CN114186112A - 一种基于贝叶斯优化多重信息增益探索策略的机器人导航方法 - Google Patents

Abstract

本发明公开了一种基于贝叶斯优化多重信息增益探索策略的机器人导航模型，属于移动机器人领域和人工智能领域。本发明基于ROS编程实现，设定一个带有里程计与RGB‑D相机等传感器的仿真机器人。首先，在候选点提取方法上采用融合前沿点聚类与可通行区域方式综合衡量提取；在候选点评估方法上利用改进的贝叶斯优化计算多重信息增益，综合考虑地图熵值与距离成本，进而选取最佳候选点，避免机器人在环境中不断走重复的路径。本发明在ROS操作系统中利用gazebo进行仿真实验验证，利用RGB‑D信息构建二维栅格地图与八叉树地图，移动机器人可以利用较少的步数快速有效的探索未知环境，高质量完成建图任务。

Description

一种基于贝叶斯优化多重信息增益探索策略的机器人导航 方法

技术领域

本发明属于移动机器人领域和人工智能领域，特别涉及未知环境下基于贝叶斯优化多重信息增益探索策略的移动机器人自主探索导航方法。

背景技术

在机器人领域高速发展的今天，移动机器人在各个领域都得到了广泛的应用，其中，来自室内场景下的全自主移动机器人的应用需求日益增多。如何在先验未知的环境中自主探索并构建地图是机器人研究领域的一个关键问题，在不同的任务场景之下对于建图的要求也不尽相同。例如，在受灾环境下进行救援的机器人，对建图的快速性有较高的要求，而对于像是在一些人类尚未涉足但是又具有一定研究价值的环境，此时对于机器人的建图精度就更为看重。一个典型的探索过程描述如下：首先，安装在机器人上的激光扫描仪或其他检测传感器观察其周围环境，并将传感器数据转化为机器人的局部地图；其次，通过将新获取的局部地图与定位信息结合，更新环境的全局地图；最后，根据某种探索策略确定下一个最佳观察位置，本文称为最佳候选点，机器人将在那里自主导航。

综合已有的研究成果，本文提出了一种基于改进的贝叶斯优化多重信息增益探索算法。在没有任何地图信息的情况下探索未知环境，机器人仅能获取当前传感器可以感知到的范围，使得在未知环境中探索环境就转化为了在不完全状态下的决策问题。由此，本方法首先提出一种基于K-means聚类前沿点与基于可通行区域提取候选点的方式对候选点进行提取，在降低候选点规模的同时也保证了对环境的完全探索，之后采用改进的贝叶斯优化，在构建环境的高斯模型时，加入距离因子的影响，对多重信息增益进行评估，在考虑候选点信息增益的同时，不仅考虑对地图熵值的贡献，同时考虑距离成本，以此来减少机器人的冗余路径。使得移动机器人可以利用较少的步数快速有效的探索未知环境，高质量完成建图任务。

发明内容

本发明的目的在于克服现有技术的上述不足，采用一种基于贝叶斯优化多重信息增益探索策略的机器人导航方法。本发明由环境感知、候选点提取、候选点评估、路径规划并构建地图五部分组成。在初始状态下，环境全部未知，机器人在未知环境中进行随机采样，候选点提取模块负责提取候选点集合，候选点评估模块负责对提取到的候选点集合进行筛选评估，选出最具信息的下一个目标点，之后由路径规划模块进行路径规划并建立地图。候选点提取模块融合前沿点聚类与可通行区域方式综合衡量提取，候选点评估方法上利用改进的贝叶斯优化计算多重信息增益，综合考虑地图熵值与距离成本，进而选取候选点。本发明能够使机器人在未知环境中快速探索环境。

本发明提供了一种基于贝叶斯优化多重信息增益探索策略的机器人导航方法，该方法在ROS机器人操作系统下进行。包括：

(1)初始状态下，机器人处于完全未知的环境当中，自身携带RGB-D相机、里程计等传感器观察其周围环境，并将传感器数据转化为机器人的局部地图，通过将新获取的局部地图与定位信息结合，更新环境的全局地图。若历史动作集为空，机器人在当前位置进行随机采样，获取初始候选点集合；若历史动作集不为空，则将当前动作加入到历史动作集中并更新环境模型。

(2)获取到候选点集合之后，提取其中的关键点，采用一种基于聚类前沿点与可通行区域相结合的提取策略，选取合适的候选点集合。

对前沿点采用k均值聚类算法(k-means clustering algorithm)聚类，提取出关键前沿点。随后，从机器人当前位置向周围做不同角度的多条线段，延伸至关键前沿点处，将其作为第一个候选点，间隔距离d生成第二个候选点，直至机器人当前位置，剔除其中不在可通行区域中的点，完成候选点集合的提取。

(3)采用贝叶斯优化多重信息增益算法来评估候选点集合中的所有点，选取下一个最佳候选点作为目标点行进。

贝叶斯优化，它的基本思想是基于数据使用贝叶斯定理估计目标函数的后验分布，然后再根据分布选择下一个采样的超参数组合。因此，它可以充分利用前一个采样点的信息，即移动机器人到达当前位置可以获取到的信息增益大小。贝叶斯优化框架主要包括两个核心部分：概率代理模型和采集函数。其中，概率代理模型包含一个先验分布，以及一个描述数据生成机制的观察模型；采集函数则是根据后验概率分布构造的，后验概率分布描述通过已观测数据集对先验进行修正后未知目标函数的置信度。通过最大化采集函数来选择下一个最佳候选点，同时，有效的采集函数可以保证选择的候选点序列使得总损失(loss)最小。

3.1)利用机器人当前获取到的所有信息构建机器人动作模型，高斯过程是贝叶斯优化中常用的一种非参数统计模型。将机器人每一步所做的决策看作自变量x，χ为机器人的动作空间，预测到达选定最佳候选点之后互信息的大小作为f(x)。因此，它完全由一个均值函数m(x)和方差函数k(x，x′)来表示f(x)～GP(m(x)，k(x，x′))

其中，均值函数m(x)＝E(f(x))，表示机器人到达某个位置理论上获得信息增益的平均值；协方差函数k(x，x′)＝E[(f(x)-m(x))(f(x′)-m(x′))]，表示获得信息增益的误差范围，GP表示高斯回归函数，描述了机器人行进位置与信息增益变化，x为当前位置，x′为目标位置。为了简单起见，通常设置均值函数m(x)＝0。

3.2)改进高斯上置信届函数，贝叶斯优化的最佳候选点是由采集函数计算而来。但是，想要达到这种效果却并不简单。一般情况下，将机器人所作决策分为两个部分，一种是探索，目的是更深入地探索搜索空间，找到不同的方案，来改进构建的高斯环境模型，如果一个采集函数没有足够的探索，那么它就很容易陷入局部最优，无法找到全局最优点，但是过多的探索又会引起不必要的探索成本；另一种是利用，在搜索过程中利用局部信息来生成更好的解。过多的探索会减慢算法的收敛速度，过多的利用又会使机器人容易陷入局部最优。这就使得平衡探索和利用显得尤为重要。本方法采用GP-UCB完成采集功能，它是最直观的采集函数之一。通过超参数β_t来平衡探索和利用，如公式所示

其中，μ_t(x)和σ_t(x)是从高斯回归过程中得到的预测均值和方差，μ_t(x)为预测机器人到达某个位置可以获得的信息增益的平均值，σ_t(x)为在μ_t(x)的基础之上产生的偏差，β_t是探索和利用之间的平衡参数。增加β_t会使采集函数偏向方差高的点，引起更多的探索，降低β_t会使采集函数偏向均值较高的点，引起更多的利用。在证明了使用β_t可以很好的限制累计误差，保证整体的收敛速度。但是，在机器人探索环境过程中，收敛不是唯一的目标，如何以最少的采样次数获得最多的环境信息也是一个关键问题。假如采样点按照所期望的顺序排列，机器人将会构建一个可靠的时空模型，即机器人某一时刻的动作所造成的地图熵值的变化。由此，提出了一种基于距离的高斯上置信届函数作为本文的采集函数，公式如下：

其中D(x，x^-)是机器人当前位置到下一个目标点的欧几里得距离，x^-是当前机器人所在位置，x是机器人选定的下一个候选点，此时β_t＝28.6和γ＝0.72，该算法在保证收敛的基础之上，建立了较为准确的时空模型，使采样点更加有序，以此来减少机器人的行进距离。

(4)评估标准选用多重信息增益，在地图探索过程中发现，仅凭熵值一种判定条件来计算互信息时，会出现过多的冗余路径，尤其在地图面积较大，探索接近完备的时候，这种情况尤为严重。希望机器人探索在熵值差异不是特别大的时候，优先选择距离自己较近的点，以此来减少机器人的重复路径，提高探索的效率。由此，本方法提出了一种新的计算互信息的算法，就是加入距离成本之后对最佳候选点的选取。

I(m，x_i)＝α(H(m)-H(m|x_i))-(1-α)DC(x，x_i)

其中，α为信息-距离因子，取值范围在0～1之间，DC(x，x_i)为x到x_i的距离函数，H(m)为地图的信息熵。

(5)选定下一个最佳候选点之后，采用启发式搜索A*算法进行路径规划，搜索过程中充分利用目前已知的各种信息比如迭代步数，从初始位置到当前位置到终点位置估计所要消耗的费用等信息。引入当前机器人位置j的估计函数f^*(j)＝g(j)+h^*(j)，其中g(j)是从起始位置到当前位置j消耗的实际费用，h^*(j)是从当前位置到目标位置最小费用的估计，本方法中采用曼哈顿距离作为估计函数，选取最佳路径机器人行进至目标点。将当前动作加入历史动作集，迭代进行以上五步至环境探索完成。

通过考虑地图熵值与距离成本共同作为信息增益来评估最佳候选点，所以在探索过程中，冗余路径就会大大降低，总的探索时间也会大大减少。仿真实验证明了该算法在自主探索方面的优越性。除此之外，在提取候选点时采用K-means算法对前沿点进行聚类，在此方法失效时，使用基于可通行区域策略提取候选点，将二者结合的方式既保证了计算量不会过大，也保证了探索过程中不会丢失太多环境信息，以此保证了探索环境的完备性。

附图说明

图1为本模型系统结构图。

图2为移动机器人候选点提取过程。

图3为移动机器人候选点评估过程。

图4为模型的工作算法流程图。

具体实施方式

图1为本模型系统结构图，参照图1，受贝叶斯优化运用在各个领域的研究启发，本发明提供了一种基于贝叶斯优化多重信息增益探索策略的机器人导航模型。机器人自身携带了里程计与RGB-D相机等传感器，将传感器输入通过底层depthimage_to_laserscan包与Gmapping算法等完成机器人定位，构建二维栅格地图，与此同时，利用机器人传入的RGB-D信息中的彩色图与深度图构建八叉树地图，之后将当前地图信息与机器人当前位姿作为本文提出的自主探索算法输入，计算下一个最佳候选点并更新环境的高斯模型，最后在地图上进行路径规划到达目标点，迭代此过程直至环境探索完成。

图2为移动机器人评估候选点过程，参照图2，采用一种基于聚类前沿点与可通行区域相结合的提取策略，选取合适的候选点集合，后续采用贝叶斯优化算法对其进行评估。具体划分规则如下：其中，蓝色原点表示机器人，黑色的点表示选定的候选点集合。首先，对前沿点采用k均值聚类算法(k-means clustering algorithm)聚类，提取出关键前沿点，如图所示，在检测到的众多前沿点中进行聚类，图中橙色的点与蓝色的点为聚类之后的关键前沿点。随后，从机器人当前位置向周围做不同角度的多条线段，延伸至关键前沿点处，将其作为第一个候选点，间隔距离d生成第二个候选点，直至机器人当前位置，剔除其中不在可通行区域中的点，完成候选点集合的提取。

图3为移动机器人候选点评估过程，参照图3，圆点为机器当前位置，五角星为机器人选定的最佳候选点，线为机器人自动规划的路径。在不考虑路径成本的情况下，机器人处在左上角的位置，选择了距离自己较远的熵值略大的右上角，但是左下角区域还未探索，所以机器人势必还要返回左边，由此就造成了冗余路径的产生，希望机器人探索是如右图所示的那样，在熵值差异不是特别大的时候，优先选择距离自己较近的点，以此来减少机器人的重复路径，提高探索的效率。图(a)展示了仅凭熵值判断下一个最佳候选点会出现的情况，当机器人行驶至目标点时，还会折返到出发点处，这就造成了冗余路径，图(b)就是加入距离成本之后对最佳候选点的选取。

图4为模型的工作算法流程图，参照图4，模型的工作算法完成探索未知环境并建图的导航任务。具体步骤如下：

(1)初始化环境为栅格地图，初始化机器人位置信息与候选点集合；

(2)从机器人当前位置利用K-means聚类算法与基于可通行区域相结合的方式提取候选点集合；

(3)采用贝叶斯优化算法评估当前候选点集合，选取信息增益最大的候选点作为下一个目标点行进，利用A^*算法进行路径规划；

(4)将当前动作加入历史动作集，更新环境模型，更新贝叶斯优化框架并更新地图；

(5)判断是否存在候选点，存在则返回步骤(2)继续探索，否则算法结束。

Claims (4)

1.基于贝叶斯优化多重信息增益探索策略的机器人导航方法，其特征在于：包括，

(1)初始状态下，机器人将传感器数据转化为机器人的局部地图，通过将新获取的局部地图与定位信息结合，更新环境的全局地图；若历史动作集为空，机器人在当前位置进行随机采样，获取初始候选点集合；若历史动作集不为空，则将当前动作加入到历史动作集中并更新环境模型；

(2)获取到候选点集合之后，提取其中的关键点，采用一种基于聚类前沿点与可通行区域相结合的提取策略，选取合适的候选点集合；

对前沿点采用k均值聚类算法聚类，提取出关键前沿点；随后，从机器人当前位置向周围做不同角度的多条线段，延伸至关键前沿点处，将其作为第一个候选点，间隔距离d生成第二个候选点，直至机器人当前位置，剔除其中不在可通行区域中的点，完成候选点集合的提取；

(3)采用贝叶斯优化多重信息增益算法来评估候选点集合中的所有点，选取下一个最佳候选点作为目标点行进；

3.1)利用机器人当前获取到的所有信息构建机器人动作模型，高斯过程是贝叶斯优化中常用的一种非参数统计模型；将机器人每一步所做的决策看作自变量x，χ为机器人的动作空间，预测到达选定最佳候选点之后互信息的大小作为f(x)；由一个均值函数m(x)和方差函数k(x,x')来表示f(x)～GP(m(x),k(x,x'))

其中，均值函数m(x)＝E(f(x))，表示机器人到达某个位置理论上获得信息增益的平均值；协方差函数k(x,x')＝E[)f(x)-m(x))(f(x')-m(x'))]，表示获得信息增益的误差范围，GP表示高斯回归函数，描述了机器人行进位置与信息增益变化，x为当前位置，x'为目标位置；为了简单起见，通常设置均值函数m(x)＝0；

3.2)改进高斯上置信届函数，贝叶斯优化的最佳候选点是由采集函数计算而来；将机器人所作决策分为两个部分，一种是探索，探索搜索空间找到不同的方案来改进构建的高斯环境模型；另一种是利用在搜索过程中利用局部信息来生成更好的解；采用GP-UCB完成采集功能，通过超参数β_t来平衡探索和利用，如公式所示

其中，μ_t(x)和σ_t(x)是从高斯回归过程中得到的预测均值和方差，μ_t(x)为预测机器人到达某个位置获得的信息增益的平均值，σ_t(x)为在μ_t(x)的基础之上产生的偏差，β_t是探索和利用之间的平衡参数；提出一种基于距离的高斯上置信届函数作为采集函数，公式如下：

其中D(x,x^-)是机器人当前位置到下一个目标点的欧几里得距离，x^-是当前机器人所在位置，x是机器人选定的下一个候选点，此时β_t＝28.6和γ＝0.72，该算法在保证收敛的基础之上，建立了时空模型，使采样点更加有序，减少机器人行进距离；

(4)评估标准选用多重信息增益，加入距离成本之后对最佳候选点的选取；

I(m,x_i)＝α(H(m)-H(m|x_i))-(1-α)DC(x,x_i)

其中,a为信息-距离因子，取值范围在0～1之间，DC(x,x_i)为x到x_i的距离函数，H(m)为地图的信息熵；

(5)选定下一个最佳候选点之后，采用启发式搜索A*算法进行路径规划，搜索过程中充分利用目前已知的各种信息比如迭代步数，从初始位置到当前位置到终点位置估计所要消耗的费用等信息；引入当前机器人位置j的估计函数f^*(j)＝g(j)+h^*(j),其中g(j)是从起始位置到当前位置j消耗的实际费用，h^*(j)是从当前位置到目标位置最小费用的估计，采用曼哈顿距离作为估计函数，选取最佳路径机器人行进至目标点；将当前动作加入历史动作集，迭代进行以上五步至环境探索完成。

2.根据权利要求1所述的一种基于贝叶斯优化多重信息增益探索策略的机器人导航模型，其特征在于：利用改进的贝叶斯优化计算多重信息增益，综合考虑地图熵值与距离成本，进而选取最佳候选点，避免机器人在环境中不断走重复的路径。

3.根据权利要求1所述的一种基于贝叶斯优化多重信息增益探索策略的机器人导航研究，其特征在于：一次未知环境空间自主探索建图的完成，需要循环利用权利要求1中的步骤(1)到(2)，循环次数设置为70次。

4.根据权利要求1所述的一种基于贝叶斯优化多重信息增益探索策略的机器人导航研究，其特征在于：

探索未知环境并建图的导航任务的具体步骤如下：

(1)初始化环境为栅格地图，初始化机器人位置信息与候选点集合；

(2)从机器人当前位置利用K-means聚类算法与基于可通行区域相结合的方式提取候选点集合；

(3)采用贝叶斯优化算法评估当前候选点集合，选取信息增益最大的候选点作为下一个目标点行进，利用A^*算法进行路径规划；

(4)将当前动作加入历史动作集，更新环境模型，更新贝叶斯优化框架并更新地图；

(5)判断是否存在候选点，存在则返回步骤(2)继续探索，否则算法结束。

Images