第5章__移动机器人系统控制框架-修订确认.docVIP

第5章 移动机器人系统与控制框架 移动机器人的主要特征就是可以移动和自治。这使得机器人可以实现大范围活动，在工业上可以构成可重构的物流与制造系统。移动机器人还可以代替人类到达复杂有危险的地方，因而在航空航天、军事和反恐等领域有迫切的应用需求。要实现移动机器人自治，将面临不确定性、可靠性和实时响应等难题。而随着移动机器人应用领域的不断拓展，其结构、控制和功能也变得更为复杂，传统的程序开发手段已难以满足要求。因此，机器人体系结构研究一直是机器人领域的一个基础课题。目前，机器人体系结构的研究已有30多年的历史并仍在不断发展中，而研究开发恰当的系统框架和工具，提高系统的跨平台性、开放性和可重构性，缩短应用系统开发周期，是当前关注的热点[1，2，3，4]。 本章将分析研究移动机器人的控制模式和常见的一些控制系统，讨论各自的优缺点；然后，分析当前移动机器人体系结构开发中对控制框架的研究的特色和需求；最后，根据机器人传感装置网络化的发展趋势，构建移动机器人在传感器网络环境下工作的控制框架。 移动机器人控制体系结构 20世纪80年代中期，在美国政府的资助下，NASA推出了一种用于控制遥控机器人概念体系结构NASREM[5],如图5.1。从图中可以看出，它是一种自顶向下的、分层式、推理型的控制结构。依据处理过程的时间跨度和速度要求，从上到下分为：目标服务、服务区、任务、电子驱动、原型和协同伺服等6个层次。例如，目标服务负责全局目标的执行，目标变换的时间跨度为一个小时单位，一次规划的时间为6min，时钟分辨率为4s；而协同伺服层负责对传感器感应的环境变化做出快速反应，环境信息感应时间为15ms，响应时间为2ms，时钟分辨率为1ms。系统设立一个全局数据区，负责存储全局地图，环境目标列表、状态变量和评估函数等，在人机交互的指令调度下，系统通过任务分解、模型构建与评估和传感器信息处理三个模块实现对机器人的控制。 这种NASREM结构在实际中应用较少，但是却是人们研究机器人控制体系结构的参考模型。目前，移动机器人的控制体系结构主要依据3种控制模式/策略 [4～6]：推理型(deliberative); 反应型(reactive); 混合型(hybrid); 基于行为的控制(behavior-based Control). 推理型控制模式采用自顶向下规划的控制策略。在机器人中枢构建了一个世界模型，用来验证传感器采集的信息，然后发出运动控制指令。早期的移动机器人多采用这种模式。这种控制策略需要有对全局的知识，具有较强的推理和思维能力，但实时响应能力低，适应性差，适用于结构化、可预期的场景。 反应型控制模式采用自底向上的控制策略，直接由传感信息来控制机器人的驱动。他不需要预先构建一个内部的世界模型，仅有少量的规则，依靠对具体场景的感知来产生相应的动作。这种控制模式处理的是当前的信息，实时性好，可以对非结构化的、动态的场景做出反应。但因为没有信息储存，缺乏学习和规划能力，在运行时也缺乏灵活性。 基于行为的控制策略介于推理型和反应型策略之间，可以看成是反应型控制策略的延伸。他是一种面向任务分解的控制形式。在接受到传感信息后，几个行为模块可以根据各自的具体任务并行处理，分工协作。在文献[7]中，Mataric给出了一些基于行为的控制策略的实例。 混合型控制策略（hybrid）成对RAP行为的队列，并为每一个RAP行为匹配所需的机器人的技能。反应层是由一系列与环境相关的控制行为集（技能）构成，在事件的驱动下完成对当前（局部）信息的处理。反应层和时序层间定义了统一的界面，以便提高控制系统的适应性。 常见的移动机器人控制系统 Saphira Saphira[8，9]是SRI国际 人工智能中心在20世纪90 年代早期开发的机器人控制 系统。如今它是ActivMedia 公司提供的机器人的标准软 件环境。它采用基于行为( behavior- based)的控制模 式，其核心是一个被称为本 地感知空间（LPS）的共享内 存/黑板，用作进程间通讯/协调。 图5.4中，LPS的功能就是环境制图。它可以读入环境地图，可以在目标识别，人员跟踪、距离信息等传感模块的支持下对环境进行建模和标识。PRS-lite是系统的过程推理模块，可以完成任务的分解和组合。而导航管理和目标行为管理则是系统的行为管理器，负责将分解的任务转化并匹配为机器人的即时行为。即时行为模块即为系统的反应层，直接控制机器人的致动器（马达）。 Saphira已经商业化，同时支持Unix和Windows平台，采用C语言开发，占用系统资源少，提供的文档资料完整。但是，该系统的定位系统不够准确，而且系统不具有开放性，不支持分布式环境。 TeamBots TeamBots[10]是一个基于JAVA的应用程序和JAVA包的集合