基于神經(jīng)網(wǎng)絡(luò)的機(jī)器人環(huán)境地圖構(gòu)建方法研究

曹京勛+王金祥

摘 要： 本文主要研究移動機(jī)器人感知環(huán)境并構(gòu)建地圖的方法，引入了基于規(guī)劃的神經(jīng)網(wǎng)絡(luò)（價值迭代網(wǎng)絡(luò)）的地圖構(gòu)建模型，并以此為模型為基礎(chǔ)設(shè)計了環(huán)境地圖構(gòu)建算法，讓機(jī)器人可以智能地尋路并構(gòu)建完整的環(huán)境地圖。

關(guān)鍵詞： 移動機(jī)器人；神經(jīng)網(wǎng)絡(luò)；地圖構(gòu)建

DOI：10.16640/j.cnki.37-1222/t.2017.17.141

1 研究現(xiàn)狀

近20年來， 地圖構(gòu)建問題已經(jīng)成為國際機(jī)器人與自動化領(lǐng)域的研究熱點(diǎn)。目的就是對環(huán)境定位，機(jī)器人在位置環(huán)境中進(jìn)行移動并根據(jù)自身位置和構(gòu)建出的地圖信息進(jìn)行自身定位，在此基礎(chǔ)上進(jìn)行環(huán)境定位。

現(xiàn)在的前沿領(lǐng)域研究多是基于視覺攝像頭傳感器的研究。常見的濾波器是將非線性系統(tǒng)線性化的擴(kuò)展卡爾曼濾波，高效率且計算成本低。也有人將粒子濾波器與卡爾曼濾波器集成在一起研究，目前比較前沿的濾波算法是計算代小更小，精度更高的基于平方根容積等算法。

2 基于規(guī)劃的價值迭代網(wǎng)絡(luò)方法

本論文主要探討的是基于激光傳感器的地圖構(gòu)建方法，它最主要的特點(diǎn)是可以在黑暗的空間內(nèi)探索未知環(huán)境，構(gòu)建2D黑白圖/點(diǎn)云圖，本文注重嘗試用俯瞰的點(diǎn)云圖結(jié)合價值迭代網(wǎng)絡(luò)解決機(jī)器人的環(huán)境感知問題。

現(xiàn)有的方法往往只注重于構(gòu)建環(huán)境地圖本身，而不擅長于在構(gòu)建環(huán)境地圖基礎(chǔ)上和環(huán)境交互。機(jī)器人與環(huán)境交互會使機(jī)器人更加智能，規(guī)劃更好路徑的行進(jìn)路徑，本文應(yīng)用了價值迭代網(wǎng)絡(luò)進(jìn)行交互，引入這種算法的目的是為了解決其他強(qiáng)化學(xué)習(xí)泛化能力弱的問題。這種方法的優(yōu)點(diǎn)是提高機(jī)器人對不同環(huán)境的適應(yīng)性，價值迭代網(wǎng)絡(luò)每次的狀態(tài)轉(zhuǎn)移都僅跟當(dāng)前狀態(tài)的鄰接狀態(tài)有關(guān)，也就是為什么它有規(guī)劃的能力。尤其是像地圖構(gòu)建等變化多且要考慮現(xiàn)實性的問題上該方法的優(yōu)勢明顯。

3 適應(yīng)于規(guī)劃神經(jīng)網(wǎng)絡(luò)模型的環(huán)境地圖構(gòu)建算法

價值迭代網(wǎng)絡(luò)訓(xùn)練算法的思想：準(zhǔn)備樣本集和測試集，其中每個樣本由二元組（（地圖數(shù)據(jù)+獎勵層），最優(yōu)動作）組成。其中的地圖數(shù)據(jù)并不是真實的觀測數(shù)據(jù)，而是通過軟件生成的虛擬網(wǎng)格數(shù)據(jù)，其中將墻等障礙物網(wǎng)格點(diǎn)對應(yīng)的位置為1，其他為0。獎勵層中機(jī)器人走過的區(qū)域和障礙物（也可以說是墻，也就是我們最終要測出的環(huán)境地圖，暫且以障礙物命名）的獎勵值為負(fù)，其他為0，也可以添加一些可以和環(huán)境交互的物體并設(shè)置他們的獎勵。網(wǎng)絡(luò)輸入上述的信息以后，輸出一個預(yù)測動作，再根據(jù)預(yù)測動作和最優(yōu)動作的損失殘差進(jìn)行反向傳播。

機(jī)器人實際工作算法描述：

（1）初始化傳感器狀態(tài)，加載價值迭代網(wǎng)絡(luò)模塊，初始化網(wǎng)格坐標(biāo)，初始化獎勵層，動作集，要構(gòu)建的全局網(wǎng)格地圖，機(jī)器人當(dāng)前探測出的環(huán)境圖（非網(wǎng)格圖，為激光傳感器測量出的實際圖），上一輪循環(huán)的環(huán)境圖，機(jī)器人坐標(biāo)等變量，其中機(jī)器人坐標(biāo)初值為全局地圖的網(wǎng)格中心點(diǎn)。

（2）對每一個離散時間T=0，1，2，3…… 執(zhí)行下列（3）～（7）直到時間結(jié)束或者探索結(jié)束。

（3）調(diào)用價值迭代網(wǎng)絡(luò)模塊，該網(wǎng)絡(luò)輸入為機(jī)器人當(dāng)前坐標(biāo)，全局地圖和獎勵層，輸出結(jié)果為下一時刻的最優(yōu)動作，如果動作是移動動作則跳轉(zhuǎn)到（4），如是非移動動作則跳轉(zhuǎn)到（6）。

（4）根據(jù)輸出動作a移動機(jī)器人，之后轉(zhuǎn)到步驟（5）。

（5）用激光傳感器掃描周圍環(huán)境構(gòu)建當(dāng)前環(huán)境圖，并用圖像匹配的SIFT算法基于特征點(diǎn)匹配上一輪循環(huán)的環(huán)境圖和本輪環(huán)境圖，獲取仿射矩陣，根據(jù)仿射矩陣中的旋轉(zhuǎn)角平移來輔助修正探測過程的各種不確定或誤差信息，將探測到的信息更新到全局網(wǎng)格地圖中。跳到（6）。

（6）根據(jù)全局網(wǎng)格地圖信息更新獎勵層（更新內(nèi)容包括將障礙物和走過的路徑的網(wǎng)格點(diǎn)對應(yīng)的獎勵設(shè)置為負(fù)等操作，以作為下一輪循環(huán)中價值迭代網(wǎng)絡(luò)的輸入），轉(zhuǎn)到（2）。

（7）處理非移動動作，轉(zhuǎn)到（2）。

4 仿真實驗結(jié)果與分析

（1）如圖4-1所示，首先，初始化移動機(jī)器人的傳感器等模塊，加載規(guī)劃的神經(jīng)網(wǎng)絡(luò)，將地圖坐標(biāo)網(wǎng)格化。（注：其中實線的墻是真實的墻，是為了演示和對比，也就是說機(jī)器人處在未知的環(huán)境中）。

（2） 如圖4-1所示，機(jī)器人用激光傳感器沿順時針或逆時針掃描周圍環(huán)境，尋找探測到的距離d： d（閾值）

（3）如圖4-1所示，以左閉右合的原則，標(biāo)記障礙物網(wǎng)格點(diǎn)并添加到障礙物集合，期間用SIFT算法進(jìn)行輔助誤差修正。

（4）如圖4-2所示，將之前走過的頂點(diǎn)和障礙物的負(fù)獎勵加到獎勵層。（小方塊為之前探索過的區(qū)域，星號為障礙物）。

（5）如圖4-3所示，機(jī)器人的位置和當(dāng)前地圖輸入進(jìn)規(guī)劃的神經(jīng)網(wǎng)絡(luò)，規(guī)劃的神經(jīng)網(wǎng)絡(luò)會根據(jù)輸入自動規(guī)劃出理想的動作，比如上圖里當(dāng)輸入狀態(tài)信息后，在機(jī)器人右方的路上的神經(jīng)激活值會明顯高于上下障礙物和左方已經(jīng)走過得路徑。

（6）重復(fù)步驟2直到搜索完（如果中間遇到可處理的物體，則可執(zhí)行相應(yīng)的功能，即指d

仿真實驗表明，應(yīng)用本論文的算法能有效地實現(xiàn)機(jī)器人與環(huán)境交互情況下的機(jī)器人與環(huán)境定位問題，實現(xiàn)環(huán)境探測功能并最終形成環(huán)境地圖，算法具有一定的精確性與魯棒性。

作者簡介：曹京勛（1995-），男，吉林延吉人，本科。