[发明专利]基于Skinner操作条件反射原理的机器人避障导航方法

摘要

本发明涉及了一种基于Skinner操作条件反射原理的机器人避障导航方法。首先，建立机器人的动作集合概率，并令其符合均匀分布；然后，随机选择一个动作，计算相应的位置变化，进而根据与障碍及目标点距离计算出新位置对应的负理想度，并由此得出取向函数值，根据取向函数值按照操作条件反射理论调整动作概率分布，计算系统熵；当系统熵趋于最小值时，选择概率最大动作所指角度前行；重复学习过程，直至抵达目的地。本发明能够很好地模拟人及动物的操作条件反射行为，提高机器人的智能水平，使其具备较强的自学习、自组织、自适应能力，能够在无导师信号的情况下自主探索环境，成功避障导航。

主权项

1.一种基于Skinner操作条件反射原理的机器人避障导航方法，其特征在于将Skinner操作条件反射原理应用于机器人避障导航；所述方法包括以下步骤：步骤1，获得机器人在时刻t的状态及动作集合；在时刻t获得机器人在环境地图中的坐标位置，记作s_i|t＝(x_i,y_i)，以及可能的前进方向用角度表示；动作集合记作A＝{a_k|k＝1,2,…,n_a}，a_k为前进的角度，n_a为动作集大小；令动作集的初始概率分布为均匀分布；步骤2，从动作集中随机选择一动作，即拟选择前行的角度a_k；步骤3，计算状态转移，公式如下：xnew=xold+v*ts*cosθkynew=yold+v*ts*sinθk---(1)]]>式中，x_new、y_new分别代表动作选择后机器人新的横、纵坐标，x_old、y_old分别代表选择前机器人的横、纵坐标；v为机器人移动速度，t_s为机器人传感器采样时间，θ_k表示机器人第k个感知器在以机器人圆心为极点、前进方向为极轴建立的坐标系中所处位置的弧度值；步骤4，计算状态转移前后的负理想度差值；负理想度用于计算取向函数进而反映所感知到的刺激是否为正强化，记作ε＝ε(S)＝{ε(s_i)|i＝1,2,…,n_s}∈R，n_s为机器人状态集大小，用来表征状态s_i远离理想状态的程度，数值越大，则状态s_i相对设定目标越不理想；步骤5，计算取向函数δ值；取向函数δ＝δ(S,A)＝{δ_ik|i＝1,2,…,n_s;k＝1,2,…,n_a}，模拟了自然界中生物的取向性，其中，δ_ik表示状态s_i∈S执行动作a_k∈A后系统性能的变化；和生物取向性概念一致，δ＞0时，为正取向，说明系统性能趋向变好；δ＜0时，为负取向，说明系统性能趋向变差；δ＝0时，为零取向，说明系统性能没有变化；步骤6，根据Skinner操作条件反射理论调整动作集概率分布；动作集概率分布的调整规则为：正强化时，动作概率增加；负强化时，动作概率减少；步骤7，计算t时刻系统熵；系统熵H(t)用来描述系统自组织程度，进而说明模型的自适应性；计算公式为：H(t)=-Σi=1nsp(si)Σk=1nap(ak|si)log2p(ak|si)]]>式中，p(s_i)为机器人处于状态s_i的概率，p(a_k|s_i)为机器人在状态s_i下选择动作a_k的概率；步骤8，判断系统熵是否已趋于最小值H_min，如果是，标志着系统已达到自组织，机器人已形成操作条件反射习得最优动作，则停止本次学习，转下一步；否则，转步骤2；步骤9，从动作集中选择概率最大的动作执行，按公式（1）计算的状态移动机器人，记新状态为机器人当前状态，令各动作概率均匀分布；步骤10，判断机器人当前位置是否为终点，如果是，则结束；否则，转步骤2，进入下一轮学习。