Рассел С., Норвиг П. Искусственный интеллект. Современный подход (2-е изд., 2006) (1245267), страница 325

Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 325)

25.10 представляют собой проекции этого гауссова распределения на подпространство координат робота и отметки. Эта многомерное гауссово распределение апостериорных вероятностей поддерживает корреляции между всеми оценками. Данное замечание приобретает важное значение при попытке понять, что происходит на рис. 25.10, г. На этом рисунке показано, что робот обнаруживает отметку, ранее нанесенную на карту. В результате его собственная неопределенность резко уменьшается. Такое же явление происходит и с неопределенностью всех других отметок. Указанное событие является следствием того факта, что оценка местонахождения робота и оценки местонахождений отметок имеют высокую степень корреляции в гауссовом распределении апостериорных вероятностей.

Надежное выяв- 1206 Часть ЧП. Обшение, восприятие и осуществление действий Алгоритм ЕКР составления карты напоминает алгоритм локализации ЕКГ, описанный в предыдушем разделе. Основное различие между ними определяется тем, что в распределении апостериорных вероятностей учитываются дополнительные переменные отметок. Модель движения для отметок является тривиальной, поскольку они не движутся. Таким образом, для этих переменных функция Е представляет собой единичную функцию, а функция измерения по сушеству остается такой же, как и прежде. Единственное различие состоит в том, что якобиан и, в уравнении обновления ЕКГ берется не только по отношению к позе робота, но также и по отношению к местонахождению отметки, которая наблюдалась во время е.

Результируюшие уравнения ЕКР являются еше более устрашающими по своей сложности, чем те, которые были сформулированы перед этим; именно по этой причине мы их здесь опускаем. Однако сушествует еше одна сложность, которая до сих пор нами игнорировалась, — тот факт, что размер карты и заранее не известен. Поэтому не известно также количество элементов в окончательной оценке р, и Х,. Эти данные приходится переопределять динамически, по мере обнаружения роботом все новых и новых отметок. Но эту проблему можно решить чрезвычайно просто — как только робот обнаруживает новую отметку, он добавляет новый элемент к распределению апостериорных вероятностей. Если же значение дисперсии этого нового элемента инициализируется очень большим числом, то результирующее распределение апостериорных вероятностей становится таким же, как если бы робот заранее знал о существовании этой отметки.

Другие типы восприятия Но не все средства робототехнического восприятия предназначены для локализации и составления карт. Роботов наделяют также способностями воспринимать температуру, запахи, акустические сигналы и т.д. Многие из этих измеряемых величин могут подвергаться вероятностной оценке, как и при локализации и составлении карт. Для этого требуется лишь то, чтобы такими средствами оценки служили распределения условных вероятностей, которые характеризуют эволюцию переменных состояния во времени, а также другие распределения, которые описывают связь между результатами измерений и переменными состояния.

Однако не все практически применяемые в робототехнике системы восприятия опираются на вероятностные представления. Фактически, несмотря на то, что внутреннее состояние во всех рассматриваемых выше примерах имело четкую физическую интерпретацию, такая ситуация не обязательно наблюдается в действительности. Например, представьте себе шагаюшего робота, который пытается перенести ногу над препятствием. Допустим, этот робот действует согласно такому правилу, что он вначале должен поднять ногу на небольшую высоту, а затем поднимать ее все выше и выше, если предыдущее значение высоты не позволяет избежать столкновения ноги с препятствием.

Можно ли утверждать, что указанная в команде на выполнение этого движения высота подъема ноги является представлением некоторой физической величины в реальном мире? Возможно, что эта высота действительно както связана с высотой и крутизной препятствия. Но в данном случае высоту подъема ноги можно также рассматривать как вспомогательную переменную в алгоритме работы контроллера робота, лишенную непосредственного физического смысла.

Подобные способы представления нередко применяются в робототехнике и вполне подходят для решения определенных задач. 1207 Глава 25. Робототехника В настояшее время в робототехнике ясно выражена тенденция к использованию представлений с полностью определенной семантикой. Но вероятностные методы превосходят другие подходы по своей производительности в решении многих трудных задач восприятия, таких как локализация и составление карт.

Тем не менее статистические методы иногда становятся слишком громоздкими, поэтому на практике могут оказаться столь же эффективными более простые решения. Самым лучшим учителем, позволяюшим понять, какого подхода действительно следует придерживаться, является опыт работы с реальными физическими роботами. 25.4. ПЛАНИРОВАНИЕДВИЖЕНИЙ В робототехнике принятые решения в конечном итоге воплошаются в движениях исполнительных механизмов.

Задача Ъ. позиционирующего движения состоит в доставке робота или его конечного исполнительного механизма в заданную целевую позицию. Это — сложная задача, но еше сложнее задача ох согласующего движения, при выполнении которой робот движется, находясь в физическом контакте с препятствием. Примером согласуюшего движения является закручивание электрической лампочки манипулятором робота или подталкивание роботом яшика для его перемешения по поверхности стола. Начнем с поиска подходящего представления, которое позволяло бы описывать и решать задачи планирования движений. Как оказалось, более удобным для работы по сравнению с исходным трехмерным пространством является пространство конфигураций — пространство состояний робота, определяемых положением, ориентацией и углами поворота шарниров.

Задача 'а. планирования пути состоит в поиске пути от одной конфигурации к другой в пространстве конфигураций. В этой книге уже встречались различные версии задачи планирования пути, а в робототехнике основной характерной особенностью планирования пути является то, что в этой задаче должны рассматриваться непрерывные пространства. В литературе по робототехническому планированию пути рассматривается широкий набор различных методов, специально предназначенных для поиска путей в непрерывных пространствах с большим количеством измерений. Основные семейства применяемых при этом подходов известны под названиями декомпозиции ячеек и скелетирования.

В каждом из этих подходов задача планирования непрерывного пути сводится к задаче поиска в дискретном графе на основе выявления некоторых канонических состояний и путей в свободном пространстве. Во всем данном разделе предполагается, что движения детерминированы, а информация о локализации робота является точной.

В следующих разделах эти предположения будут ослаблены. Пространство конфигураций Первый шаг к решению задачи управления движением робота состоит в создании подходящего представления задачи. Начнем с простого представления для простой задачи. Рассмотрим манипулятор робота, показанный на рис. 25.! 1, а. В нем имеются два шарнира, которые движутся независимо друг от друга. В результате движения шарниров изменяются координаты 1х, у) локтя и захвата (манипулятор не может двигаться в направлении а). Это описание показывает, что конфигурацию данного Глава 25.

Робототехника 1209 Как оказалось, проще осуществлять планирование на основе представления 'ъ. пространства конфигураций. Вместо представления состояния робота с помошью декартовых координат его элементов это состояние представляется с помогцью конфигурации шарниров робота. В данном примере в конструкцию робота входят два шарнира. Поэтому его состояние может быть представлено двумя углами, у, и р„ относящимися соответственно к шарниру плеча и к шарниру локтя.

В отсутствие каких-либо препятствий робот может свободно выбрать любое значение из пространства конфигураций. В частности, при планировании пути можно связать текушую и целевую конфигурацию прямой линией. В таком случае, следуя по этому пути, робот может просто изменять углы поворота своих шарниров с постоянной скоростью до тех пор, пока не будет достигнуто целевое местонахождение. К сожалению, и подход на основе пространства конфигураций имеет свои недостатки. Задание для робота обычно выражается в координатах рабочего пространства, а не в координатах пространства конфигураций. Например, может потребоваться, чтобы робот поместил свой конечный исполнительный механизм в определенную координату в рабочем пространстве, возможно, с указанием также его ориентации.

Всвязи с этим возникает вопрос: как отобразить такие координаты рабочего пространства на пространство конфигураций? Вообгце говоря, проще поддается решению обратная задача — преобразование координат пространства конфигураций в координаты рабочего пространства, поскольку для этого достаточно выполнить ряд совершенно очевидных преобразований координат. Эти преобразования являются линейными для призматических шарниров и тригонометрическими для поворотных шарниров.

Характеристики

Список файлов книги