓縮編碼, 節(jié)省了存儲空間 和傳輸時間, 提高了導(dǎo)航系統(tǒng)的實時性。利用圖像分 析中的圖像分割和邊緣檢測, 可將機(jī)器人所處的環(huán) 境分成自由活動區(qū)和障礙區(qū)。經(jīng)過對圖像的分割和 特征提取形成了對機(jī)器人工作環(huán)境的描述, 再對從 該描述中抽象出來的符號進(jìn)行運(yùn)算, 在機(jī)器人所處 環(huán)境中的自由活動區(qū)找出連通域, 為機(jī)器人的高層 決策——路徑規(guī)劃打下基礎(chǔ)。
在實際應(yīng)用中, 可從圖像中提取直線形式的道 路邊界, 并通過將探測到的道路信息與機(jī)器人內(nèi)部 存儲的地圖相對照, 修正偏差, 實現(xiàn)室外導(dǎo)航; 在室 內(nèi)環(huán)境中從圖像中提取墻壁等直線信息, 通過對墻 的跟蹤實現(xiàn)跟蹤行走, 也可通過到多個墻壁的距離 的計算來實現(xiàn)自身的定位。由于僅通過單幅圖像信 息來判斷障礙物的距離和速度不夠準(zhǔn)確, 在實際應(yīng) 用中可使用多個攝像機(jī), 或利用一個攝像機(jī)的多幅 連續(xù)圖像序列來計算目標(biāo)的距離和速度。
2.1.3 神經(jīng)網(wǎng)絡(luò)與模糊控制
神經(jīng)網(wǎng)絡(luò)具有很強(qiáng)的適應(yīng)復(fù)雜環(huán)境和多目標(biāo)控 制要求的自學(xué)習(xí)能力, 并具有以任意精度逼近任意 非線性函數(shù)的特點(diǎn)。神經(jīng)網(wǎng)絡(luò)可與其他控制方法(專 家系統(tǒng)、模糊控制等) 相結(jié)合, 為其提供非參數(shù)化的 對象模型、推理模型等。神經(jīng)網(wǎng)絡(luò)又能構(gòu)成智能控制 系統(tǒng), 使系統(tǒng)能識別環(huán)境, 并對各種信息進(jìn)行融合, 能對所獲得的信息和所要達(dá)到的目標(biāo)分析處理, 并 作出決策。神經(jīng)網(wǎng)絡(luò)還可用于對系統(tǒng)的故障診斷和 容錯控制[ 11 ]。