智能空间支持下的服务机器人拟人行为自主学习方法研究

The development of service robots is an inevitable trend to solve the aging problems and so on. However, the relatively low intelligent level and the absence of self-learning ability have become bottlenecks to the applications of service robots. And rarely no significant breakthroughs have been made so far. In this project, the introduction of intelligent space is a novel idea to solve the self-learning strategy of human activities for the service robots in home environments, which can be divided into two systemic and in-depth sub-problems: the autonomous learning of human activities by the intelligent space, and the self-learning ability of robots supported by the intelligent space. The research emphases are: the identification and discovery methods of human activities in the home service robot intelligent space; the autonomous generating mechanism of knowledge model adapt to the learning of human activities by service robots; the varying reference and output learning law based parameter type and non- parameter type nonlinear robust adaptive iterative learning control methods in intelligent space; the parameter learning law and iterative learning identification based time-frequency joint method of novel iterative learning control strategies; preliminary establish the fundamental theoretical and technical hierarchy of autonomous human activity learning method supported by Intelligent space. The availability and reliability of relative theories and techniques can be verified through the experimental system of service robot intelligent space, which provide some important theoretical foundations and key technical supports to the development and popularization of service robots.

发展服务机器人是解决人口老龄化等问题的必然趋势，但较低的智能水平和不具备自主学习的能力已成为服务机器人付诸实用的瓶颈，并至今未有大的突破。本项目另辟蹊径，引入智能空间的思想，将家庭环境服务机器人拟人行为自主学习这个难题分解为智能空间对人的行为的自主学习和智能空间支持下的机器人自学习两个子问题，分别展开系统、深入的研究工作。重点研究：家庭服务机器人智能空间对人的行为识别与发现方法；适于服务机器人学习的拟人行为知识模式自主生成机制；智能空间中基于变参考值和输出型学习律的参数型和非参数型非线性鲁棒自适应迭代学习控制方法；基于参数学习律和迭代学习辨识的新型迭代学习控制方法的时频域综合分析；初步建立一套智能空间支持下的服务机器人拟人行为自主学习的基本理论和方法体系，并通过智能空间服务机器人实验系统，验证相关理论和技术的可行性与有效性，为服务机器人的发展和推广应用提供重要理论基础和关键技术支撑。

本项目最终目标是为了提高服务机器人自学习能力和智能水平，现已完成任务书规定的所有任务，研究成果如下：.建立了家庭智能空间下自主知识发现与生成机制，基于拟人行为多尺度的特点，提出了一种对于亮度、尺度及视角具有不变性的小尺度人体行为描述方法，实现了相似性动作的高精度识别；在此基础上，提出了人体行为自学习和基于混合高斯模型的知识行为自学习方法。.针对智能空间网络环境下的迭代学习控制方法进行研究。首先，理清了时延大小与每次迭代时间的联系，设计出时不变及时变时延系统迭代学习律，并通过频域分析方法对其收敛性进行证明；其次，在控制系统设计中引入参数估计方法，采用参数型学习律，基于H∞与Lyapunov函数方法，结合舒尔布定理，得到系统收敛条件并对误差收敛速度进行了分析。.对变参考值新型迭代学习控制方法进行了深入研究。首先，基于传统迭代学习控制，结合Backstepping方法，设计一类鲁棒自适应控制器，提高了系统鲁棒性与自适应性；其次，针对整数阶与分数阶非严格重复系统，采用参数迭代学习控制方法降低了系统历史控制对当下控制过程的影响，采用Lyapunov函数方法证明系统收敛性；最后，基于短记忆原理与预调理论解释了历史函数对于分数阶迭代学习控制过程性能的影响。.针对智能空间下新型迭代学习律的构造问题，首先，以带噪声非完整轮式机器人系统为研究对象，提出了改进迭代学习轨迹跟踪算法并完成鲁棒性收敛分析；其次，对机械臂控制系统，提出了具有初态学习能力的分数阶迭代学习控制方法，通过实验证明该方法的可行性；然后，基于分数阶PDα型迭代学习控制方法，设计了新型分数阶迭代学习控制策略；最后，构建智能空间下的新型迭代学习控制律，给出了控制律构造过程，并进行实验仿真验证。.项目组基于NAO机器人进行大量实验研究，充分验证相关理论和技术的可行性与有效性。.在该项目资助下，发表SCI/EI收录论文32篇；申请专利7项，已授权1项；授权软件著作权4项。