發(fā)布時(shí)間：2020-04-12 01:35

【摘要】：情感計(jì)算是人工智能學(xué)科的一個(gè)重要研究課題,多機(jī)器人行為決策是多機(jī)器人協(xié)作系統(tǒng)的重要研究?jī)?nèi)容,將兩者結(jié)合起來(lái)研究多機(jī)器人協(xié)作系統(tǒng)中的情感機(jī)器人的行為決策是一個(gè)更有趣更復(fù)雜的問(wèn)題。情感能夠調(diào)節(jié)行為,也是一種交流信號(hào),能促進(jìn)機(jī)器人和機(jī)器人團(tuán)隊(duì)的自動(dòng)化。本文的主要研究?jī)?nèi)容包括:(1)為多機(jī)器人協(xié)作系統(tǒng)中的機(jī)器人提出一個(gè)可解釋和可計(jì)算的情感模型。我們結(jié)合前期基礎(chǔ)工作,構(gòu)建了一個(gè)相對(duì)完善的情感模型,該模型包括了個(gè)性、情緒、意愿度幾個(gè)基本元素,和情緒衰減、情緒感染、外界刺激幾個(gè)影響關(guān)系。本文詳細(xì)描述了情感模型各模塊及其耦合關(guān)系,提出了CASE個(gè)性模型以描述協(xié)作中的機(jī)器人的個(gè)性特征,完善了刺激類型定義與計(jì)算,最終通過(guò)意愿度來(lái)衡量機(jī)器人對(duì)任務(wù)的執(zhí)行意愿,并作為任務(wù)分配的主要依據(jù)。最后通過(guò)仿真實(shí)驗(yàn)展示了情感的各組件在任務(wù)協(xié)作各環(huán)節(jié)中發(fā)揮的積極作用。(2)任務(wù)分配是多機(jī)器人協(xié)作的關(guān)鍵問(wèn)題之一,研究如何高效協(xié)調(diào)地組織機(jī)器人執(zhí)行任務(wù)�；�于本文提出的情感模型,針對(duì)有情感的多機(jī)器人協(xié)作系統(tǒng)設(shè)計(jì)了任務(wù)分配算法,發(fā)揮情感的積極作用。最后通過(guò)多機(jī)器人追捕任務(wù)仿真實(shí)驗(yàn)展示了該任務(wù)分配算法的有效性。(3)多機(jī)器人協(xié)作系統(tǒng)中的機(jī)器人行為決策還包括任務(wù)執(zhí)行中的行為策略,本文以追捕任務(wù)為實(shí)例研究了多機(jī)器人的追捕策略。本文引入勢(shì)點(diǎn)分配的思想,并將勢(shì)點(diǎn)集合擴(kuò)展到連續(xù)空間,結(jié)合逃跑目標(biāo)的移動(dòng)方向給出了連續(xù)勢(shì)點(diǎn)的定義。通過(guò)為追捕者分配不同的勢(shì)點(diǎn),使追捕者選擇不同的追捕行為。通過(guò)深度確定性策略梯度算法優(yōu)化團(tuán)隊(duì)內(nèi)部追捕勢(shì)點(diǎn)分配策略,通過(guò)多次迭代最終收斂到較優(yōu)的結(jié)果。最后在仿真實(shí)驗(yàn)中展示了深度確定性策略梯度算法的有效收斂,驗(yàn)證了基于勢(shì)點(diǎn)分配的圍捕算法的智能性和高效性,并分析了算法的優(yōu)勢(shì)和不足。
【圖文】：

通過(guò)情感特征觀察值給出特征觀察序列與情感狀態(tài)之間的統(tǒng)計(jì)關(guān)系程根據(jù)初始情感的分布概率和轉(zhuǎn)移概率來(lái)模擬情感狀態(tài)的自發(fā)轉(zhuǎn)移過(guò)3）Kismetismet 是由 MIT 的 Breazeal 博士設(shè)計(jì)的一個(gè)用于情感計(jì)算實(shí)驗(yàn)的機(jī)器它可以識(shí)別和模擬情感。Kismet 通過(guò)視覺(jué)和聽(tīng)覺(jué)感知外界社交信息，表情、姿勢(shì)和聲樂(lè)表達(dá)社交信息。該機(jī)器人通過(guò)低級(jí)特征提取系統(tǒng)于傳感器的特征，通過(guò)注意系統(tǒng)確定這些特征中最突出和相關(guān)的刺組織行為反應(yīng)的關(guān)注點(diǎn)，對(duì)應(yīng)的低級(jí)特征在高級(jí)感知系統(tǒng)中被封裝的感知信息，通過(guò)感知信息影響其他行為、動(dòng)機(jī)和運(yùn)動(dòng)過(guò)程。Kism件觸發(fā)，這些事件與機(jī)器人的幸福感相關(guān)。被觸發(fā)后的情緒作為連境的功能集合。Kismet 的情感狀態(tài)由喚醒、姿態(tài)和效價(jià)三個(gè)維度來(lái)間中的任意一點(diǎn)都表示一個(gè)情感狀態(tài)，三維空間被劃分為六個(gè)情感：憤怒、厭惡、恐懼、快樂(lè)、悲傷和驚訝，機(jī)器人根據(jù)當(dāng)前情感點(diǎn)出該類情感對(duì)應(yīng)的表情，距離區(qū)域中心越近情感強(qiáng)度越大。

圖 2.1 強(qiáng)化學(xué)習(xí)原理框架Fig 2.1 Reinforcement learning通常被建模為馬爾科夫決策過(guò)程（Ma義為一個(gè)四元組 S , A,P,r，其中：態(tài)的集合， sSt 表示智能體在t時(shí)刻所處，，則狀態(tài)值等于觀察值，如果是部分可作的集合， aAt 表示智能體在t時(shí)刻采取態(tài)轉(zhuǎn)移概率矩陣， Pssssatttass P','1狀態(tài)轉(zhuǎn)移到 s '的概率；， rRssaatttas E,1表示智能體在狀。獎(jiǎng)勵(lì)值是一個(gè)標(biāo)量反饋信號(hào)，表示智能中的一個(gè)重要概念，策略就是智能體的行
【學(xué)位授予單位】：合肥工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TP242

【參考文獻(xiàn)】

相關(guān)期刊論文 前1條

1 王浩;張權(quán)益;方寶富;方帥;;基于狀態(tài)空間與概率空間映射的極大相似度匹配情感模型[J];模式識(shí)別與人工智能;2013年06期

相關(guān)碩士學(xué)位論文 前1條

1 孫博寒;大規(guī)模情感機(jī)器人追捕問(wèn)題研究[D];合肥工業(yè)大學(xué);2018年

本文編號(hào)：2624105