摘要:结合智能科学与技术领域相关课程的学习,简介课外实践项目——“仓库巡逻预警机器人”的概况、实施过程,阐述理论学习与项目实践相结合的体会,提出对该领域教学的若干建议。
关键词:智能科学与技术;机器人;课堂学习;项目实践
智能科学与技术是一门新兴的学科,目前在国内部分高校已开办了该专业,鉴于该专业的高度交叉性和强调工程实践的要求,如何加强工程实践训练,使之与课堂学习有机结合是一个值得探索的问题。而积极开展学生创新计划项目,鼓励同学们参与科研实践无疑是一个很好的途径。我校的“创新创业项目”正好给学生提供了这样一个良好的学习与实践平台。
“仓库巡逻预警机器人”项目的主要内容是在一个自行拼装的轮式机器人本体上完成集感知、规划、决策和移动为一体的行为控制,根据已知地图信息进行全局路径规划、实现避障,对环境中的烟度、温度、湿度、气味、声音及热释红外等因素的异常进行感知和及时预警,完成指定区域定时、定点的巡逻预警工作。
1项目实施过程
“仓库巡逻预警机器人”项目实施大体分以下3个阶段:1)理论研究和技术学习为主;2)机器人的组装,雏形测试,及整体功能的实现;3)功能测试、改进,论文、报告的撰写。
对于巡逻机器人来说,首要任务是完成机器人本体的装配,其他很多功能的实现都与机器人本体设计有关。此外,漫游功能是巡逻机器人的基本功能,下面将对这两个内容进行主要介绍。
1.1机器人本体的设计和装配
针对仓库巡逻任务的实际需求,并考虑到现有条
件的限制,在研究了多种机器人基本结构、运动学及动力学特性[1-2]后,最终采用了如图1所示的三轮机器人结构。其底盘结构为一个万向轮和两个独立驱动轮,车体前、左、右方各安装一个红外接近传感器。
基金项目:中南大学2009年“大学生创新创业启航行动”创新项目(CX13)。
作者简介:党志刚(1990-),男,本科生,研究方向为自动化专业(智能科学与技术方向);刘丽珏(1973-),女,副教授,博士,研究方向为智能计算与智能规划;肖剑明(1988-),男,本科生,研究方向为自动化专业(智能科学与技术);谌慧滨(1988-),男,本科生,研究方向为自动化专业(智能科学与技术);韩爽(1988-),男,本科生,研究方向为自动化专业(电气)。
1.2机器人漫游的实现
漫游功能是巡逻机器人的基本功能之一,要实现漫游,除要对机器人的“前进、后退、左、右转弯、原地转圈、加、减速”等简单运动行为进行控制外,还需根据传感器信息对周围环境进行感知,以避开障碍。神经网络控制是智能控制的主要方法之一,利用神经网络,再结合简单的逻辑判断,可实现简单环境中的漫游。
在2.1所述的机器人本体“左、前、右”各安装一个红外接近传感器,就可实现简单环境中的漫游。结合硬件结构,采用二值函数作为激励函数构造了有3个输入、2个输出,由两个感知器构成的神经网络,结构如图3所示。
图3神经网络结构图
其中x1,x2,x3表示安装在机器人左、中、右边的3个传感器的输入信号,输入为0表示有障碍;输入为1表示无障碍。wji表示权值,y1,y2为输出,0表示后退,1表示前进。采用的二值函数如下式:
(2.1)
其输入、输出关系为:
( ) (2.2)
为实现避障,给出如表1的训练例子,作为神经网络的学习实例。
神经网络的权值和阈值采用学习算法进行调整,权值修正公式为:
,( ) (2.3)
其中x为输入向量, 为期望的输出向量, 为感知器实际输出向量。
显然从公式2.3可以看出,如果第 个神经元的实际输出与期望一致,则不对该神经元的权值进行修改;如果某个神经元的输出为0,而期望响应为1,则将此时的权值矢量wji加上输入向量x作为新的权值矢量;如果某个神经元的输出为1,而期望响应为0,则将此时的权值矢量wji减去向量x作为新的权值矢量。
而阈值修正公式为:
, (2.4)
经MATLAB仿真训练[3],其一次训练误差收敛过程如图4(其中横坐标表示训练代数,纵坐标表示平均绝对误差)所示。
(a) 左轮感知器误差变化曲线
(b) 右轮感知器误差变化曲线
图4左右轮感知器误差变化曲线
经学习后得到权值和阈值:
; ;
; 。
将机器人置于图5所示的简单环境中,一次实验中,机器人行进轨迹为ABCDEFG,对应的输入、输出向量和机器人行为如表2所示。
如图5所示,另一次漫游所得轨迹为abcd,在这种情况下,机器人会在cd段上往复运动,漫游失败。2.3中介绍的迷宫机器人学习算法将初步解决此问题。
1.3迷宫机器人路径规划
除上述问题外,应“人工智能课程设计”的要求,还对“迷宫机器人路径规划”问题进行了研究,使机器人在未知迷宫中不断获取有关前方和两侧隔墙的信息,从而进行路线识别和行走姿态控制,搜索安全出口并顺利走出线性迷宫。运用左手优先法则,再结合2.2的避障方法,实现了迷宫机器人路径规划,如图6所示。反复试验发现,只需要2个红外接近传感器(分别安装在机器人的左、前方)就可以完成机器人行走迷宫的基本行为控制,第3个(安装在右侧)用于微调行进时的位姿,以保证机器人自身安全。
采用字符串匹配迷宫机器人自学习算法[4]可以大大缩短迷宫行走时间。此算法大致思路如下:机器人每穿越一个路口,就在存储器中记录一个字符:若直行保存一个“S”、左转保存“L”、右转保存“R”、掉头保存“U”,在程序调用时,分别令S=0,L=90,R=-90,U=180。根据左手法则,机器人走迷宫共经过17个路口,如图6所示。显然机器人第一次走完迷宫后存储器保存字符串str=“SULLULLURLLLUSRSS”。进行字符串匹配:在字符串中找到U,对U和其前后两个字符进行数值计算后对字符串进行简化(如对字符串str进行第一次匹配将会找到“SULLULLURLLLUSRSS”,第一个“SUL”计算“0-180+90=-90”,因此可表示为字符“R”,第二个“LUL”计算“90-180-90=0”,因此可表示为字符“S”,依次类推可由字符串str得新串str1=“RSULLRRSS”;继续对str1进行匹配得到新的字符串str2=“RRLRRSS”(匹配到字符串中没有“U”为止)。最后匹配得到的新字符串“RRLRRSS”。
图6机器人穿越迷宫路径示意图
根据以上算法,当机器人再次走入迷宫时,行进路线如图7所示。显然这种算法大大缩短了第二次搜索的路程和时间。
图7学习后的机器人走迷宫路径示意图
以上字符串匹配学习算法有一个明显的缺点:在重复搜索同一个迷宫时才能起作用。采用更具智能的算法优化机器人的迷宫搜索是下一步目标。
1.4下一步的工作
设计和实现仓库巡逻机器人的目标还包括:希望机器人能对异常的温度、气味、声音等进行预警,因此,在给开发板上加装了DS18B02温度传感器、ADC0809、数码管、蜂鸣器和发光二极管等器件,成功扩展了温度测量与报警模块的基础上,下一步的工作便是开始学习和研究烟雾、湿度、气味、声音等环境因素的实时测量和预警模块;目前已初步实现了用串行通信和无线通信方法,将巡逻机器人获得的数据发送到PC机上进行实时监控,其他功能的实现还有待进一步的努力。
上述功能基本完成后,最终将结合各个模块,对机器人进行系统综合调试以实现仓库巡逻预警功能。并结合以后开设的智能控制、神经网络控制、智能计算等专业课程以及增强学习[5]的有关方法,进一步改进整个系统,提高稳定性的基础上使其具有更高的智能。
2心得与体会
在历时2年的专业课学习和6个多月的机器人项目的申请、实施中项目组成员深刻体会到从事智能科学与技术领域学习和研究时,扎实理论、进行工程实践的重要性和理论与实践紧密结合的必要性。
扎实的理论是进行项目实践的前提。课堂学习有比较充足的学习时间、任课老师的指导、同学之间的讨论、相关实验和各种考核机制,是掌握理论的绝佳机会。在项目实践进程中,会不断遇到各类问题,而大部分问题可以用课堂学习过的相关知识解决。
项目实践是检验理论体系是否完整、基础知识是否扎实的一个很好的标准,是课堂学习的兴奋剂、自主学习的催化剂。分析、解决问题的过程,就是不断补充理论知识、训练思维、强化动手能力、提高工程素养、培养兴趣的过程,在这个过程中,学生可以学到很多书本以外的知识和宝贵的科研、工作经验这些对课堂学习是一个很好的补充。总之,在课堂学习和项目实践的结合中,学生会有更加迅速的成长。
3对教学的若干建议
在智能科学与技术专业进行学习和研究以来,收获很多,作为学生,在教学方面也有一些自己的看法:1) 2010年中南大学智能所开设的人工智能、机器人学和专家系统等课程采用课堂讨论、辩论和报告的形式授课,广大同学配合积极,有同学现场演示和讲解了亲手制作的“人形机器人”和组装的“机械臂”。这样的授课方式极大地调动了学生的学习积极性和主动性,有助于知识的理解并提高创新能力,应该推广。2)在高校,许多本科生有课外实践的想法和热情,但考虑到花费时间多、可能影响学习成绩,就望而却步。如果将项目实践作为相关课程成绩考核的一部分,不仅会使学生大胆投身项目实践,也会使课堂学习效率倍增。3)“榜样的力量是无穷的”,广大学生渴望与国内外大师见面,聆听教诲。
4结语
“仓库巡逻预警机器人”项目富有挑战性的申请、实施和进一步研究过程是以智能科学与技术领域的基础课程和专业课程的学习为基础的;项目的实施过程可以巩固、提高硬件电路设计、程序设计等基础知识,熟悉MATLAB等仿真软件,又可以及时运用人工智能、机器人学等课程中学到的神经网络控制、机器人路径规划技术;进一步的研究又提供了一个了解该领域前沿问题(如强化学习)的机会。综上所述,课堂教学与项目实践的结合不仅会使学生加强理论基础、提高实践能力,而且会在很大程度上促进该领域的发展。因此,这种教学模式的推广意义重大。
参考文献:
[1] 蔡自兴. 机器人学[M]. 2版. 北京:清华大学出版社,2009:46-83.
[2] 蔡自兴. 机器人学基础[M]. 北京:机械工业出版社,2009:29-65.
[3] 朱凯,王正林. 精通MATLAB神经网络[M]. 北京:电子工业出版社,2010:140-161.
[4] 徐守江. 迷宫算法综述[J]. 信息与电脑:理论版,2009(10):91-92.
[5]Richard S. Sutton,Andrew G. Barto Reinforcement Learning:An introduction[M]. Cambridge:The MIT Press Cambridge,1998.
Combination of Theoretical Study and Robot Project
DANG Zhi-gang, LIU Li-jue, XIAO Jian-ming, CHEN Hui-bin, HAN Shuang
(Institute of Information Science and Engineering, Central South University, Changsha 410083, China)
Abstract: Combined with studying of the courses related to Intelligence Science and Technology, the extracurricular project “Warehouse Patrol Early Warning Robot” is briefly demonstrated from aspects of the overall introduction and implementation process. This paper illustrates the great advantage of combination of theoretical study and program practicing, and proposes several suggestions to the teaching in this field.
Key words: Intelligence Science and Technology; robot; classroom training; program practicing(编辑:白杰)