基于HTN方法的记忆机器人任务规划研究

【摘要】：目前,人工智能规划已经被普遍的应用于机器人领域。HTN规划方法以它的独特的性质和实验中良好的表现被更多的应用在研究中。然而,规划中封闭世界假设的简化(CWA)和复杂多变的真实世界之间的冲突,已经成为在机器人研究领域中的一大难题。当前的移动机器人的工作环境趋向复杂和动态多变的,周边环境不完整和不确定的信息经常导致在机器人执行任务的过程中遇到困难。大量的实验和应用已经说明处理这个问题的一个有效合理的方法是,将人工智能的方法和基于规划的机器人控制结合起来。 在本论文中,一个HTN规划器同移动机器人结合一起,同时,结合机器人的记忆库和概率推理机器人能够探索到的经验,这样可以补充规划中缺少的信息。论文中提出一个结合提升了的HTN规划器和记忆库的认知控制系统的概念。 本文首先对智能家居机器人执行日常家居任务时的相关操作进行了规划语言建模。同时对与操作动作相关的资源按照面向对象的思想进行分类,描述了其象征属性和物理属性,接着对日常任务进行等级划分,并以HTN方法再建立各个等级的操作模型。然后重点阐述了一个结合提升的结合外部信息的规划系统。系统以阶层式任务网络规划(Hierarchical Task Network Planning)为主要的规划方法,并且使用记忆库来填补空缺的一些信息或者基于之前机器人的成功执行过的事实进行概率推理。同时描述一种自动生成规划问题的新方法。当机器人执行任务失败时,执行监测模块通过检测执行计划动作后的效果和预期的进行对比,来确定是否进入重新规划的循环系统。这些机制可以加快整个系统的效率和机器人的自主性。 实验中改良后的HTN规划器可以在扫地和大型移动机器人上运行,显示机器人通过运用这种方法能够在动态的信息缺失的环境下更有效率的完成任务。