[发明专利]基于认知网络的机器人避障方法

说明书

本发明公开了基于认知网络的机器人避障方法，包括构造认知网络集，在机器人的感知空间中利用短时记忆、整合长时记忆对认知网络集进行发育学习，并采用动态进化方法在认知网络集中进行多样性搜索，扩展认知网络集的规模，寻找更合理的认知网络集来完成避障行动。本发明利用仿生学原理的认知网络方法实现机器人在随机无先验动态障碍物环境下能够准确避障。

技术领域

本发明涉及一种机器人避碍方法，特别是一种基于认知网络的机器人避障方法。

背景技术

随着智能技术的飞速发展，自主机器人在物流运输、城市管理、居家服务、军事任务等领域具有良好的应用前景。机器人躲避障碍物技术是这类机器人实际应用所需的核心技术之一，其难点在于如何实现在复杂未知环境下利用学习能力进行躲避障碍物的自主行为决策。现有的机器人避碍的技术方法包括基于路径规划的方法、基于规则推理的方法和基于深度学习的方法三类。其中基于路径规划的方法是通过多种传感器数据融合后采用类A*等规划算法计算路径完成避障；基于规则推理的方法是在障碍物识别的基础上利用产生式规则或者一阶逻辑推理实现避障；基于深度学习的方法则是通过采集大量地图实例并基于各种神经网络模型进行训练完成避障任务。

上述的这些方法在有大数据量样本训练和专家经验丰富的情况下能够取得较好效果，在室内室外静态障碍物和动态障碍物环境下都能完成导航和避障任务，然而在随机无先验动态障碍物环境下却存在避障困难，随机无先验动态障碍物是指障碍物随机性的突然出现在规划路线上，障碍物的出现、消失、移动方向和速度并不遵循特定规律，这些随机出现的障碍物场景无法事先通过训练样本获得，人类能够通过学习掌握避障的一般性规则来完成规定任务，但是对于目前的智能机器人来说仍是待解决的技术问题之一。因此，现有的机器人避碍的方法在随机无先验动态障碍物环境下存在无法准确避障的问题。

发明内容

本发明的目的在于，提供一种基于认知网络的机器人避障方法。本发明利用仿生学原理的认知网络方法实现机器人在随机无先验动态障碍物环境下能够准确避障。

本发明的技术方案：基于认知网络的机器人避障方法，包括构造认知网络集，在机器人的感知空间中利用短时记忆、整合长时记忆对认知网络集进行发育学习，并采用动态进化方法在认知网络集中进行多样性搜索，扩展认知网络集的规模，寻找更合理的认知网络集来完成避障行动。

前述的一种基于认知网络的机器人避障方法中，具体包括以下步骤：

步骤一、构造认知网络集：认知网络集包括若干个认知网络，认知网络包括感知层、处理层、推理层、思维层和行动层，层内和层间由若干节点连接而成，连接不存在权重；初始的认知网络集中只有一个认知网络，所述认知网络只有感知层、思维层和行动层；

步骤二、发育学习认知网络：对认知网络集中的每一个认知网络，利用感知层和处理层的短时记忆，整合长时记忆，构造推理层的推理节点以及观察空间；并根据环境输入构造和/或调整推理层的推理节点中的推理场景；

步骤三、推理和决策：对认知网络集中的每一个认知网络，思维层在观察空间内随机选择若干个可执行的假想动作，对每一个假想动作，结合最新观察值匹配最近似的推理场景，计算每个推理场景的平均评估值，并选择获得评估值最大的假想动作作为实际决策动作，输出给行动层，行动层根据实际决策动作完成避障行动；

步骤四、决策评估：对认知网络集中的每一个认知网络，计算每一个推理场景的准确度和评估值属性；

步骤五、动态进化：在认知网络集中进行多样性搜索，通过种群扩展的动态进化方法逐步构造、扩展和完善认知网络集的规模；

步骤六、回到步骤二，直到所有避障任务任务都完成。