[发明专利]主动感知的任务路径规划方法、系统、机器人及控制器

说明书

本发明提供一种主动感知的任务路径规划方法、系统、机器人及控制器，所述主动感知的任务路径规划方法包括：建立移动机器人的形式化模型与线性时序逻辑，形成任务的自动机；基于所述自动机构建状态网络，并基于主动感知形成对构建的状态网络进行扩展，获得带有主动感知策略的分支网络；计算所述带有主动感知策略的分支网络中各个状态到可结束状态的距离，形成任务路径。本发明综合考虑主动感知策略与移动策略，能够较好的平衡二者的关系，使得移动机器人能够部分可观的环境中完成所需的复杂任务的同时，能够使得总的消耗最小，完成任务的代价最小。

技术领域

本发明涉及机器人技术领域，特别是涉及机器人任务处理技术领域。

背景技术

移动机器人是一个可以实现环境感知，动态决策，行动规划、控制与执行的综合系统。随着计算机科学技术的提升，人工智能、传感器技术、通信技术的发展，移动机器人技术也取得了长足的发展。相较于传统的工业机器人而言，拥有感知、自主决策和执行功能的移动机器人拥有更加广阔的前景。他们可以在高重复性、高危险性及高复杂性的领域里代替人类完成作业任务，使用移动机器人能获得更好的效果和更高的效率。

机器人的任务规划与运动规划是机器人研究中的两个基本问题。目前对于机器人的运动规划及控制都有了长足的进步，可以完成类似于“从A到B避开障碍物C”、“抓取物体D”等点到点的特定的简单任务，但是相关理论在工业生产的实际应用中却仍然不尽人意。主要原因是对于具有时间序列关系的复杂任务事件，这类点到点的指令太过于简单，而采用启发式算法则难以将这些事件用数学微分方程式灵活的表达出来，而且降低了系统运行的稳定性和灵活性。

此外对于大多数的任务规划研究中会假设机器人在运动过程中能获得全局的环境信息，任务的规划决策也是基于高精度的全局信息。然而在实际的任务过程中，这种假设的理想环境难以复现。考虑到环境对机器人行为的干扰、环境的变化、传感器的感知距离以及高精度传感器一直处于感知状态的能量损耗等一系列问题，机器人获得准确的信息难度非常巨大，往往无法满足条件。而移动机器人无法获得高精度的环境的全部信息时，其基于全局信息的决策就将无法实现。

随着需要移动机器人完成任务的难度的增加，环境中的不可控因素也越来越多，则对于系统的可靠性与可分析性也越来越高；因此，需要对现有的任务规划方法进一步提升和改进。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供一种主动感知的任务路径规划方法、系统、机器人及控制器，用于解决现有技术无法移动机器人对复杂任务的路径规划消耗大，可靠性低的技术问题。

为实现上述目的及其他相关目的，本发明提供一种主动感知的任务路径规划方法，包括：建立移动机器人的形式化模型与线性时序逻辑，形成任务的自动机；基于所述自动机构建状态网络，并基于主动感知形成对构建的状态网络进行扩展，获得带有主动感知策略的分支网络；计算所述带有主动感知策略的分支网络中各个状态到可结束状态的距离，形成任务路径。

于本发明的一实施例中，所述移动机器人的形式化模型的一种表示方式为：

G＝(S,A,s₀,δ,AP,L)；

其中，S为机器人的状态；A为不包括主动感知行为的机器人能采取的行动；s₀为机器人的初始状态；δ为转移函数，表示机器人在当前状态采取某个行动后能够到达的下一个状态；AP为用于表征机器人在某些状态所具有的属性的一系列原子命题；L为标记函数。

于本发明的一实施例中，所述线性时序逻辑对任务进行描述的内容包括：巡逻、顺序访问、条件访问以及避障。

于本发明的一实施例中，所述计算所述带有主动感知策略的分支网络中各个状态到可结束状态的距离，形成任务路径的一种实现方式为：从可接受的状态节点出发，向初始状态节点回溯，获得各个状态节节点之间的距离；从所述初始状态节点出发，获取到达所述可接受状态节点的距离的最短路径，形成所述任务路径。