IEEEJAS的个人博客分享 http://blog.sciencenet.cn/u/IEEEJAS

博文

移动机器人长期自主环境适应研究进展和展望

已有 2173 次阅读 2020-4-27 16:55 |系统分类:博客资讯

移动机器人长期自主环境适应是指:真实世界中存在光照、天气、季节及场景结构等诸多复杂的环境因素,这些因素的改变对移动机器人地图构建、重定位及场景理解等基本行为能力带来巨大挑战。因此,为保障移动机器人长期稳定的自主运行,其基本行为能力应具有一定的自主环境适应能力。


真实世界中存在复杂多样的环境条件变化,图1只展示了其中的部分示例。这些环境变化降低了移动机器人地图构建、重定位及场景理解等自主行为能力的可靠性:


1) 环境的表象及结构变化导致移动机器人对环境当前的观测与先前构建的地图发生矛盾,致使先验地图失效;

2) 移动机器人在不同时间重复访问同一场景时,光照、季节等环境条件的变化或城市设施改建等人为因素会导致其两次对场景的观测不一致,进而导致其重定位的失败;

3) 移动机器人的场景理解主要是对其所处环境进行目标检测、语义分割及语义关联等任务,光照、季节等环境条件以及对环境观测视角的改变都会降低场景理解相关任务的准确性。


image001.png

图1真实世界中复杂的环境变化


随着科学技术的不断发展,移动机器人正逐步走出实验室,走进人类的真实生活。想要使移动机器人具有长期稳定的工作能力,首先必须使其具备对真实环境复杂变化的自主适应能力。经过大量的文献追踪和调查,近10年来移动机器人长期自主环境适应问题的相关研究一直保持着很高的热度,像IJRR、JFR等机器人领域顶级期刊都征集过相关问题研究的专刊,ICRA、RSS、IROS等顶级国际会议也持续举办过关于移动机器人长期自主专题的研讨会。


本文从地图构建与动态维护、重定位及场景理解等移动机器人基本行为能力的系统综述入手,对移动机器人长期自主环境适应的前沿技术与研究方向进行了着重论述与分析。基于对国内外移动机器人长期自主环境适应研究现状及发展趋势的分析,要提高移动机器人对开放环境的长期自主适应性,需要特别考虑以下几方面问题:


1)传感器数据融合与信息增强

对于移动机器人来说, 单一类型的传感器难以满足其长期自主环境适应的需求. 数据融合与信息增强可发挥多传感器协作环境感知的优势.


2)迁移学习与环境适应

不同条件环境下, 同一场景或同一物体的特征分布存在明显差异. 利用迁移学习将从有限数据集训练获得的知识迁移到开放环境的不同场景和不同任务中, 能有效增强移动机器人的长期自主环境适应能力.


3)深层次语义信息挖掘与关联

在对场景中的物体进行精确识别的基础上, 通过对物体与物体间、物体与场景间的关联进行挖掘与分析, 可使机器人获得场景类别层面的认知, 进而有针对性地选取与场景认知结果相对应的模型与参数, 用于重定位与场景理解等任务.


4)高仿真测试环境与长航时训练

要使移动机器人具备稳定的长期自主环境适应能力, 必须进行长时间的测试. 但移动机器人在真实环境中进行长时间的实测需要大量的人力物力, 同时可能会承担昂贵的实测风险与代价. 现阶段, 许多功能强大的实景仿真软件, 如Carla、Deepdrive、AirSim 和AutoSim等,为移动机器人自主行为模型的训练与测试提供了便利.


5)增量式终生学习

移动机器人长期自主环境适应能力要接受真实环境的终生考验. 在验证过程中, 机器人应充分利用在线获取的真实环境数据及其与环境的交互学习, 不断优化其自主行为模型以提高对开放环境的适应能力. 此外,学习过程应该是终生的, 要覆盖移动机器人所有的工作时间.



引用格式:曹风魁, 庄严, 闫飞, 杨奇峰, 王伟. 移动机器人长期自主环境适应研究进展和展望. 自动化学报, 2020, 46(2): 205-221.

链接:http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c180493

作者简介


曹风魁,大连理工大学博士研究生. 主要研究方向为SLAM和移动机器人长期自主定位技术. 

E-mail: cfkybfq@mail.dlut.edu.cn


庄严,大连理工大学控制科学与工程学院教授. 主要研究方向为移动机器人面向复杂三维环境的自主感知、建模、地图构建、场景理解及机器学习技术在机器人领域的应用. 本文通信作者. 

E-mail: zhuang@dlut.edu.cn


闫飞,大连理工大学控制科学与工程学院副教授. 主要研究方向为移动机器人地图构建、路径规划、自主导航和场景理解. 

E-mail: fyan@dlut.edu.cn


杨奇峰,中国科学院沈阳自动化研究所,中国科学院大学博士生. 主要研究方向为机器人学及智能控制. 

E-mail: yangqifeng@siasun.com


王伟,大连理工大学控制科学与工程学院教授. 主要研究方向为自适应控制,预测控制, 机器人学及机器人控制. 

E-mail: wangwei@dlut.edu.cn




https://wap.sciencenet.cn/blog-3291369-1230439.html

上一篇:基于输出反馈的欠驱动TORA系统的有界输入控制
下一篇:无人飞行器集群智能调度技术综述
收藏 IP: 103.254.68.*| 热度|

0

该博文允许注册用户评论 请点击登录 评论 (0 个评论)

数据加载中...

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2024-3-29 15:02

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部