基于本体知识库的服务决策机制的设计方法

提出一种基于家庭本体知识库的服务决策机制的设计方法.首先,围绕网络中存储的与家庭服务相关的半结构化文本信息初步构建训练数据集.其次,基于与家庭服务相关的本体知识库构建信息提取机制,针对初步数据集包含的物品信息提取知识库中对应的服务物品属性信息;基于长短时记忆网络(LSTM)设计一种学习模型并命名为服务决策机制,该机制利用知识库作为常识部分进行辅助推理,生成与服务请求对应的决策信息.最后,针对决策信息进行对比实验.实验结果表明:将本体知识库作为常识部分辅助推理,能够提高决策信息的准确性.     

基于改进PPO算法的双足机器人自适应行走控制

针对双足机器人在未知环境行走过程中步态不稳的问题,提出了一种基于近端策略优化(proximal policy optimization, PPO)的双足机器人控制方法.首先,构建动作网络和价值网络,引入长短时记忆(long short-term memory, LSTM),以缩小双足机器人与未知环境交互时的状态估计值与期望值之间的偏差;其次,在动作网络中引入注意力机制,自适应改变神经网络自主学习的权重系数,以提高学习效率,得到适应不同环境的稳定步态;最后,通过仿真实验验证所提算法的有效性.结果表明：改进后近端策略优化算法的收敛速度更快,学习效率更高,能够有效提高双足机器人自适应行走的稳定性.     

基于智能空间的家庭服务机器人SLAM

提出了基于智能空间的家庭服务机器人同步定位与地图构建(SLAM)方法.利用双目立体视觉传感器提取环境特征,获取环境中物体的Harris角点,通过立体匹配算法获取角点的三维几何信息,同时获取环境中这些几何特征对应的图像特征信息,并将混合信息进行绑定,作为实时更新信息存入智能空间信息库中,构建出三维立体混合特征地图.在SLAM实现过程中,首先建立系统模型并对该模型进行重构以实现线性化;其次移动机器人与智能空间实时地进行交互,实现快速数据关联;最后利用卡尔曼滤波算法处理信息的不确定性,估计出机器人的位姿,同时保存环境特征,逐步构建出环境地图.实验表明,该方法实时性好、精确度高.     

一种基于BoW物体识别模型的视觉导航方法

针对复杂的室内环境,提出一种新的动态环境下的移动机器人视觉导航方法.该方法以室内常见物体作为自然路标,通过单目视觉建立识别模型来认知环境中的各种物体.首先对室内常见物体建立图像库,并对库中的大量图像采集SIFT特征;然后通过BoW模型来描述各幅图像,针对每类物体利用线性支持向量机(SVM)训练出物体识别模型;最后借助交互的手绘地图描述室内环境,移动机器人从中获得辅助路径以及自然路标的大概位置,从而完成导航任务.通过大量实验,从自然路标变化、目的区域变化、手绘地图偏差等多角度验证该方法的鲁棒性.实验结果表明,该导航方法操作简单高效,并具有人机交互性强、动态环境下适应能力高的优点.     

基于CM-Q学习的自主移动机器人局部路径规划

针对多障碍物未知环境下,自主移动机器人局部路径规划过程中出现的路径冗余和避障问题,提出了基于坐标匹配的Q学习算法(Coordinate Matching-Q learning算法,CM-Q算法)。首先建立自主移动机器人栅格地图运行环境;其次以Q学习算法探索和学习最佳状态-动作对,并利用坐标匹配的CM算法进行避障;最后在未知障碍物环境中进行路径规划,对所提出的算法进行验证。实验结果表明,运用该方法,自主移动机器人能在未知的简单和复杂障碍物环境下规划出一条最优或次优路径,完成避障和路径规划任务。     

基于子任务的机器人潜在动作预测

以动态环境下的机器人导航为例,研究了机器人在任务复杂、物体随机出现等情形下的潜在动作预测方案.采用层次结构描述机器人的任务,提出了一种新的形式化描述模型,将潜在动作的影响范围从原子动作提升到子任务层次.提出的潜在动作预测框架集成了分层强化学习、状态抽象机制、任务图和物体属性.迷宫环境下的导航实验表明:机器人能够根据当前子任务、自身的感知能力和行为能力以及物体的动作属性来预测潜在动作,基于潜在动作的方案比传统方案的效率更高.     

基于视觉SLAM的物体实例识别与语义地图构建

针对目前面向语义同步定位与地图构建(SLAM)研究大多需要已知三维对象模型作为先验知识,或者只对有限的几种物体的类别进行语义分割,而没有区分对象的个体的问题,结合目前先进的基于深度学习的实例分割算法和视觉SLAM算法提出了一种面向实例个体的物体识别和语义地图构建方法,使得机器人不仅获得了面向导航的环境几何信息,而且掌握了面向物体个体的属性和位置信息.该方法利用由视觉SLAM算法获得的图像帧间几何一致性约束来促进连续图像帧中物体匹配与识别结果,提高物体实例识别的精度,同时结合实例识别结果完成语义建图的任务.最后实现了基于视觉SLAM算法的物体实例识别与语义地图构建系统,并在ICL-NUIM数据集上进行实验,实验结果表明该系统能够基本完整地识别场景中的各种物体并生成环境的语义地图,验证了本方法的有效性.     

使用三维栅格地图的移动机器人路径规划

针对移动机器人使用三维地图进行路径规划的问题,研究了使用三维栅格地图的路径规划算法.该算法将装载三维激光扫描仪的移动机器人得到的三维点云转换成为八叉树结构的三维栅格地图;扩展了D*算法使之考虑机器人的尺寸,检测每种位姿状态下是否与环境发生碰撞,生成多条可行路径可以在栅格地图中直接生成机器人的运动轨迹,保证运动过程中机器人自身及物体的安全.实验结果表明:该算法不需要对地图具有先验认识,并且考虑了机器人的实际尺寸,具有较强的可靠性和实用性,已经在真实环境中进行了实验.     

仿鼠脑海马的机器人地图构建与路径规划方法

针对移动机器人在非结构化环境下的导航任务,根据哺乳动物海马体空间细胞的认知机理,提出了一种仿鼠脑海马的机器人情景认知地图构建及路径规划方法.在机器人情景记忆建模过程中集成位置细胞与网格细胞神经元活动机制,建立机器人空间环境情景认知地图,采取状态神经元集合序列全局路径规划策略,在记忆空间以自我为参考,通过事件再配置预测并规划最优情景轨迹.实验结果表明:该方法能够生成精确的情景认知地图,并且基于目标导航能够规划一条最佳路径.     

Baldwin效应的自适应免疫网络规划算法

针对复杂环境下的机器人路径规划问题,提出了一种新的免疫网络规划算法.借鉴独特型网络假设,将机器人环境作为抗原,机器人行为作为抗体,通过抗原抗体的激励和抑制来构建免疫网络.为了进一步提高算法的网络搜索能力,根据Baldwin效应构建了抗体生命力更新算子,并对抗体生命力衰减系数进行了自适应调整.仿真实验结果表明,新算法具有自组织和自学习的特点,在收敛性能、规划能力方面有很大提高,能够较好地解决复杂环境下的路径规划问题.     

基于行人间交互意图检测的服务机器人导航

针对人与机器人共存环境中的机器人导航问题,提出一种基于行人间交互意图检测的服务机器人导航方法.首先,融合RGBD(红-绿-蓝-深度)信息和激光信息获取准确的行人运动轨迹,从行人轨迹中提取交互意图特征,基于贝叶斯理论检测出行人间是否存在交互意图;然后,将存在交互意图的行人之间区域设置为交互区域;最后,在地图中的交互区域设置临时障碍物,使机器人路径规划避开交互区域.实验结果证明了所提方法的有效性.     

基于Babylon.js的n阶Bézier曲线轨迹设计

【目的】为在Babylon.js环境下实现三维物体任意运动轨迹的生成,给出一种三维物体n阶Bézier曲线运动轨迹的设计方法。【方法】首先根据Bézier曲线的原理设计一种循环递归的插值计算方法,对任意中间控制点数的Bézier曲线路径都可快速绘制;然后对比二阶、三阶及六阶Bézier函数的实际绘制效果;最后在Babylon.js的官方训练场中对物体其他阶次Bézier曲线轨迹进行绘制和运动仿真,并对轨迹形状进行可视化交互设计与调整。【结果】试验中本文方法与传统方法的曲线轨迹重合,表明本文算法实现了n阶Bézier曲线轨迹的绘制;小球能绕所设计轨迹运动验证了本文方法在物体轨迹设计上的有效性;轨迹调整前后对比结果验证了本文方法可视化交互设计的可行性。【结论】本文方法能有效快速实现虚拟环境中的三维物体复杂运动路径的设计与生成,从而为采用Bézier曲线来规划网页端三维物体的运动轨迹提供了一种新方法。     

虚拟仿真培训系统中物体交互技术研究

通过使用特征建模方法,把交互信息存储到物体描述中,这种方法大大提高了运行速度。减小了计算量．同时针对油田安全操作仿真系统的特点,对其操作任务进行了分段和分层的任务划分,总结出了一套通用的基本动作,建立了基本动作库．通过使用基本动作库中的动作对虚拟人的行为进行规划．由于Smart物体和基本动作库的可重用性,大大提高了油田安全操作仿真训练系统的开发速度．     

一种基于深度学习的人体交互行为分层识别方法

本文把人体交互行为分解为由简单到复杂的4个层次:姿态、原子动作、复杂动作和交互行为,并提出了一种分层渐进的人体交互行为识别方法.该方法共有3层:第1层通过训练栈式降噪自编码神经网络把原始视频中的人体行为识别为姿态序列;第2层构建原子动作的隐马尔科夫模型(hidden Markov model,HMM),并利用估值定界法识别第1层输出的姿态序列中包含的原子动作;第3层以第2层输出的原子动作序列为输入,采用基于上下文无关文法(contextfree grammar,CFG)的描述方法识别原子动作序列中的复杂动作和交互行为.实验结果表明,该方法能有效地识别人体交互行为.     

虚拟学习环境的设计研究

针对目前国内外虚拟学习环境支持培养学生实际操作能力的偏少、交互手段不足及尚不能智能化学习等问题,研究基于VRP(virtual reality platform)平台构建及扩展虚拟学习环境学习空间,研发了交互性虚拟实验环境、交互性虚拟课堂环境以及即时交流﹑智能测试系统﹑问题查询等认知工具,设计了虚拟导师和虚拟学伴以加强师生间、学生间的交流与协作. 该研究以实践性较强的电子课程为例,使得虚拟学习环境交互机制具体实施并得以改进,提供了有助于解决学习问题的新方法.      

基于交互学习的远程教学模式研究

本文首先分析了现代网络远程教育中交互方面存在的问题,并针对问题提出了基于案例教学的网络交互学习环境.然后对基于案例教学的网络交互学习环境下的学习流程进行了深入研究,并在此基础上结合现有的教学理论与学习理论,对基于案例教学的网络交互平台的构建进行了全面的探讨和研究.     

基于改进蒙特卡洛树搜索的无人机目标分配与突防决策方法

针对多无人机任务规划问题,在多种约束与机动动作下,进行目标分配和突防决策统一建模与优化求解方法研究。首先,基于无人机自身优势、目标威胁以及突防概率分别建立目标分配优化函数和突防决策优化函数;然后,利用线性加权法将两者融合,形成多无人机协同任务规划统一目标函数;其次,在强化学习框架下,分阶段构建协同任务规划的状态空间和动作空间,并根据统一目标函数设计奖励函数;提出一种改进的蒙特卡洛树搜索强化学习算法,在统一目标函数最大收益下实现对无人机目标分配和突防决策问题的求解;最后,通过对比仿真实验验证所提出的方法的时效性和最优性。研究结果表明：相较于传统方法,所提出的方法在提升收敛程度的同时,将训练时间减少了15%。     

物联网环境下的智能交互架构研究

提出一种物联网环境下基于上下文融合的智能交互架构,并详细叙述了该架构中的各个组成部分,实现了物体和物体之间以及用户和物理世界之间的智能交互,突破了普适计算中虚拟和现实的界限,提供更智慧型的计算和服务。最后用本文提出的智能交互架构构建了智能电网系统中的交互架构,实例证明了该架构的有效性。     

HMD-VR环境下基于平面辅助物的人机交互系统

针对在沉浸式虚拟现实环境中进行自然高效的交互问题,提出了一种新的头戴式虚拟现实（HMD-VR）空间中的人机交互方法. 使用平面辅助物将智能平板的交互范式引入到头戴式虚拟现实环境中,通过单深度相机对平面辅助物与手部的有效跟踪构建了一个高效的交互系统;针对虚拟空间与真实空间交互平面的尺寸差异所带来的交互错误,提出了一种触觉重定向方法,使得交互操作可以在相邻目标间连续切换,并能有效防止切换时的虚拟手抖动;实验结果表明该交互方法不仅易于使用,而且提高了交互效率和交互准确性.      

面向物联网的异构实体间关系服务模型

物联网中的实体大多以异构形式存在,解决异构问题是推进物联网发展的重要因素.为此,在分析了实体及实体上载到网络中信息的特点后,基于Agent提出一种异构实体关系服务模型.该模型具有实体信息数据处理和构建实体服务逻辑两种功能,利用提出的全新的实体物间动态关系计算公式将异构数据转化为物间关系紧密度（值）,并依此生成了Agent服务序列,结合二分图理论实现物联网环境下的Agent服务逻辑;屏蔽了原本因实体和其信息的异构而使得其无法正常交互通信的缺点,实体通过模型中与之对应的Agent进行交互,并在已构建的服务逻辑下支配Agent;最后对该模型进行了仿真实验,结果表明其可满足物联网环境中的用户服务需求,在数据更新和服务准确率及冲突的处理上要优于传统的本体语义技术对异构问题的处理结果.