[发明专利]一种基于人工智能网络的动态导航方法

说明书

本发明公开了一种基于人工智能网络的动态导航方法，该方法利用连续吸引子网络构建导航框架，通过网格单元、头部朝向单元和视觉感知建模实现动态位置、姿态的估计，结合经验环境模型实现三维位置和姿态信息的输出，并根据网格单元网络、头部朝向单元网络和视觉单元网络的观测信息对经验环境模型进行修正和更新，构建长短时记忆网络，根据历史获得的网格单元、头部朝向单元和视觉单元的观测信息对下一时刻的位置和姿态进行预测，通过调整长短时记忆网络参数实现比较误差的修正，并利用经验环境模型实现三维导航输出。本方法能够应用于复杂未知环境，充分利用多源导航观测信息，实现部分先验信息缺失下的动态精准导航，为智能信息获取与感知提供有效技术支撑。

技术领域

本发明属于人工智能和导航领域，具体涉及一种基于人工智能网络的动态导航方法。

背景技术

2005年诺贝尔生理学或医学奖揭示了生物大脑单元中的“网格单元”给大脑提供了多尺度的周期性空间表征，是生物大脑空间编码的关键，并帮助生物体实现路径规划和整合，揭示了人类以及绝大多数动物强大导航能力的主要原因。近年来随着深度学习网络技术的迅速发展，模仿生物大脑网格单元、朝向单元和视觉单元来实现在经验及非经验环境下的动态位置、姿态估计成为相关领域的研究热点。仿生导航能够实现复杂环境下的路径规划和精准导航，可进一步植入各种无人智能系统，是未来人工智能领域发展的方向之一。因此，利用多层深度神经网络构建仿生导航单元，以实现与一些生物体相似的导航能力的人工智能模块及系统具有重要的科学研究和工程实现价值。

发明内容

本发明要解决的技术问题是：克服现有技术的不足，提供了一种基于人工智能网络的动态导航方法，该方法利用连续吸引子网络构建导航框架，通过网格单元、头部朝向单元和视觉感知建模实现动态位置、姿态的估计，并利用经验环境模型实现三维导航输出。相比传统方法，本方法能够应用于复杂未知环境，充分利用视觉感知、惯性传感、里程计、卫星导航、无线网络等多源导航观测信息，实现部分先验信息缺失下的动态精准导航，为智能信息获取与感知提供有效技术支撑。

本发明的技术方案如下：一种基于人工智能网络的动态导航方法，具体实现步骤为：

步骤（1）确定连续吸引子网络的模型和参数，采用二维连续吸引子网络构建头部朝向单元模型和局部视图单元模型，采用三维连续吸引子网络构建网格单元模型。其中连续吸引子网络的动力学模型描述为：

其中，s_p(t)为神经元p放电激活率，τ_E为神经元激活放电响应时间常数；γ_E是一个常数，代表着抑制偏移量；ω_pq表示神经元p到神经元q之间的连接的权重值，它与两个神经元之间的距离成反比；ω_EE同样也是一个常数，代表着循环兴奋性的刺激值；u(t)是一个全局动态的抑制函数，ω_EI是一个全局抑制性兴奋的调控因子；X_p(t)代表着神经元的外部输入。