基于情感-时空信息的机器人服务自主认知及个性化选择

为了提高机器人的人机交互能力,针对家庭服务机器人在认知服务任务时往往忽略用户情感因素的弊端,提出了以用户情感为核心的机器人服务任务自主认知方法以及个性化服务选择策略.首先,利用智能空间本体技术结合用户情感状态与时间空间信息建立情感-时空本体模型,消除智能空间中的信息异构性.在此基础上,将与情感-时空相关的服务规则库编码并训练BP（逆向传播）神经网络构建推理机,将实时更新的智能空间信息与神经网络相匹配,推理出机器人需要执行的服务,实现机器人对以用户情感为核心的服务任务自主认知.最后,将用户情感状态作为执行服务的奖惩反馈信号,对服务集合中的子类服务进行动态的偏好度调节,完成有针对性的服务选择.仿真结果表明,基于该方法能够实现以用户情感为核心的机器人服务任务自主认知,同时可以根据用户偏好变化提供个性化的服务,有效提高了家庭服务机器人的智能性和灵活性,增强了用户的服务体验.     

智能空间下面向动作序列生成的服务机器人指令解析方法

服务机器人在执行家庭任务时存在任务分析困难、环境适应性差、人机交互不友好等问题。为了更加准确地理解用户意图,规划符合当前环境的服务步骤,研究了智能空间下面向序列生成的服务机器人指令智能解析方法,以加强机器人对于家庭环境下服务任务的认知能力。首先,从指令关键词入手,提出了一个基于门控机制的意图识别模型,加强了机器人对用户指令的认知能力。然后,提出了一种以服务策略作为中间状态的序列文本生成机制,用于辅助生成机器人的动作序列。同时,结合机器人与环境的多模态感知,集成了一种基于智能空间本体交互的策略修正机制,以生成最符合当前环境的服务策略。最后,融合了基于领域与问题描述的任务规划模块,为机器人生成可执行的动作序列,从而提升服务任务的执行质量。实验结果表明,本文方法在保证交互友好的同时,能够准确理解复杂的用户指令,并最终生成机器人能执行的可靠动作序列。     

基于IHDR算法和BP神经网络复合框架的机器人服务自主认知和发育系统

为了解决传统的基于知识或基于学习的机器人服务认知机制的智能性和普适性较差的问题,构建了一个基于IHDR(增量分层判别回归)算法和BP(反向传播)神经网络复合框架的机器人服务任务自主认知和自主发育系统.在家庭服务机器人智能空间中丰富的传感器和物联网技术的支持下,采集大量用于机器人学习和发育的样本数据;在此基础上,针对智能空间样本数据的混合特性,设计改进的IHDR算法,实现对混合型样本数据的聚类更新和响应计算,并将生成的IHDR树作为机器人存储历史经验的"大脑",使机器人能够利用"大脑"中已有的经验进行自主学习和相应判断,以实现对服务的自主认知;利用JSHOP2(Java simple hierarchical planner)规划器对认知的复杂任务进行分解,得到可被机器人直接执行的原子任务.为了避免IHDR树规模不足的局限性,设计基于BP神经网络的服务认知算法,利用样本数据训练BP神经网络,实现智能空间实际场景到用户所需服务的映射,在IHDR树无法提供历史经验的情况下,使机器人仍能基于BP神经网络自主进行服务决策.然后将此映射结果以增量的方式更新到IHDR树中,丰富其具备的经验知识,实现机器人服务自主认知能力的发育.仿真实验结果表明,该复合框架可以有效提高服务机器人对智能空间情景下用户所需服务的认知准确性及认知发育能力,推进人机共融的实现.     

智能空间下基于分层任务网络的服务机器人任务规划

针对在复杂、动态的家庭环境下,如何让机器人获取足够多的环境信息并根据环境信息进行自主的任务规划,提出了智能空间技术支持下基于分层任务网络的服务机器人任务规划方案.利用智能空间技术为机器人提供充足的环境上下文信息,用基于分层任务网络设计的JSHOP2规划器执行机器人任务规划.为了提高机器人任务规划的自主性和智能性,在规划领域文件中加入不同的模板信息,使机器人具有根据环境的不同自动对任务进行调整的能力.仿真实验结果表明利用该方法能够有效地提高机器人任务规划的性能.     

基于ASP的智能空间中上下文感知问题的研究

智能空间和回答集程序ASP的整合解决了智能空间中固定优先关系下的资源冲突问题。然而,智能空间是一个上下文敏感的、动态的环境,随着用户在空间中行为的改变,空间中的信息和服务也要发生动态的变化。原有的基于本体的上下文感知框架仅能实现不同本体信息的推理,而没有考虑环境信息对于上下文感知的影响。为此,基于回答集程序提出一种智能空间中的上下文感知框架,动态感知用户的上下文本体以及环境信息,完成用户在空间中的上下文动态推理。首先,使用本体描述用户的上下文信息;然后使用回答集程序表达上下文推理规则,并引入缺省规则依据本体信息以及环境信息动态决策上下文响应的优先关系;最后,求得回答集程序的解,即为用户上下文事件的决策结果,从而帮助用户实现智能推理。实验结果表明,该框架可以动态决策空间中的优先关系,有效实现空间中的上下文推理。     

智能机器人服务环境下传感数据映射及服务组合方法研究

为了提高传感器数据信息可利用性和机器人服务的智能性,针对动态异构智能空间提出基于SSN(语义传感器网络)本体的传感器数据映射方法和Web服务组合方法.首先,利用SSN本体技术建立智能空间中的传感器数据本体模型,通过传感器标注和语义映射语言(SASML)自动将动态传感器数据映射进SSN本体文件,实现物理-信息的转换.在此基础上,利用面向服务计算的思想,采用Web服务技术将空间设备功能封装成统一的接口,建立智能空间服务模型.最后,采用无回溯反向链(NBBC)算法实现动态Web服务组合,以实现提供复杂服务的能力.智能空间背景下的系统运行实验结果表明,构建的SSN本体模型能够有效融合传感器数据信息,实现的服务组合算法能够将单个简单服务组件组合成具有复杂功能的服务序列,从而进一步提高机器人服务的智能性.     

上下文推理技术在智能家庭中的研究与应用

针对智能家庭具有预感知能力、可以为用户提供主动的智能服务的特点,建立一个智能家庭本体模型,利用Jena框架的推理接口实现上下文的基本推理,通过在推理层和知识库之间增加一个上下文过滤器,有效过滤掉推理过程中产生的无用数据。实验结果验证了规则推理在智能家庭中的可行性和有效性。     

家庭智能空间下多领域知识的共享与重用方法

为充分利用家庭环境中的多领域知识和提高服务质量,基于家庭智能空间提出了一种多领域知识的共享与重用方法.首先,根据先验知识构建基于本体的多领域知识模型,在此基础上,结合软件智能体实现知识的自动表征,解决数据的异构性问题和促进知识的共享与重用.然后根据用户的日常行为活动,提出一种基于多传感器和活动模板的行为活动理解方法,实现用户意图的识别和服务的推理.为降低计算成本和提高服务质量,通过重用行为活动领域知识实现服务执行序列的获取和动作的引导,并融合仿真系统生成的服务执行策略和物品领域共享的物品知识高效地执行机器人服务,从而提升服务执行的智能化水平.最后,实验结果表明了方法的有效性和可行性.     

本体辅助的定性空间关系推理机制

引入本体论思想研究空间关系描述与推理,目的是为了实现地理空间信息的共享和互操作。从地理本体的概念出发,建立了符合常识空间认知的空间关系描述模型。以河南省行政区划、交通、旅游景点为基础数据,构建了空间关系本体实例库;自定义了空间关系推理规则,并实现了规则的SWRL表达;设计了基于本体的定性空间关系推理总体框架,并结合应用实例进行了推理实验,有效地验证了空间关系本体推理机制的可行性。     

基于数据挖掘的白车身工艺规划系统

为有效提取白车身工艺规划中的信息,将数据挖掘技术应用于白车身工艺规划系统。分别建立制造资源数据库、工艺规则数据库和工艺实例库,同时建立基于数据挖掘的工艺规划推理系统,采用语义匹配方法实现对机器人的分配和对实例库的查询,使用关联规则搜寻最合理的焊接类型,利用遗传算法优化机器人焊接路径。应用结果表明,该系统能对白车身工艺信息进行有效管理。     

基于觉察上下文计算的健康智能家庭研究

利用觉察上下文计算技术来研究实现健康智能家庭,主要研究了健康智能家庭的上下文建模和上下文推理,并构建了一个实验系统AngelHome,分析了健康智能家庭中的各种上下文信息,利用本体技术对其进行建模,并用OWLDL语言表达上下文信息模型,构建了AngelHome本体;在上下文推理部分采用混合推理,对不同的推理任务分别采用本体推理机、自定义规则推理机和贝叶斯神经网络推理.AngelHome采用OSGi框架,具有良好的伸缩性,这里分析了系统的几个主要部分,并进行了测试.实验结果表明,利用觉察上下文计算技术来实现健康智能家庭是可行的.     

基于ROS的服务机器人关键技术研究与实现

针对服务机器人服务业务的无监督实现问题,设计并实现了一种基于ROS(机器人操作系统)的智能服务机器人系统。该系统包括管理中心、机器人本体和客户端,采用基于ROS系统的node节点分布式架构。管理中心由服务器组成,管理中心是任务管理与执行调度的核心组成部分,负责对系统内各种资源进行管理和调度,机器人本体使用高性能核心处理器搭载环境传感器,通过基于EKF(扩展卡尔曼滤波)的SLAM算法解决移动机器人导航问题,客户端与机器人本体的信息交互采用基于rosbridge的节点通信技术。机器人系统通过语音交互技术实现了语音自主导航。本设计在实验室环境采用Turtlebot机器人进行实际测试,测试结果表明本方案可以初步实现机器人基础服务场景中的自主定位与导航及语音控制功能。     

一种服务机器人家庭全息地图构建方法研究*

提出了一种满足家庭服务机器人环境认知和智能服务需要的融合环境和目标信息的家庭全息地图。设计了局部几何—全局拓扑的全息地图分层表示模型。分析了机器人坐标系、局部环境坐标系和目标的相对关系,给出了机器人局部环境自定位算法和基于坐标变换的服务机器人全息地图构建方法。家庭环境下机器人实物实验表明,基于局部几何—全局拓扑表示的全息地图,服务机器人路径规划和任务执行效率得到有效提升。     

智能空间助老助残服务机器人人机协作导航

针对具有基本认知行为能力的行动不便老人、肢残人士、运动和语言患者这类服务对象,构建了助老助残服务机器人人机一体化导航系统。用户与机器人之间进行交互,自由切换随机行走和自主导航2种运动模式,机器人根据现场环境和作业条件的不同,实时触发人机条件响应生成规则而产生相应的行走行为,作业时人机界面同步呈现虚实结合、实时交互的智能空间,实现人机一体化感知、决策与执行。以移动作业服务机器人为对象进行室内人机一体化导航作业,验证了该人机一体化导航系统的可行性。     

基于智能移动平台的情景感知技术研究

针对在智能空间中对用户提供多样化、个性化的情景感知服务的需求,建立在移动平台中基于智能空间的情景感知服务模型。通过情景感知服务模型实现在移动平台中情景感知的基本推理技术,并且为用户提供可靠、高效的服务。实验结果表明在移动平台中情景感知技术可获得规则推理的正确性且为用户提供可靠、高效的服务。     

智能家居中语义知识表达及推理研究

针对地源热泵智能家居“以用户为中心”的需求,文中将语义技术和X列表引入智能家居领域,并建立包括用户、环境变量、需求任务、设备资源和服务5大本体要素列表的语义智能家居模型。在语义推理方面,提出并构建了基于jena的跨列表交互规则,使智能家居各列表互相联系,智能家居本体知识库、规则库和jena推理机进行封装并按需组合推理,可为用户提供个性化服务,实现智能家居的语义人工智能化。文中最后进行了智能家居系统开发,并列举典型应用场景说明了语义智能家居系统的可行性。     

认知推理的家庭服务机器人演示学习研究

提出一种基于对比示范的演示学习方法,旨在指导家庭服务机器人快速智能地学习指定任务决策.在模拟家庭环境下,首先利用视觉手段检测和跟踪任务对象,获取”教师”演示正反例关键信息,通过动作识别和状态检测将信息抽象成符号形式,然后经过认知推理得到演示任务的执行决策和约束条件,并通过动作共享指导机器人重现任务.给定演示实例,在真实移动机器人平台上进行了多次成功演示验证,结果表明本方法在家庭服务机器人快速准确的任务学习方面是有效的.     

智能空间中的服务机器人路径规划

为了加深服务机器人对环境的理解,实现安全高效的智能空间导航,建立了一种信息更为丰富的环境模型——危险度地图;并针对智能空间环境部分未知的特点,设计了分层的路径规划方法.静态规划层根据已知环境信息,采用改进的粒子群优化算法规划初始最优路径,动态规划层利用基于动态危险度地图的改进A＊算法进行避障.该方法克服了常规算法只追求路径最短的缺点,增加了对路径危险度的评价,规划出的路径既安全又较短;且该方法实现简单,实时性好.仿真结果验证了该方案的可行性.     

基于推理的语义网检索模型及关键技术研究

为解决语义网检索过程中缺少推理导致语义检索性能不高的问题,提出一个基于推理的语义网检索模型,并介绍了该模型实现的关键技术.针对构建的领域本体,使用SWRL规则语言进行本体完善把本体中的隐性知识表示出来;在信息抽取过程中,对于识别出的实体,利用推理规则,获得更加丰富的实例知识库;对于用户输入的查询条件,利用完善的本体知识库及规则得到更多的相似概念实现查询扩展;进行语义匹配,获得更为精准的检索结果.实验结果表明,该模型能提高信息检索的语义性,得到较满意的信息检索结果.     

一种基于情境推理的语义Web服务发现方法

传统的语义Web服务发现方法,由于受到用户所处的情境因素的约束,所发现的服务很多不能满足用户的情境期望.文中提出了一种基于情境和推理规则的Web服务发现方法,使用该方法可以得到适宜用户情境的Web服务.分别建立了用户情境本体和Web服务情境本体来描述情境信息,建立了用户情境和Web服务情境之间的推理元规则,提出了相应的推理算法,并基于该算法实现了情境推理模块.实验结果表明,与现有语义Web服务发现的方法相比,文中方法能够在增加合理的时间开销的前提下为用户提供更加准确的服务查询结果.