基于HTN方法的記憶機器人任務(wù)規(guī)劃研究.pdf

1、目前，人工智能規(guī)劃已經(jīng)被普遍的應(yīng)用于機器人領(lǐng)域。HTN規(guī)劃方法以它的獨特的性質(zhì)和實驗中良好的表現(xiàn)被更多的應(yīng)用在研究中。然而，規(guī)劃中封閉世界假設(shè)的簡化（CWA）和復(fù)雜多變的真實世界之間的沖突，已經(jīng)成為在機器人研究領(lǐng)域中的一大難題。當(dāng)前的移動機器人的工作環(huán)境趨向復(fù)雜和動態(tài)多變的，周邊環(huán)境不完整和不確定的信息經(jīng)常導(dǎo)致在機器人執(zhí)行任務(wù)的過程中遇到困難。大量的實驗和應(yīng)用已經(jīng)說明處理這個問題的一個有效合理的方法是，將人工智能的方法和基于規(guī)劃的機器人

2、控制結(jié)合起來。
　　在本論文中，一個HTN規(guī)劃器同移動機器人結(jié)合一起，同時，結(jié)合機器人的記憶庫和概率推理機器人能夠探索到的經(jīng)驗，這樣可以補充規(guī)劃中缺少的信息。論文中提出一個結(jié)合提升了的HTN規(guī)劃器和記憶庫的認(rèn)知控制系統(tǒng)的概念。
　　本文首先對智能家居機器人執(zhí)行日常家居任務(wù)時的相關(guān)操作進(jìn)行了規(guī)劃語言建模。同時對與操作動作相關(guān)的資源按照面向?qū)ο蟮乃枷脒M(jìn)行分類，描述了其象征屬性和物理屬性，接著對日常任務(wù)進(jìn)行等級劃分，并以HTN方法

3、再建立各個等級的操作模型。然后重點闡述了一個結(jié)合提升的結(jié)合外部信息的規(guī)劃系統(tǒng)。系統(tǒng)以階層式任務(wù)網(wǎng)絡(luò)規(guī)劃(Hierarchical Task Network Planning)為主要的規(guī)劃方法，并且使用記憶庫來填補空缺的一些信息或者基于之前機器人的成功執(zhí)行過的事實進(jìn)行概率推理。同時描述一種自動生成規(guī)劃問題的新方法。當(dāng)機器人執(zhí)行任務(wù)失敗時，執(zhí)行監(jiān)測模塊通過檢測執(zhí)行計劃動作后的效果和預(yù)期的進(jìn)行對比，來確定是否進(jìn)入重新規(guī)劃的循環(huán)系統(tǒng)。這些機制可