CN110497404A - 一种机器人仿生式智能决策系统 - Google Patents
一种机器人仿生式智能决策系统 Download PDFInfo
- Publication number
- CN110497404A CN110497404A CN201910739567.3A CN201910739567A CN110497404A CN 110497404 A CN110497404 A CN 110497404A CN 201910739567 A CN201910739567 A CN 201910739567A CN 110497404 A CN110497404 A CN 110497404A
- Authority
- CN
- China
- Prior art keywords
- information
- behaviour control
- layer
- robot
- intelligent decision
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1602—Programme controls characterised by the control system, structure, architecture
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1694—Programme controls characterised by use of sensors other than normal servo-feedback from position, speed or acceleration sensors, perception control, multi-sensor controlled systems, sensor fusion
Abstract
本发明公开了一种机器人仿生式智能决策系统。系统采用分层结构设计,包括信息获取层、行为控制层和末端执行机构运动层;信息获取层包括多种传感器信息和视觉信息;行为控制层包括信息系统、基本行为控制、反馈行为控制、思考行为控制、经验行为控制和决策系统;末端执行机构运动层是最终的执行机构,根据决策系统的智能决策指令进行运动学过程。机器人通过信息获取层获取信息,对信息进行数据处理,将数据信息与行为控制进行匹配,从而做出智能化决策,最后驱动末端执行机构运动层完成指定的目标任务。本发明通过机器人仿生式智能决策系统提升机器人的智能化思考和运动,更加高效的完成作业要求。
Description
技术领域
本发明属于机器人技术领域,尤其涉及机器人的仿生式智能决策系统的技术领域。
背景技术
机器人是自动执行工作的机器装置。它既可以接受人类指挥,又可以运行预先编排的程序,也可以根据以人工智能技术制定的原则纲领行动。它的任务是协助或取代人类工作的工作,例如生产业、建筑业,或是危险的工作。随着计算机技术和人工智能技术的飞速发展,使机器人在功能和技术层次上有了很大的提高,但也面临着新的挑战。机器人在复杂环境下的高适应性、高机动性、高负载能力是机器人技术领域的核心技术,也是机器人替代人类完成危险工作所需要满足的根本要求。机器人的灵活性是机器人完成人类指定目标任务的重要指标之一。人类与动物经过长期的进化已经具备了高度的环境自适应性、运动灵活性和负重作业能力。在数亿年的不断进化过程中,为了适应环境的不断变化,生物体通过进化具有了灵巧的运动机构、灵敏的运动模式和丰富的生活经验,这将成为机器人发展和应用取之不尽的知识源泉。因此,通过仿生式学习,将人类和动物的运动力学规律、动力学控制机理、环境自适应和智能决策方法应用于构建机器人的仿生式智能决策系统,从而提高机器人的智能化和灵敏性,使得机器人更加完善的服务于人类。
发明内容
本发明的目的是提供一种机器人仿生式智能决策系统,使机器人更易适应于不同的外部环境,做出智能化决策方法,更加有效的完成指定的目标任务。
为解决上述技术问题,本发明是通过以下技术方案实现的:
本发明为一种机器人仿生式智能决策系统,包括信息获取层、行为控制层和末端执行机构运动层;信息获取层包括多种传感器信息和视觉信息;行为控制层包括信息系统、基本行为控制、反馈行为控制、思考行为控制、经验行为控制和决策系统;末端执行机构运动层是最终的执行机构,根据决策系统的智能决策指令进行运动学过程。机器人通过信息获取层获取信息,对信息进行数据处理,将数据信息与行为控制进行匹配,从而做出智能化决策,最后驱动末端执行机构运动层完成指定目标任务。
所述信息获取层包括多种传感器信息和视觉信息;所述行为控制层包括信息系统、基本行为控制、反馈行为控制、思考行为控制、经验行为控制和决策系统。
进一步地,所述外部传感器信息包括物体识别传感器信息、距离传感器信息、力传感器信息、声音传感器信息等。
进一步地,所述内部传感器信息包括位置传感器信息、速度传感器信息、加速度传感器信息、角度传感器信息、电压传感器信息等。
进一步地,所述视觉信息为图像摄取装置所获得的信息,图像摄取装置安装于机器人易于观察外部环境的位置。
进一步地,所述信息系统为信息获取层获取的信息形成的数据库及其数据的相关处理。
进一步地,所述末端执行机构运动层可以是机械足、机械手爪、吸盘等末端执行机构。
一种机器人仿生式智能决策系统,机器人通过此仿生式智能决策系统完成指定目标任务包括如下过程:
SS00信息获取层获取机器人所身处的各类环境信息,包括各类传感器和视觉所获得的环境信息;
SS01行为控制层将信息获取层所获得的机器人环境信息通过汇集形成信息系统;
SS02基本行为控制、反馈行为控制、思考行为控制和经验行为控制并行接收来自信息获取层所形成的信息系统信息,各自进行数据信息匹配;
SS03基本行为控制、反馈行为控制、思考行为控制和经验行为控制各自做出逻辑判断和反应,形成决策系统;
SS04决策系统的智能决策指令发送到末端执行机构运动层;
SS05基本行为控制、反馈行为控制、思考行为控制和经验行为控制通过竞争和协调来调节自身并适应外部环境;
SS06机器人按照指定目标完成工作任务。
本发明具有以下有益效果:
1、提升机器人的环境适应能力,并做出智能化决策;
2、提升机器人完成指定目标任务的效率;
当然,实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的一种机器人仿生式智能决策系统图;
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
如图1所示,一种机器人仿生式智能决策系统主要由三个层次构成,包括:信息获取层、行为控制层和末端执行机构运动层。其中,信息获取层包括多种传感器信息和视觉信息;行为控制层包括信息系统、基本行为控制、反馈行为控制、思考行为控制、经验行为控制和决策系统。
如图1所示,信息获取层1通过各类传感器和图像摄取装置实时获取机器人所处的外部环境信息和机器人本身内部环境信息。信息获取层1所获取的信息经过汇集和数据处理形成信息系统201,信息系统201以数据库的方式进行数据处理、数据分类、数据更新和数据存储等。基本类的信息传至基本行为控制202,基本行为控制202所包含的行为一般为机器人在具体的环境条件下长期积累形成的比较低级的行为控制,如过有,则直接传至末端执行机构运动层3,触发相应的行为,同时将触发行为保存至决策系统206;反馈类的信息传至反馈行为控制203,归类后经模糊逻辑判断触发相应的行为,同时将模糊决策结果保存至决策系统206,反馈行为控制203所包含的行为一般为基于安全的最基本、最低级的行为;思考类的信息传至思考行为控制204,归类后经推理得出模糊决策并触发相应的行为,同时将推理结果保存至决策系统206,在推理过程中,思考行为控制204全面地考虑各种因素与信息,通过模糊逻辑和神经网络进行计算,得出最佳控制策略;经验行为控制205感知和接收来自其他仿生机器人或人类的决策信息,同时提取自身的底层决策结构,综合衡量后得出决策,触发相应的行为,并将决策结果保存至决策系统206,对于其他智能体所发出的命令,依照经验规则模糊网络来完成。四个行为控制各自做出逻辑判断和反应,发出控制信息到末端执行机构运动层3,通过竞争和协调来调节自身并适应外部环境,从而使得机器人按照目标完成工作任务。
本发明所述的一种机器人仿生式智能决策系统如上所述,能够提升机器人的学习能力和环境适应能力,并做出智能化决策,更加有效地完成指定目标任务。以上公开的本发明具体实施方式只是用于帮助阐述本发明。具体实施方式并没有详尽叙述所有的细节,也不限制该发明仅为所述的具体实施方式。显然,根据本说明书的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (6)
1.一种机器人仿生式智能决策系统,其特征在于:包括信息获取层(1)、行为控制层(2)和末端执行机构运动层(3);
所述信息获取层(1)包括多种传感器信息(101)和视觉信息(102);
所述多种传感器信息(101)包括外部传感器信息和内部传感器信息;
所述行为控制层(2)包括信息系统(201)、基本行为控制(202)、反馈行为控制(203)、思考行为控制(204)、经验行为控制(205)和决策系统(206);
机器人完成指定目标任务包括如下过程:
SS00信息获取层(1)获取机器人所身处的各类环境信息,包括各类传感器和视觉所获得的环境信息;
SS01行为控制层(2)将信息获取层(1)所获得的机器人环境信息通过汇集形成信息系统(201);
SS02基本行为控制(202)、反馈行为控制(203)、思考行为控制(204)和经验行为控制(205)并行接收来自信息获取层(1)所形成的信息系统(201)的信息,各自进行数据信息匹配;
SS03基本行为控制(202)、反馈行为控制(203)、思考行为控制(204)和经验行为控制(205)各自做出逻辑判断和反应,形成决策系统(206);
SS04决策系统(206)的智能决策指令发送到末端执行机构运动层(3);
SS05基本行为控制(202)、反馈行为控制(203)、思考行为控制(204)和经验行为控制(205)通过竞争和协调来调节自身并适应外部环境;
SS06机器人按照指定目标完成工作任务。
2.根据权利要求1所述的一种机器人仿生式智能决策系统,其特征在于,所述外部传感器信息包括物体识别传感器信息、距离传感器信息、力传感器信息、声音传感器信息。
3.根据权利要求1所述的一种机器人仿生式智能决策系统,其特征在于,所述内部传感器信息包括位置传感器信息、速度传感器信息、加速度传感器信息、角度传感器信息、电压传感器信息。
4.根据权利要求1所述的一种机器人仿生式智能决策系统,其特征在于,所述视觉信息(102)为图像摄取装置所获取的信息。
5.根据权利要求1所述的一种机器人仿生式智能决策系统,其特征在于,所述信息系统(201)为信息获取层(1)所获取的信息组成的数据库及其数据的相关处理。
6.根据权利要求1所述的一种机器人仿生式智能决策系统,其特征在于,所述末端执行机构运动层(3)包括机械足或机械手爪或吸盘的末端执行机构。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910739567.3A CN110497404B (zh) | 2019-08-12 | 2019-08-12 | 一种机器人仿生式智能决策系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910739567.3A CN110497404B (zh) | 2019-08-12 | 2019-08-12 | 一种机器人仿生式智能决策系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110497404A true CN110497404A (zh) | 2019-11-26 |
CN110497404B CN110497404B (zh) | 2021-12-28 |
Family
ID=68586288
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910739567.3A Active CN110497404B (zh) | 2019-08-12 | 2019-08-12 | 一种机器人仿生式智能决策系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110497404B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111680126A (zh) * | 2020-06-10 | 2020-09-18 | 牛猛 | 一种基于人工智能的行为决策控制系统及方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9193068B2 (en) * | 2013-11-26 | 2015-11-24 | Elwha Llc | Structural assessment, maintenance, and repair apparatuses and methods |
CN105500381A (zh) * | 2016-02-05 | 2016-04-20 | 中国科学院自动化研究所 | 通用模块化双臂服务机器人平台及系统 |
CN106873773A (zh) * | 2017-01-09 | 2017-06-20 | 北京奇虎科技有限公司 | 机器人交互控制方法、服务器和机器人 |
CN108297098A (zh) * | 2018-01-23 | 2018-07-20 | 上海大学 | 人工智能驱动的机器人控制系统及方法 |
CN109129467A (zh) * | 2018-07-27 | 2019-01-04 | 南京阿凡达机器人科技有限公司 | 一种基于认知的机器人交互方法及系统 |
US20190061164A1 (en) * | 2017-08-28 | 2019-02-28 | Fu Tai Hua Industry (Shenzhen) Co., Ltd. | Interactive robot |
-
2019
- 2019-08-12 CN CN201910739567.3A patent/CN110497404B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9193068B2 (en) * | 2013-11-26 | 2015-11-24 | Elwha Llc | Structural assessment, maintenance, and repair apparatuses and methods |
CN105500381A (zh) * | 2016-02-05 | 2016-04-20 | 中国科学院自动化研究所 | 通用模块化双臂服务机器人平台及系统 |
CN106873773A (zh) * | 2017-01-09 | 2017-06-20 | 北京奇虎科技有限公司 | 机器人交互控制方法、服务器和机器人 |
US20190061164A1 (en) * | 2017-08-28 | 2019-02-28 | Fu Tai Hua Industry (Shenzhen) Co., Ltd. | Interactive robot |
CN108297098A (zh) * | 2018-01-23 | 2018-07-20 | 上海大学 | 人工智能驱动的机器人控制系统及方法 |
CN109129467A (zh) * | 2018-07-27 | 2019-01-04 | 南京阿凡达机器人科技有限公司 | 一种基于认知的机器人交互方法及系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111680126A (zh) * | 2020-06-10 | 2020-09-18 | 牛猛 | 一种基于人工智能的行为决策控制系统及方法 |
CN111680126B (zh) * | 2020-06-10 | 2023-06-20 | 牛猛 | 一种基于人工智能的行为决策控制系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110497404B (zh) | 2021-12-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111618847A (zh) | 基于深度强化学习与动态运动基元的机械臂自主抓取方法 | |
CN108415254B (zh) | 基于深度q网络的废品回收机器人控制方法 | |
CN110293560A (zh) | 机器人行为训练、规划方法、装置、系统、存储介质及设备 | |
CN110238855A (zh) | 一种基于深度逆向强化学习的机器人乱序工件抓取方法 | |
CN108284444A (zh) | 人机协作下基于Tc-ProMps算法的多模式人体动作预测方法 | |
Arena et al. | Insect inspired unsupervised learning for tactic and phobic behavior enhancement in a hybrid robot | |
CN110497404A (zh) | 一种机器人仿生式智能决策系统 | |
Stewart et al. | Serendipitous offline learning in a neuromorphic robot | |
Quiros et al. | Object locator and collector robotic arm using artificial neural networks | |
Mirus et al. | Neuromorphic sensorimotor adaptation for robotic mobile manipulation: From sensing to behaviour | |
Hercus et al. | Control of an unmanned aerial vehicle using a neuronal network | |
US20150290800A1 (en) | Method and system for developing cognitive responses in a robotic apparatus | |
CN116945180A (zh) | 一种基于强化学习的机械臂动态物体抓取方法 | |
Arena et al. | STDP-based behavior learning on the TriBot robot | |
Kubota et al. | Multi-objective behavior coordinate for a mobile robot with fuzzy neural networks | |
EP3793785B1 (de) | Verfahren und vorrichtung zum rechnergestützten ermitteln von regelparametern für eine günstige handlung eines technischen systems | |
Vojić | Internet of robotic things (IoRT) applications | |
Sim et al. | A foundation for robot learning | |
Jayasekara et al. | Controlling a robot manipulator with fuzzy voice commands guided by visual motor coordination learning | |
Arena et al. | Visual learning in Drosophila: application on a roving robot and comparisons | |
Zhou et al. | The path trajectory planning of swinging legs for humanoid robot | |
Gillespie et al. | Using Reinforcement Learning to Attenuate for Stochasticity in Robot Navigation Controllers | |
Fukuda et al. | Computational intelligence for robotic systems | |
Jalali et al. | Control of a manipulator kinematics robotic arm on fuzzy cerebellar model articulation controller | |
Wu et al. | Analysis on the locomotion of cable tunnel inspection quadruped robot based on deep reinforcement learning |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |