屈薇薇第四学期总结.doc

第四学期总结 全面学习与工作情况 本学期学习了使用灰色系统理论处理复杂系统中的不确定信息，使用灰数来表达只知道取值范围而不知道其确切值的数，以克服由于人的认知局限而对反映系统行为的信息难以完全认知的问题；对智能体收集的信息中存在冗余进行研究，通过获得冗余信息来消除信息的不确定性，借用信息论中的熵和互信息概念结合灰色理论中的灰度表示感知信息之间的共性和特性，定性地分析环境认知问题，对灰度进行了基于熵的初步定义。 提出了基于准三维灰靶模型的环境空间认知存储体系，针对带有不确定性的复杂环境信息的描述开展研究，以模拟人类对未知环境的知识表达和存储方法为研究基点，使用准三维灰靶对环境知识建立分层抽象存储体系，模拟人类对环境的认知过程，使智能体能够在未知环境中通过自主探测完成自底向上的信息传递得到对环境的认知地图，并通过自顶向下的知识应用完成路径规划。以期解决在未知环境中机器人面临的信息不完备、不精确以及定性知识抽取问题，实现一种快速、稳定的适合于未知环境下的知识表达体系。 研究工作情况 1、研究的内容和意义： 随着人工智能的发展，机器人从不具备思维能力、沟通能力的只能按照预先编制的程序运行的简单劳动者逐渐转变为“能够在环境中感知并提取信息，并且可以利用环境知识，以有目的、有意义、安全的方式工作的机器[]”。智能体对于环境知识的表示[]是目前人工智能研究的核心和热点，主要是寻求环境空间知识与空间实体表示之间的映射，需要解决的问题有：1）怎样定性地表述知识；2)怎样反映表述中的信息不完备性和不确定性；3）怎样实现定性定量知识的相互转换；4）怎样体现智能体的推理能力。 由于环境中物体表现形态的多样性、观察结果的时间可变性使得精确表示环境变得非常困难[]，虽然思维的模糊性和观测的有限性使得人类不能精确地表达获得的信息，并且个体在对环境感知中存在很大差异，但人类仍然可以鲁棒地使用某种形式表示从外界获得的信息，以一种自适应方式[] []指导自身在复杂的、动态的不确定的环境中产生正确的行为[]。 人类对于环境的记忆是不精确、不完备的，并且是片段表示的[]。当人类探测环境时，需要整合连续视图以形成对当前环境的表示即感知地图。在人类对环境的认知中，当环境结构可用时，是不会以高代价的方式存储或加工信息[]，因此传统的度量地图与人类对空间的认知很难匹配[][]，认知科学[]是对思维最恰当的理解，被视为是心智的表征结构以及在这些结构上进行的操作，所以使用认知地图表示环境知识更接近于人的思维方式。欧盟智能科学与技术（EU’s IST 2002 23.24）将认知系统定义为是一个通过与社会和个体交互进行理解、学习和自我发展的系统[]。认知地图模拟人类使用其特定的内部表示方法反映环境状态，是一种粗略但鲁棒的环境表示方法[]，是以观察者自我为中心的、瞬时的状态反映，并且受到观察者所处环境的信息限制。 本学期研究以移动机器人对未知环境的探测为背景，针对信息不完备的复杂环境信息的描述、学习以及行为决策开展研究。借助灰靶模型理论来研究当前复杂环境信息中的“小样本、贫信息”认知建模问题，针对带有不确定性的复杂环境信息的描述开展研究，使用准三维灰靶对环境知识建立分层抽象存储体系，模拟人类对环境的认知过程，使智能体能够在未知环境中通过自主探测完成自底向上的信息传递得到对环境的认知地图，并通过自顶向下的知识应用完成路径规划，以形成更接近于人的思维方式的智能知识存储、表达以及推理、行为决策的机制。 2、研究的国内外现状，出发点、所处的地位和水平 2.1 国内外现状 1948年，Tolman首次提出认知地图的概念，认为人类对于空间知识的表示类似于地图表示[]，Kuipers认为认知地图是“对于大规模空间的人类知识”[]，因此认知地图是一种将智能体获得的空间信息表示为环境因素间的联系和相互影响的模型。虽然人类在对环境感知中存在很大个体差异，但个体获得的空间知识仍然可以以一种自适应方式[]指导人类行为，最后成功实现对环境的描述以及在环境中的漫游，这表明模拟人类智能的认知地图对于带有不确定信息的环境表示具有很强的鲁棒性和适应性。 目前国内外学者对环境空间知识存储方法的研究，主要分为以下三类： （1）基于概率的度量地图 该方法主要用于机器人从一个已知起点开始在未知环境中进行探测，在确定自身位置的同时对环境进行地图绘制，即解决SLAM（同时定位与地图绘制，Simultaneous Localization and Mapping）问题，主要完成两个功能：建立详细的地图以及对自主机器人进行精确定位。由于机器人制图是以不确定性和传感器噪声为特点的，所以SLAM中大多数制图算法均使用概率算法，以贝叶斯规则为基础的[]，使用贝叶斯滤波提供概率估计来处理测量值、机器人位姿以及地图中的不确定性。 解决SL