[發(fā)明專利]基于貝葉斯多模感知融合的類腦機器人導航方法

有效

• 申請?zhí)枺?/td>: 201710748765.7
• 申請日: 2017-08-28
• 公開（公告）號: CN109425340B
• 公開（公告）日: 2022-03-22
• 發(fā)明（設(shè)計）人: 斯白露;曾太平
• 申請（專利權(quán)）人: 中國科學院沈陽自動化研究所
• 主分類號: G01C21/16
• 分類號: G01C21/16;G01C21/20
• 代理公司: 沈陽科苑專利商標代理有限公司 21002
• 代理人: 王倩

1.基于貝葉斯多模感知融合的類腦機器人導航方法，其特征在于根據(jù)貝葉斯吸引子網(wǎng)絡(luò)模型得到機器人當前的頭朝向和位置，并構(gòu)建地圖用于導航，包括以下步驟：

積分細胞進行前庭信息融合：根據(jù)獲取的前庭信息改變積分細胞的發(fā)放率；

校準細胞進行視覺信息融合：當獲取的視覺信息與之前的視覺特征一致，并滿足閾值時，那么激活與之相關(guān)的局部視圖細胞并關(guān)聯(lián)相應的柵格細胞和頭朝向細胞，通過對柵格細胞網(wǎng)絡(luò)和頭朝向細胞網(wǎng)絡(luò)進行注入能量，改變積分細胞和校準細胞的發(fā)放率；

通過積分細胞和校準細胞進行全局抑制；

通過估計柵格細胞網(wǎng)絡(luò)和頭朝向細胞網(wǎng)絡(luò)的發(fā)放率所處的相位得到當前機器人的實際位置和頭朝向；

根據(jù)機器人的實際位置和頭朝向構(gòu)建拓撲地圖；

所述貝葉斯吸引子網(wǎng)絡(luò)模型：

p^t(θ|c_vi，c_ve)∝p^t-1(θ|c_vi，v_ce)p^t(θ|c_vi)p^t(θ|c_ve)

其中，p^t(θ|c_vi，c_ve)表示機器人當前的頭朝向位置，p^t-1(θ|c_vi，c_ve)是前一個時刻的后驗概率分布，p^t(θ|c_ve)是當感知到前庭信息時的似然估計，p^t(θ|c_vi)是當感知到視覺信息時的似然估計；c_ve、c_vi分別表示前庭信息和視覺信息。

2.根據(jù)權(quán)利要求1所述的基于貝葉斯多模感知融合的類腦機器人導航方法，其特征在于所述前庭信息融合通過以下公式實現(xiàn)：

其中，表示積分細胞的均值，表示校準細胞的均值，ν^t表示當前時刻機器人的速度，Δt表示時刻t與時刻t-1之間的時間間隔。

3.根據(jù)權(quán)利要求1所述的基于貝葉斯多模感知融合的類腦機器人導航方法，其特征在于所述對柵格細胞網(wǎng)絡(luò)和頭朝向細胞網(wǎng)絡(luò)進行注入能量，改變積分細胞和校準細胞的發(fā)放率通過如下公式實現(xiàn)：

其中，表示注入能量的強度，表示在一維頭朝向神經(jīng)空間流行上所注入能量的位置；表示當前時刻的校準細胞權(quán)重，表示校準細胞的均值。

4.根據(jù)權(quán)利要求1所述的基于貝葉斯多模感知融合的類腦機器人導航方法，其特征在于所述全局抑制如下：

其中，表示前一時刻的積分細胞權(quán)重，而表示前一時刻的校準細胞的權(quán)重；表示前一時刻積分細胞和校準細胞的權(quán)重總和；表示當前時刻的積分細胞權(quán)重，表示當前時刻的校準細胞權(quán)重；E表示設(shè)定的積分細胞和校準細胞組成網(wǎng)絡(luò)的總能量。

5.根據(jù)權(quán)利要求4所述的基于貝葉斯多模感知融合的類腦機器人導航方法，其特征在于所述全局抑制后，積分細胞和校準細胞進行互相抑制，通過如下公式實現(xiàn)：

其中，Δ_inte表示校準細胞對積分細胞的抑制強度，Δ_cali表示積分細胞對校準細胞的抑制強度。

6.根據(jù)權(quán)利要求1所述的基于貝葉斯多模感知融合的類腦機器人導航方法，其特征在于所述估計柵格細胞網(wǎng)絡(luò)和頭朝向細胞網(wǎng)絡(luò)的發(fā)放率所處的相位包括以下步驟：

當前的發(fā)放率概率分布通過如下方式實現(xiàn)：

其中，表示前一時刻積分細胞和校準細胞的權(quán)重總和，表示均值，即編碼的相位；表示積分細胞的均值，表示校準細胞的均值，表示當前時刻的積分細胞權(quán)重，表示當前時刻的校準細胞權(quán)重；

當達到閾值時，則認為當前的估計位置就是當前機器人的實際位置。