[發明專利]一種基于ELM-LRF的自適應視覺導航方法

有效

• 申請號: 201710337967.2
• 申請日: 2017-05-15
• 公開（公告）號: CN107179077B
• 公開（公告）日: 2020-06-09
• 發明（設計）人: 王磊;趙行;李嬋穎
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G01C21/20
• 分類號: G01C21/20;G06N3/08
• 代理公司: 北京科迪生專利代理有限責任公司 11251
• 代理人: 楊學明;顧煒

1.一種基于ELM-LRF的自適應視覺導航方法，其特征在于：步驟如下：

(1)分配存儲(s_t，a_t，r_t，s_t+1，Q_t)的空間；(s_t，a_t，r_t，s_t+1，Q_t)是結構體存儲，s_t是當前狀態，在這里為拍攝到的照片，a_t是在s_t下的動作，r_t是a_t的即時回報，s_t+1是a_t后的狀態，Q_t值為在狀態s_t下執行a_t后得到的總的長遠回報；

(2)機器人在環境中運動，得到一組從初始位置到發現目標物的(s_t，a_t，r_t，s_t+1，Q_t)數據；

(3)機器人重置到初始位置，當在某狀態s_t′下得到的Q_t′比之前同狀態s_t得到的Q_t大時，刪除在s_t狀態下得到的(s_t，a_t，r_t，s_t+1，Q_t)數據，否則刪除在s_t′下得到的(s_t′，a_t′，r_t′，s_t+1′，Q_t′)；重復多次，從而得到較好的當前狀態和最優動作的數據，即得到為訓練ELM-LRF所提供的更好的樣本數據；

(4)在步驟(3)的基礎上，以s_t作為輸入，a_t作為輸出完成對基于局部接收野的極限學習機神經網絡的訓練，即ELM-LRF的訓練，建立起當前狀態和最優動作的映射關系；

(5)根據步驟(4)的建立起當前狀態和最優動作的映射關系，測試機器人導航能力，觀察機器人是否能找到目標。

2.根據權利要求1所述的基于ELM-LRF的自適應視覺導航方法，其特征在于：所述步驟(4)的具體實現過程如下：

(2.1)計算隱層輸出矩陣H

給定的訓練集(x_i，t_i)，i＝1…L，x_i為步驟(3)得到的s_t，t_i為步驟(3)得到的a_t，

h₁(x)＝G(a_i，b_i，x)，a_i∈R^d，b_i∈R，i＝1…L

其中，G(a_i，b_i，x)是一個非線性分段連續函數，實際上是將d維的輸入空間映射到L維的隱層隨機空間，是一個隨機特征映射；a_i，b_i是第i個隱藏節點的參數，非線性分段連續函數的參數，R代表實數；

(2.2)根據步驟(2.1)中的H，求隱藏層至輸出的權重β，

ELM-LRF的輸出函數即映射關系，其中：

β_L×m＝[β₁ … β_L]^T

通過求解來求β，

其中σ₁＞0，σ₂＞0，p，q＞0，C用于控制兩項的重要性，T是訓練樣例的目標矩陣：

當σ₁＝σ₂＝p＝q＝2時，常用的閉式解為：

p，q是范數下標，N是矩陣T的行數，L是矩陣β的行數。