[发明专利]一种基于鼠脑海马导航的机器人仿真导航方法

摘要

一种基于鼠脑海马机器人仿真导航方法。属于机器人运动导航技术领域。其特征在于仿照鼠脑海马组织，机器人CPU预先定义网格细胞层G和地点细胞层P。机器人探索环境过程中采集包括运动方向Φ和速度v的运动信息，采集到的运动信息输入网格细胞层，在网格细胞层中利用震荡干扰模型将运动信息进行整合，形成网格细胞层响应，利用神经网络算法计算网格细胞层G与地点细胞层P连接权值W，形成地点细胞-网格细胞响应网络，机器人对空间的认知即以神经网络响应的形式存储。根据认知地图储存的空间信息机器人控制运动决策模块进行运动决策，本发明能在机器人探索运动中自主的取得较好的空间认知效果，可应用于工业机器人、服务机器人等。

主权项

1.一种基于鼠脑海马导航的机器人室内空间仿真导航方法，其特征在于是在基于运动采集部件、CPU和运动部件共同组成的基于鼠脑海马导航的机器人室内空间二维仿真导航系统中依次按以下步骤实现的：步骤（1）构建所述基于鼠脑海马导航的机器人室内空间二维仿真导航系统，其中：运动采集部件包含：电子罗盘，采集机器人的运动方向角信息，测速装置，采集机器人的速度信息，运动部件，由控制机器人运动的电机的电机驱动电路组成，CPU设有：与所述电子罗盘输出端相连的机器人方向角信息输入端，与所述的测速装置输出端相连的机器人速度信息输入端，以及与所述电机驱动电路输入端相连电机运动控制信号输入端，初始时，所述CPU设有：网格细胞层，对应于设在室内地面上的二维笛卡尔坐标上所有m_g个坐标点组成的一个以矩阵形式表述的二维坐标点组成的矩阵，其中每一个坐标点对应于一个网格细胞，坐标的原点对应于机器人运动时的初始点，设在左下角，多个网格细胞放电域在一个坐标点上发生相互交叠时构成一个网格节点，x轴或y轴上的坐标点视为网格细胞在坐标点上的覆盖，每个网格细胞放电域的大小对应于所述网格细胞节点在x轴或y轴方向上位移，各放电域中心之间的距离称为间距，每个网格细胞相对于所述坐标系中x轴或y轴的位移称为位相，网格细胞放电的方向相对于笛卡尔坐标系的倾斜度为机器人在坐标点上发生移动时的运动方向角，称为定向位移，这种定向运动对应于每个头向细胞的最大放电方向，称为头向细胞所在的鼠头部在转动时的偏好方向，称为头向细胞的偏好方向，每个网格节点的偏好方向在0～360度之间取值，各个网格细胞节点的偏好方向对应于机器人网格细胞节点所在的各个坐标点上的实际运动方向，机器人在探索环境过程中，时刻t时在坐标点上的运动方程在原点相同的极坐标下用序号为所述i的一个头向细胞的运动方程hi(t)来表示，所述头向细胞与网格细胞的序号i是一一对应的：hi(t)=Hiv(t)=cos(θb+θ1)sin(θb+θ1)cos(θb+θ2)sin(θb+θ2)cos(θb+θ3)sin(θb+θ3)*[vi(t)]]]>其中：H为头向细胞的方向转移矩阵，表示机器人在时刻t在坐标点i的方向转移矩阵，v(t)为表示机器人在时刻t在坐标点i的运动速度，θ_b是头向细胞基准偏好方向，对应于位于坐标点i上的机器人运动方向角θ_i是的基准值，θ_b＝0°，θ_i是位于坐标点i上的机器人的运动方向角，当机器人从坐标原点开始运动时的方向角初始值θ_i0为0度在其他坐标点上是用θ_i表示，θ_i的取值范围为0°＜θ_i＜360°，n为机器人运动时在沿路径各坐标点i上选定的运动方向角即偏好方向角θ_i的序号，当所述笛卡尔坐标同一个原点重合的极坐标表示时，机器人从t＝t₀＝0时从坐标原点出发到时间t时到达坐标点i时路径上各个坐标点构成的运动轨迹的方程用坐标所需网格细胞到t时刻所对应的网格细胞i中各个网格细胞一次以沿头向细胞的偏好方向角持续震荡的放电过程来表示时刻t时坐标点i的坐标位置能用下述对应的网格细胞i的震荡模型来表示，网格细胞i在t时刻的响应值对应于机器人向所述CPU发送的极坐标表示的位置信息：其中i＝1,2,3...I表示机器人运动轨迹所经过的坐标点的序号，I表示机器人运动轨迹上的坐标点的总数，I＜m_g，f_t表示基础响应频率，f_t＝1，是指时刻t机器人到达坐标点时，对应的网格节点只放电一次，θ_i(0)表示到达下一个网格节点时前一个网格节点的位置初始值，是指前一个网格节点相对于坐标原点的位移，[·]_H表示余弦函数的单位阶跃响应，在计算g_i(t)时忽略了正弦函数的单位阶跃响应，地点细胞层与位于内嗅皮质的网格细胞不同，而是位于海马体内，是一组特定坐标位置上正在依次连续地进行着细胞最大化放电的海马体细胞组成的细胞层P，每一个地点细胞对应着一个特定空间位置上控制着网格细胞进行最大化放电的头向细胞的偏好方向角，因而，机器人在预先设定的运动轨迹上运行时就相当于各个坐标点所对应的网格细胞对于各偏好方向角在对应的各地点细胞上正在依次持续进行放电最大化的响应，通过这种响应，机器人就把通过运动轨迹上的各坐标点的空间位置信息输入到计算机中，相当于鼠脑后托/头向细胞-内嗅皮质上的网格细胞-海马体上的地点细胞共同组成的空间位置认知信息通路，第n个地点细胞对应网格细胞的响应用P(n)表示：p(n)=[Σi=1nWigi(t)-Cink]]]>其中i＝1,2,3...It＝1,2,3...tI表示一条所述的空间位置认知信息通路上的网格细胞数，P_n表示对应的地点细胞数，t表示时刻，其序号与i的序号一一对应，w_i表示当前地点细胞n与当前位置上的网格细胞i相连接时的权重，其初始状态设定为为单位矩阵，C_in是表示神经网络的抑制，设C_ink＝0.01；步骤（2）系统依次按如下步骤实现基于鼠脑海马的机器人导航：步骤（2.1）机器人判断：步骤（2.1.1）若P(n)＞0，表示存在着一个地点细胞p_n与当前位置上网格细胞i_n唯一的对应，表示当前机器人的坐标位置已存储，步骤（2.1.2）若P(n)≤0表示当前时刻没有地点细胞与当前位置上网格细胞对应，则激活一个地点细胞p_n，使p_n＞0，并按下式确定一个新的权重值W_new：W_new＝W_old+ΔW，其中W_old为旧的改变前的权重值，0≤W_old≤1，ΔW表示权重变化值，ΔW＝α·E(n)·g_i(t)，其中：α为学习率，在开区间[0,1]内取值，E(n)为设定的地点细胞期望响应p_e(n)与实际响应p(n)间误差，E(n)＝p_e(n)-p(n)，p_e(n)＝1，步骤（2.2）机器人判断步骤（2.1）所取得的结果：若E(n)＜E_min，E_min在开区间(0～0.025)间取值，则机器人继续沿着设定的轨迹上运动，若E(n)＞E_min，则按步骤（2.1.2）中的方法修改α值，改变当前坐标点上的权重值W_i，直到误差在允许范围内，执行步骤（2.3）步骤（2.3），机器人按步骤（1），步骤（2.1）所述的方法继续沿着设定运动轨迹运动，直到遍历所述运动轨迹上的各个坐标点为止，步骤（2.4）终止程序运行。