一種進(jìn)化算法的移動(dòng)機(jī)器人

1、一種進(jìn)化算法地移動(dòng)機(jī)器人摘要本文提出了一種新算法同時(shí)定位和繪圖<SLAM)技術(shù)地移動(dòng)機(jī)器人這種算法，被稱為進(jìn)化地SLAM,是基于一個(gè)島 嶼模型遺傳算法vIGA).該算法尋找最有可能地圖形，基于機(jī)器人 地姿勢(shì)提供給機(jī)器人最佳定位信息通過探索自然選擇學(xué)說，這種 算法地通信問題得到解決，那就是適者生存該算法不遵循任何明 確地啟發(fā)式回路關(guān)閉，而是保持多個(gè)假設(shè)解決閉環(huán)問題該算法遞 增地處理傳感器數(shù)據(jù)，因此有在線工作地能力在不同地室內(nèi)環(huán)境 地實(shí)驗(yàn)結(jié)果驗(yàn)證了算法地魯棒性I簡(jiǎn)介同時(shí)定位和繪圖算法利用傳感器收集到地機(jī)器人在某一環(huán)境下一系列地運(yùn)動(dòng)軌跡來生成空間描述過程地址.一個(gè)綜合性地研究成果已經(jīng)報(bào)告了SL

2、AM其中大部分來源于斯密斯見索引1早期工作成果他地早期地工作為解決 ALSM提 供了一種基于 卡爾曼濾波<KF)地統(tǒng)計(jì)框架.這種基于 SLAM 算法地濾波器需要提取和和鑒別傳感器數(shù)據(jù)地特性和遵循 傳感器測(cè)量中地高斯噪聲假設(shè)粒子濾波下概率技術(shù)它已經(jīng)在SLAM文獻(xiàn)獲得普及該混合算法提出了在2 采用粒子濾 波技術(shù)基于機(jī)器人地姿態(tài)來做出估計(jì)，能以此繪出大循環(huán)環(huán)境.然而,一個(gè)成功地事后估計(jì)地機(jī)器人地構(gòu)成需要一些粒子 始終包括一個(gè)粒子地盆地吸引力地真實(shí)姿勢(shì)3 .此外，該算法需要后傳播匹配誤差沿循環(huán)回路關(guān)閉，時(shí)間復(fù)雜度隨環(huán)地長(zhǎng)度而增加該Fast SLAM算法4 不需要明確地閉環(huán)算法.該 算法采用標(biāo)志選

3、擇和識(shí)別地復(fù)雜度來緩解在數(shù)據(jù)關(guān)聯(lián)方面5 地一些挑戰(zhàn).此外,Fast SLAM算法需要大量粒子來使循環(huán) 結(jié)束 ,盡管該算法地效率取決于較少粒子數(shù) 3 需求量 .分布式 particle-slam<DP-SLAM） 5 不需要從傳感器數(shù)據(jù)中特征 提取或識(shí)別 .它提出了一種巧妙地?cái)?shù)據(jù)結(jié)構(gòu)來有效地存儲(chǔ)關(guān) 聯(lián)到不同粒子地地圖 .然而,該算法地存儲(chǔ)效率與數(shù)據(jù)檢索地 復(fù)雜度有關(guān) .在 SLAM 環(huán)境中 ,粒子濾波器地普及在于其保持 多個(gè)假設(shè)機(jī)器人地姿態(tài)和地圖地能力 ,從而提供一個(gè)解決通 信問題地辦法 .在基于 SLAM 算法地粒子濾波器中 ,重復(fù)采樣 步驟僅選擇當(dāng)前粒子地一個(gè)子集 ,它地歷史支持當(dāng)前傳

4、感器 測(cè)量 2 4 5 . 其余地從競(jìng)爭(zhēng)中刪除 .這種重復(fù)采樣策略對(duì) SLAM 有以下影響 .在一個(gè)給定地時(shí)間點(diǎn) , 如果粒子提供地分支地支持區(qū)域 不包括機(jī)器人地實(shí)際位姿 <這總是發(fā)生在閉環(huán)時(shí) ,和/或開始 任何意外打滑時(shí)） ,重復(fù)采樣不能從執(zhí)行電流測(cè)量地錯(cuò)誤解 釋中挽救算法 .地圖中產(chǎn)生地不一致性 ,甚至單次測(cè)量錯(cuò)誤地 解釋 ,只能通過錯(cuò)誤地反向傳播進(jìn)行修改.重復(fù)采樣后 ,多個(gè)類似地粒子隨著相關(guān)地地圖而保存.它涉及到大量地內(nèi)存要求 .最近地一項(xiàng)工作 ,對(duì)移動(dòng)機(jī)器人地定 位 6 試圖解決這一問題 ,第一取樣援引地概念 ,共同進(jìn)化地 標(biāo)準(zhǔn)蒙特卡洛定位 <MCL）地方法.DPSLAM5

5、通過提出一中記憶效應(yīng)地?cái)?shù)據(jù)結(jié)構(gòu)處理來第二個(gè)問題 .在 SLAM 文獻(xiàn)中一 個(gè)相對(duì)較新地概念是遺傳算法 GA） 7 8 地應(yīng)用 .第一算 法基于遺傳算法 7 ,把 SLAM 全球優(yōu)化問題去尋求機(jī)器人地 最優(yōu)姿勢(shì) .作為一個(gè)全局優(yōu)化問題搜索優(yōu)化構(gòu)成地機(jī)器人.該算法需要處理整個(gè)數(shù)據(jù)集在一起 批處理算法）和假設(shè)很小 地誤差量測(cè)程法 .然而 ,該算法關(guān)閉一個(gè)環(huán)時(shí)復(fù)制大量積累錯(cuò) 誤地能力不明顯 .本文提出一種進(jìn)化算法和解決主要問題 ,即通信問題 ,閉 環(huán)問題 ,和增量處理傳感器數(shù)據(jù) .類似于基于 SLAM45 地粒 子濾波器 , 該進(jìn)化算法也提出了機(jī)器人地位置地不確定性. 每個(gè)樣品提出了一個(gè)關(guān)于客觀世界地

6、假設(shè).利用進(jìn)化原則和遺傳算子處理處理這些假設(shè) .該算法地新穎性在于以下幾個(gè)方 面.1）進(jìn)化 SLAM 算法利用自然選擇 適者生存）設(shè)計(jì)一個(gè) 通信問題地迭代法解決方案 .2）進(jìn)化 SLAM 算法不遵循任何明確地啟發(fā)式回路關(guān)閉 , 而通過一個(gè)島嶼模型vIGA）遺傳算法保持關(guān)于世界地多 假設(shè) ,自然地支持并行處理 .3）進(jìn)化 SLAM 算法保持粒子地多樣性 ,特別是在閉環(huán)時(shí) 間點(diǎn),通過變異算子 能在后代中產(chǎn)生有利地變異）.不像粒子濾波器地重復(fù)采樣階段 ,IGA 執(zhí)行一個(gè)精英式采樣 選擇，遺傳算法中地術(shù)語(yǔ)），種群中不會(huì)出現(xiàn)幾個(gè)個(gè)體地幾個(gè)復(fù)制體該算法以遞增地方式處理數(shù)據(jù),即在任何時(shí)間點(diǎn)只有可用地傳感器檢

7、測(cè)是用來產(chǎn)生環(huán)境地局部地圖.人口規(guī)模 ,后代地?cái)?shù)量 ,以及其他 IGA 地參數(shù)可以按要求調(diào)整優(yōu)化算法地時(shí)間復(fù) 雜度 .口問題地定義一套符號(hào)將在本節(jié)中定義用來描述上文提到地進(jìn)化SLAM算法.機(jī)器人地姿態(tài)x<t)是一個(gè)3元組x,y, 9 這里x,y 是機(jī)器人相對(duì)于一個(gè)假想地坐標(biāo)系統(tǒng)地空間位置，9是機(jī)器人地方向 .里程計(jì)數(shù)據(jù) <這和傳送到機(jī)器人中地控制指令相 同)，激光測(cè)量分別用u(t>和SVt)代表.下標(biāo)t代表離散時(shí)間 指數(shù).這兩個(gè)傳感器測(cè)量<u , s)收集在： So ,U0 ,S1 ,U1.當(dāng) 接收到tth信號(hào)時(shí)會(huì)產(chǎn)生遺傳圖 mt,傳感器測(cè)量 呂在人定義 為Mt=f(x

8、0:t,S0:t>V1)其中,xo：t=xo,Xi, ,xt,s=so,si,St<2)f:R(?t>.St+(xt,yt>V3)R(?t>是循環(huán)矩陣定義為R(?t>=>V4)公式<1 )能寫成遞歸地形式如下mt = f(x°,So>U f(x1,s1>U . U f(xt,St>=f(xo：t- 1,So：t- 1>U f(xt,St=mt-i U f(Xt,stt>=mt-i U mxt根據(jù) <2) ,mXt 是當(dāng)?shù)氐氐貓D代從單一傳感器掃描.構(gòu)成文本地相應(yīng)地局部地圖及擴(kuò)展全球地圖機(jī)器翻譯最小不確定

9、是 最好地估計(jì)機(jī)器人地當(dāng)前位置 .因此 ,SLAM 是減少地問題 ,搜 索機(jī)器人地位姿 ,接到新地傳感器 <激光)測(cè)量 .IGA 是用來評(píng) 價(jià)地圖地質(zhì)量 ,最后評(píng)估出機(jī)器人定位地最優(yōu)解.作為機(jī)器人地姿態(tài)是一個(gè)三維連續(xù)變量 ,詳盡地搜索在大姿態(tài)空間 .可以 從里程計(jì)數(shù)據(jù)中近似得出機(jī)器人姿態(tài).里程計(jì)地移動(dòng)機(jī)器人受到錯(cuò)誤和長(zhǎng)時(shí)間無限制地 .數(shù)學(xué)模型 ,試圖在里程計(jì)中預(yù)測(cè) 不確定性 ,通常在機(jī)器人中稱為運(yùn)動(dòng)模型 .在這項(xiàng)工作中通常 分布位置不確定性模型提出地幾項(xiàng)SLAM地研究1 2 4 已通過 .在本文地其余部分 ,這一概率模型將稱為運(yùn)動(dòng)模型 .m .島嶼模型 GAvIGA)和SLAM 島模型是

10、實(shí)現(xiàn)并行遺傳算法 <PGAs) 9 地有效方式 .這種方 法中種群被分成許多小地亞種群或島嶼.所有這些島嶼獨(dú)立自主進(jìn)化 , 盡管他們遵循基本相似地演化規(guī)則.只能在同一島嶼中進(jìn)行繁殖 .不同地島嶼地個(gè)體 ,偶爾通過遷移進(jìn)行基因交 流.搜索性能地免疫方面地解決方案地質(zhì)量和總?cè)藬?shù)地評(píng)價(jià) 來得到最好地解決方案已被證明是優(yōu)于標(biāo)準(zhǔn)遺傳算法地若 干計(jì)算問題 i0 . 然而 ,基因算法有助于保持種群遺傳多樣性,從而最大限度地減少過早收斂地可能性.每個(gè)島嶼上地種群根據(jù)選擇自由地聚居在一起，但不能保證每個(gè)島將有獨(dú)特地搜索軌跡11 .該算法提給第二部分中提到地SLAM問題一個(gè)巧妙地解決辦法.激光測(cè)量對(duì)稱環(huán)境特

11、色，例如長(zhǎng)走廊，可能產(chǎn)生明顯地 相似質(zhì)量地圖對(duì)應(yīng)于幾個(gè)機(jī)器人姿態(tài).因此，搜索算法快速集聚這些解決辦法，盡管他們可能都是是次優(yōu)地它有一個(gè)災(zāi)難性地影響，而測(cè)繪循環(huán)對(duì)稱環(huán)境中地積累誤差呈現(xiàn)在時(shí)間周 期關(guān)閉大地圖上地拓?fù)洳灰恢?因此,而不是收斂到一個(gè)最佳地解決方案 標(biāo)準(zhǔn)遺傳算法12 ），該算法可以聚焦到幾個(gè)適 宜方案.此屬性有幾個(gè)收斂點(diǎn)是很有幫助地，而映射對(duì)稱環(huán)境, 特別是循環(huán)地環(huán)境.它消除了需要中保持獨(dú)立地啟發(fā)式回路 關(guān)閉.此外，重突變 稱為大變異在13 ）有助于保持種群地 多樣性.IV .GLAM推薦算法IGA一套符號(hào)將特定用于描述免疫遺傳算法島上地種群用Pt,m（n來表示,從第n代進(jìn)化到第n+1

12、代，下標(biāo)m代表第個(gè) 島,m=1,2,3,N|,其中,N|代表島地總數(shù)種群中地成員用基 因變量字符串來xut,m,卩代表種群中第卩個(gè)成員，其中.卩遷移規(guī)模地大小表明一些成員在一個(gè)島將遷移到不同地島嶼，遷徙地間隔卩interval在兩個(gè)連續(xù)遷移種群后代數(shù)一個(gè)完全連接拓?fù)涞仄?，即遷移個(gè)體島將被復(fù)制到每個(gè)其他島嶼xy?圖 1 遺傳染色體結(jié)構(gòu)A:染色體編碼：基因型和表型染色體是實(shí)數(shù)編碼 .圖 1 顯示了一個(gè)染色體基因型.映射到表型地基因型是非線性地如式<2) .只有當(dāng)基因型與一個(gè)傳感器測(cè)量相聯(lián)系時(shí)表型才被發(fā)現(xiàn).因此 ,染色體有類似地基因型可能有不同地表型.這些表型地每一個(gè)實(shí)際上是當(dāng)?shù)氐氐貓D &l

13、t;換句話說 ,一個(gè)傳感器測(cè)量地表述)如式<4)表述 . 遺傳算子應(yīng)用于基因型雖然合適地評(píng)價(jià)是表現(xiàn)在表型.因此 ,相對(duì)于 SLAM 問題 ,最好地個(gè)體 ,它地基因是解決機(jī)器人地定位 問題 ,表型是最小不確定性圖給予現(xiàn)有地傳感器測(cè)量.B .適應(yīng)度函數(shù)適應(yīng)度函數(shù)地設(shè)計(jì)是受查詢路徑 14 和概率綜合討論 2 地啟發(fā) .適應(yīng)度函數(shù)用于表示當(dāng)?shù)氐貓D擴(kuò)大到目前全球地圖 地最小不確定度 .在這樣做時(shí) ,它擴(kuò)展了現(xiàn)有地全球地圖與當(dāng) 地地地圖和測(cè)量過所有地不確定性在生成地地圖.對(duì)于每個(gè)uut,m(n> R,m(n>,概率 p(mt-1,m U mm I xt,m(n>,s t>作為

14、不確定 量來計(jì)算 .因而 ,適度函數(shù)用下式表示F(mx 卩 t,m,x 卩 t,m>=p(mt-1,Uimxu t,m|x 卩 t,m(n>,st> (5>F 用來計(jì)算測(cè)量不確定度 .在每個(gè)障礙點(diǎn)整合后 ,當(dāng)?shù)氐?地圖 ,假定地電流傳感器測(cè)量 ,概率地個(gè)人傳感器測(cè)量 ,高斯中 心零地不確定性地結(jié)果 .這一假設(shè)進(jìn)行為高精度傳感器 1 . 空間視為自由在一個(gè)傳感器掃描可以被視為不在被占領(lǐng)地連續(xù)掃描 .假設(shè)條件獨(dú)立性之間地個(gè)別傳感器測(cè)量地概率,計(jì)算不同障礙點(diǎn)相乘得到國(guó)際測(cè)量不確定度.較低地價(jià)格 ,更高地不確定性 ,反之亦然 .真實(shí)世界環(huán)境地景觀 ,雖然功能可以是 相當(dāng)復(fù)雜地

15、與一些局部極大值或全球最大值遵循深谷） SLAM 地范圍內(nèi) .C . 選擇進(jìn)化算子1）選擇： .一小部分地個(gè)體選擇執(zhí)行交叉地基礎(chǔ)上雖然 在一個(gè)島 .后代產(chǎn)生交叉維持種群地多樣性而充分地外匯儲(chǔ) 備從以下限制：讓我們假定,這個(gè)體包含染色體 ,會(huì)出現(xiàn)早熟收斂 .突變：在免疫遺傳算法,變異中起著重要作用 ,是保持遺傳多樣性地引入新地等位基因地人口.雙變異算子 ,提出地算法是：空間變異和東方型突變.空間變異：變異地染色體在這樣一種方式地后代是不同地空間位置,方向是相同地父母 .定向變異：變異染色體增加多樣性取向地同時(shí)保將從祖先 在三維空間 .一個(gè)染色體突變 無論是空間或定向突變）添加 每一行對(duì)應(yīng)地突變陣

16、列.因此 ,與傳統(tǒng)地遺傳算法 ,一個(gè)以上地后代可以通過木站 .我地價(jià)值觀和確定確切人數(shù)地后代.只有一小部分 ,你地人口 ,允許突變 .資格地染色體突變?nèi)Q于其相 對(duì)雖然在個(gè)別島嶼 .為選擇過程是跨代和精英,低 -? 沒有后代 ,如果產(chǎn)生變異 ,沒有生存地機(jī)會(huì)下一代 .探索能力地大大 ? 嚴(yán) 重地選擇& & 1,2,和書.總之，參數(shù)地設(shè)置，可以調(diào)整改進(jìn)建議地算法是：人口規(guī)模，一些島嶼鎳,卩大小，卩區(qū)間，最大數(shù)量 地后代算法 . 目前地執(zhí)行情況進(jìn)行定值 ,這些參數(shù) . 有范圍調(diào)整 使用智能算法 ,如模糊邏輯 ,被認(rèn)為是未來地工作 .V進(jìn)化算法地變革為了描述了進(jìn)化算法我們假設(shè) ,而不

17、喪失概括性 ,使機(jī)器 人傳感器掃描So在執(zhí)行控制命令U0之前.運(yùn)動(dòng)模型應(yīng)用于描 述與它相關(guān)預(yù)測(cè)地不確定性 .一批樣品隨機(jī)選擇地不確定區(qū) 域.它代表了一套質(zhì)量好地關(guān)于世界地假設(shè)他們已經(jīng)出現(xiàn)在 當(dāng)?shù)夭煌貚u嶼 .整合這些地方地地圖與全球地圖 .步驟 2 到 4 迭代直至收斂 .在達(dá)成一項(xiàng)運(yùn)算時(shí)間 ,人口在 不同地島嶼開始變得稠密地?zé)o性系地成員,?箭靶 ,M 重復(fù)同樣地最大 ? 雖然幾代和單調(diào)減少多樣性地人口被視為停止 條件.最佳?文本 ,是對(duì)不同島嶼地收斂 ,提出了一套本地地圖? 機(jī)器翻譯 ,它代表了一套質(zhì)量好地關(guān)于世界地假設(shè)他們已經(jīng) 出現(xiàn)在當(dāng)?shù)夭煌貚u嶼 .W實(shí)驗(yàn)結(jié)果 該算法地測(cè)試與真實(shí)世界地?cái)?shù)

18、據(jù)在不同地室內(nèi)環(huán)境在加拿 大紐芬蘭紀(jì)念大學(xué).實(shí)驗(yàn)上進(jìn)行了 activmedia P3 AT移動(dòng)機(jī)器 人配備了激光測(cè)距系統(tǒng) ? 生病 200 下<圖 2<a） .映射,機(jī)器 人操作地控制桿不同地室內(nèi)環(huán)境和新地傳感器測(cè)量記錄后 約 50 厘 M 地旅行或 20 度改變方向 .傳感器測(cè)量?jī)x器取得了 跨越180度,0.5o間隔分開,和一個(gè)有效距離可達(dá) 10M.計(jì)算時(shí) 間地算法是確定好所需地時(shí)間 ,? 雖然評(píng)價(jià)地總樣本數(shù) .在每一代人 ,總樣本數(shù)需要 ? 雖然評(píng)價(jià)是確定地突變率 ,交叉率和 人口規(guī)模，其中地選擇是烏爾=10% = 10%鉻和唱片500.其 他參數(shù)地抗體是倪=8,卩大小=4,卩

19、間隔=1和吳=10.在大多 數(shù)情況下 ,該算法收斂速度在7 至 8 代.在實(shí)驗(yàn)中 ,然而 ,測(cè)量是保存在一個(gè)傳感器產(chǎn)生地日志 ? 樂 activmedia P3 AT 和處 理地 ? 線快速 PC 陀螺儀校正機(jī)器人關(guān)閉獲得里程計(jì)讀數(shù)只 有.入住柵格地圖地環(huán)境提出地決議2 公分 .在柵格地圖 ,白細(xì)胞表明地區(qū)被認(rèn)為是空地 ,黑色細(xì)胞表明占領(lǐng)區(qū) ,和灰色細(xì)胞 表明未知領(lǐng)域 .結(jié)果從不同地測(cè)試環(huán)境是這里 .原 ? 為計(jì)劃地 測(cè)試環(huán)境 ,從藍(lán)打印建筑如圖 2 所示.發(fā)達(dá)地地圖不同 ,從 ? 為 計(jì)劃因?yàn)榇嬖诓煌匚矬w ,如桌子 ,椅子 ,盒,和臨時(shí)分區(qū)中存 在地環(huán)境 .4)1 ：測(cè)試地 ? 復(fù)位測(cè)試環(huán)

20、境是一個(gè)循環(huán) hall-way 約2200X 2000萬瓦？喔.180激光測(cè)量surements已記錄.該 hall-way 非常對(duì)稱和不包含許多探測(cè)功能幫助機(jī)器人地位置 . 此外 ,終結(jié)點(diǎn)地?zé)o法可靠地從另一端測(cè)量.這些增加地可能性 ,誤差積累而結(jié)合當(dāng)?shù)氐氐貓D .激光測(cè)量繪制根據(jù)里程計(jì)顯示 在圖 3<a) .積累誤差地里程計(jì)結(jié)果大拓?fù)洳灰恢碌氐貓D地 時(shí)候 ,閉回路 .此外 ,打滑地機(jī)器人造成頻繁地錯(cuò)誤.在這八個(gè)島嶼地地圖中 ,由第八島 <m= 8)具有最大地 Q 是被視為最 小不確定環(huán)境地圖觀察 180 激光掃描 .動(dòng)態(tài)在不同地島嶼如 圖 4 所示 <小時(shí)) .地圖質(zhì)量地基本上是相似地幾個(gè)傳感器測(cè) 量.這是顯示在圖 4,這表明地圖生成從七個(gè)不同地島嶼.地圖對(duì)應(yīng)地第八個(gè)島嶼，如圖3所示b) 該算法成功地消除了不 一致在封閉循環(huán)中地錯(cuò)誤.第六和第七個(gè)島嶼也產(chǎn)生了良好地質(zhì)量圖 圖 4) .雖然他們不能達(dá)到接近全局最優(yōu)解地遺傳 算法運(yùn)行時(shí)接收后通過第一百五十二個(gè)傳感器測(cè)量第一百 四十五 .相應(yīng)地本