基于人工情感的机器人行为决策研究

论文摘要

随着机器人技术的不断发展,人们要求机器人能在更复杂且无法精确建模的环境中工作,机器人不再只是执行简单的机械动作,而需要更强的环境适应性与更和谐的人机交互。传统的人工智能已经无法满足这些要求,而作为人类智能重要组成部分的情感智能开始受到研究者的关注,人工情感的研究为提高机器人智能性与拟人性提供了潜在可能。为探索人工情感在机器人中所能起到的作用,该文结合传统人工智能和最新发展的人工情感,提出了基于人工情感的机器人行为决策方法。不同于现有的大多数方法算法复杂、学习速度慢、实时性差的缺点,该文提出的方法算法简单、学习速度快、实时性好。首先,分析了人工情感与机器人行为决策的研究现状,指出发展基于人工情感的机器人行为决策方法的现实背景与重要意义。其次,在分析了自然情感特征的基础上,建立起基于模糊集合论的人工情感模型,提出基于人工情感与计算智能的机器人行为决策方法,并设计了一个虚拟机器人实验,验证该方法的有效性。接着,在分析了害怕情感机理的基础上,建立起害怕的人工情感模型,提出基于害怕情感模型与强化学习的机器人行为决策方法,并设计了在多障碍物环境下的目标导航任务的仿真实验,验证该方法的有效性。最后,鉴于和谐人机交互的重要性,提出基于人工情感与多种机器学习方法的体系结构,将该结构应用于情感虚拟智能体中,并在Matlab/GUI下建立交互界面,验证该结构的合理性与有效性。总之,该文提出了多种基于人工情感的行为决策方法,并均用仿真实验验证方法的有效性,对将人工情感这个新的研究领域与机器人行为决策这个传统研究领域进行有机结合进行了理论尝试,这对提高机器人在复杂环境下的自主性以及和谐人机交互具有重要的理论意义与实际应用价值。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题来源与背景
• 1.1.1 课题来源
• 1.1.2 课题背景
• 1.2 课题研究意义
• 1.3 人工情感研究现状
• 1.3.1 人工情感建模
• 1.3.2 人工情感识别
• 1.3.3 人工情感表达
• 1.3.4 人工情感机理
• 1.4 机器人行为决策研究现状
• 1.4.1 基于行为的决策方法
• 1.4.2 基于情感的决策方法
• 1.4.3 机器人体系结构
• 1.5 课题主要研究内容
• 第2章 计算智能与机器学习理论
• 2.1 引言
• 2.2 模糊集合论
• 2.2.1 模糊集合与模糊数学
• 2.2.2 模糊矩阵与模糊关系
• 2.2.3 模糊规则与模糊推理
• 2.3 CMAC 网络
• 2.3.1 标准CMAC 网络基本原理与算法
• 2.3.2 CA-CMAC 网络基本原理与算法
• 2.4 遗传算法
• 2.4.1 遗传算法设计要点
• 2.4.2 遗传算法实现流程
• 2.5 强化学习
• 2.5.1 标准Q 学习
• 2.5.2 Option 分层强化学习
• 2.6 本章小结
• 第3章 基于人工情感与计算智能的行为决策
• 3.1 引言
• 3.2 虚拟机器人生存环境设计
• 3.3 人工情感模型构建
• 3.3.1 自然情感分析
• 3.3.2 模糊情感模型
• 3.4 基于人工情感与CMAC 的行为决策
• 3.4.1 机器人行为决策模型
• 3.4.2 仿真实验及结果分析
• 3.5 基于人工情感与CA-CMAC 的行为决策
• 3.6 基于人工情感与遗传算法的机器人行为决策
• 3.6.1 编码规则
• 3.6.2 实现过程
• 3.6.3 仿真实验及结果分析
• 3.7 本章小结
• 第4章 基于人工情感与强化学习的行为决策
• 4.1 引言
• 4.2 人工情感模型构建
• 4.2.1 情感的信息处理过程
• 4.2.2 基于人工情感的机器学习框架
• 4.2.3 害怕的人工情感模型
• 4.3 仿真实验设计
• 4.3.1 机器人行为决策模型
• 4.3.2 机器人行为策略分解
• 4.3.3 机器人两种行为策略
• 4.4 实验结果与分析
• 4.5 本章小结
• 第5章 基于人工情感与机器学习的虚拟智能体
• 5.1 引言
• 5.2 前人的相关研究
• 5.2.1 动机模型
• 5.2.2 情感的评价模型
• 5.2.3 J.Bates 的情感虚拟智能体
• 5.3 虚拟智能体结构
• 5.3.1 虚拟智能体结构概述
• 5.3.2 虚拟智能体情感模块
• 5.3.3 虚拟智能体学习模块
• 5.3.4 虚拟智能体行为模块
• 5.4 仿真实验及结果分析
• 5.5 本章小结
• 结论
• 参考文献
• 附录
• 攻读学位期间发表的学术论文
• 致谢