[发明专利]机器人姿态路径目标航迹优化的认知发育方法

说明书

技术领域：

本发明属于智能机器人技术领域，涉及了一种机器人姿态路径目标航迹优化仿真方法。

技术背景：

人与动物智能行为的体现是学习与记忆，其多种技能都是在神经系统由自学习和自组织的过程中慢慢形成并渐渐发展起来的，学习和模拟人与动物的神经活动和自我调节机制，并将其赋予给智能机器人，是人工智能与控制科学的重要研究课题。1996年，J.Weng最早提出机器人自主心智发育思想，他认为智能体应该在模拟人脑的基础上，在内在发育程序的控制下通过传感器和效应器与未知环境交互来发展心智能力。Brooks等强调机器人与教师、环境进行交互学习逐渐发展其智能，并通过结合神经科学的研究理论提出模拟人与动物的脑皮层中的前额叶、下丘脑、海马等区域的计算模型来处理复杂环境中复杂问题，这也就涉及到了感觉运动系统。最初的认知发育是从感觉运动系统协调机制的形成和发育开始，同时感觉运动系统又是在内在动机形成和发育的过程中不断协调和完善的。神经学相关文献表明，在人与动物学习的过程中，大脑皮层、基底核以及小脑会以自身特有的方法平行工作，并且在人与动物运动有关的相互关系中，小脑和基底核分布在大脑皮质到脊髓之间运动信号传递的路线的两侧，它们会参与任一行为动作的发起及控制。

很多学者早在20世纪80年代初就已经进行了相关研究。在2000年，Moren等针对基于MOWER双过程学习理论提出了情感与行为选择相结合的体系。2007年Wang等人在人体大脑情感回路的基础上提出了一种基于人工情感的智能模型，并应用于倒立摆系统使其成功学会平衡控制技能。2010年Batto等人从进化的角度，以强化学习为理论框架，并采用内在动机驱动的主动学习，极大提高了智能体的学习效率。2013年Oudeyer等人从生物的自我意识下的探索出发，结合内在动机思想，提出了系统状态转移误差学习机，实现对未知氛围的主动摸索学习。2014年沈孝文等人提出分层强化学习与潜在动作模型的研究与应用，研究障碍物的潜在动作模型，结合分层强化学习，对障碍物环境下机器人路径规划问题进行了的应用。

生物学相关文献得出结论，人与动物的感觉运动系统中存在动机与内在目标相关联的机制，称为内在动机机制。该机制是以感觉运动系统为理论基础，并由生物体好奇心，取向性所引导的一种学习机制。针对传统机器学习不能连续学习问题，受以上研究的启发，将感觉运动系统与内在动机机制相结合，模拟生物体认知行为并以学习自动机为基础框架，提出一种基于小脑-基底核-大脑皮层回路的认知发育算法，利用该算法使两轮机器人通过与未知环境的交互，逐渐掌握运动平衡控制技能，并实现实时认知发育，达到机器学习的连续学习的目的。

相关的专利如申请公开号CN106403948A的发明专利公开了一种用于输电线路巡检无人机的三维航迹规划方法，该发明对电力巡线无人机航迹规划方法进行了研究，基于序列规划思想，采用BP神经网络算法规划基准航迹，提高了航迹规划效率，减少了无人机电力巡线的三维航迹规划时间。

申请公开号CN106557844A的发明专利公开了一种基于聚类指导多目标粒子群优化技术的焊接机器人路径规划方法，建立焊接机器人的D#H参数模型，通过几何避障策略得到避障路径，并针对所述避障路径进行基于笛卡尔空间的轨迹规划。

但是以上两专利都没有涉及将人与动物的神经活动和自我调节机制赋予机器人的实践探索。

发明内容：

本发明提供一种针对两轮机器人连续行为的学习，提供一种模拟人类心理认知机理与脑部神经运动的机器人控制方法，使机器人模拟人的小脑--基底核--大脑皮层回路的认知发育算法(CBCLA)的思维方式进行仿生认知发育，并运用到移动机器人路径规划研究当中，提供一种机器人姿态路径目标航迹优化的认知发育方法，具体为：

机器人姿态路径目标航迹优化的认知发育方法，本方法是将人的基于小脑--基底核--大脑皮层回路的认知发育算法(CBCLA)思维与机器人结合，此机器人的认知发育过程分为八个部分，分别为有限的内部状态集合、系统的输出集合、内部操作行为集合，状态转移方程、系统在t时刻在内部状态、评价函数、纹状体基质的动作选择概率输出和多巴胺能，这八个部分的相互关联可以用一个八元数组表示：

CBCLA＝{SC,MC,Cb_A,f,r(t),BG_strio,BG_matrix,SN_DPA}