Главная arrow Робототехника arrow Робототехническое восприятие
Как начинался компьютер
Компьютерная революция
Двоичный код
Разработки военных лет
Интегральные микросхемы
Микрокомпьютер
Персоны
Сеть
Язык компьютера
Развитие ПО
Гибкие системы
Средства разработки
Информатика
Вычислительная наука
Операционные системы
Искусственный интеллект
Предыстория
Поиск
Знания и рассуждения
Логика
Робототехника
 

 
Робототехническое восприятие Печать

Робототехническое восприятие — это процесс, в ходе которого роботы отображают результаты сенсорных измерений на внутренние структуры представления среды. Задача восприятия является сложной, поскольку информация, поступающая от датчиков, как правило, зашумлена, а среда является частично наблюдаемой, непредсказуемой и часто динамической. В качестве эмпирического правила можно руководствоваться тем, что качественные внутренние структуры представления обладают тремя свойствами: содержат достаточно информации для того, чтобы робот мог принимать правильные решения, построены так, чтобы их можно было эффективно обновлять, и являются естественными в том смысле, что внутренние переменные соответствуют естественным переменным состояния в физическом мире.

Модели перехода и восприятия для частично наблюдаемой среды могут быть представлены с помощью фильтров Калмана, скрытых марковских моделей и динамических байесовских сетей; кроме того, в указанной главе были описаны и точные, и приближенные алгоритмы   обновления доверительного состояния — распределения апостериорных вероятностей по переменным состояния среды. Было приведено несколько динамических моделей байесовских сетей для этого процесса. А при решении робототехнических задач в модель в качестве наблюдаемых переменных обычно включают собственные прошлые действия робота. На рисунке показана система обозначений, используемая в данной главе: xt — это состояние среды (включая робот) во время t; zt — результаты наблюдений, полученные во время t; At — действие, предпринятое после получения этих результатов наблюдения. 

 

 

 

 

 

 

 

 

 

 

 

Процесс робототехнического восприятия, рассматриваемый как временной алгоритмический вывод на основании последовательностей действий и измерений, который демонстрируется на примере динамической байесовской сети

Задача фильтрации, или обновления доверительного состояния состоит в том, что должно быть вычислено новое доверительное состояние Р (xt+1 I z1:t+1, a1:t) на основании текущего доверительного состояния Р (xt I z1: t, a1:t-1) и нового наблюдения zt+1. Принципиальные различия по сравнению с указанной главой состоят в следующем: во-первых, результаты вычислений явно обусловлены не только действиями, но и наблюдениями, и, во-вторых, теперь приходится иметь дело с непрерывными, а не с дискретными   переменными. Таким образом, необходимо следующим образом откорректировать рекурсивное уравнение фильтрации для использования в нем интеграции, а не суммирования:

P(Xt+1 l I Z1:t+1 l,a1:t) = aP(zt+1 l Xt+1) ∫ P(Xt+1, xt. at) P(xt l z1:t, a1:t-1) dxt

Это уравнение показывает, что апостериорное распределение вероятностей по переменным состояния х во время t+1 вычисляется рекурсивно на основании соответствующей оценки, полученной на один временной шаг раньше. В этих вычислениях участвуют данные о предыдущем действии at и о текущих сенсорных измерениях zt+1. Например, если цель заключается в разработке робота, играющего в футбол, то xt+1 может представлять местонахождение футбольного мяча относительно робота. Распределение апостериорных вероятностей Р (Xt | z1:t, a1:t-1) — это распределение вероятностей по всем состояниям, отражающее все, что известно о прошлых результатах сенсорных измерений и об управляющих воздействиях. Уравнение показывает, как рекурсивно оценить это местонахождение, инкрементно развертывая вычисления и включая в этот процесс данные сенсорных измерений (например, изображения с видеокамеры) и команды управления движением робота. Вероятность P(xt+1 | xt, at) называется моделью перехода, или моделью движения, а вероятность Р (zt+1 I xt+1) представляет собой модель восприятия.