The invention relates to a navigation method of brain-like robot based on Bayesian multimode perception fusion, which includes the following steps: vestibular information fusion of integral cells: changing the release rate of integral cells according to acquired vestibular information; visual information fusion of calibration cells; injecting energy into grid cell network and head-to-cell network to change the release of integral cells and calibration cells. Rate; global restraint; by estimating the phase of grid cell network and head-to-cell network, the actual position and head-to-head of the current robot can be obtained; and the topological map can be constructed. The model designed in the invention can fuse multi-mode perception to realize stable coding of the space environment in which the robot is located and the state of the robot itself. The model is consistent with mammalian head-facing nerve mechanism, similar to the results of single neuron recording in neurobiology, and has high biological fidelity.
【技术实现步骤摘要】
基于贝叶斯多模感知融合的类脑机器人导航方法
本专利技术属于机器人导航领域,尤其涉及一种基于哺乳类动物神经生物学启发,利用贝叶斯进行多模感知融合的机器人导航方法。
技术介绍
在机器人导航系统中进行多模信息融合一直极具挑战。由于可获得的感知信息通常可靠性差,并且受到噪声的影响,多模感知融合可以更加精确地编码机器人的位姿和所处的环境。动物探索环境的两个主要机制是路径积分和地标校准。要提高机器人的导航性能,必须要解决由于路径积分误差积累和地标感知模糊所引起的不确定性。多模感知融合是动物能够精确感知和行为的关键。动物能够长距离的探索,在复杂的环境中导航,再精确的返回到它们的巢穴。神经系统通过融合动物自身的移动信息和视觉信息以一种贝叶斯优化的的方式进行动物位置以及周围环境的估计。神经生物学实验已经发现有几种不同的空间响应细胞能够进行多模感知融合,如海马体中的位置细胞,内嗅皮层的头朝向细胞和栅格细胞。头朝向细胞仅仅在某一个固定头朝向方向发放,栅格细胞则呈六边形的周期性分布于环境中,位置细胞只在某一个特定的空间位置区域发放。但是,当动物长距离探索大环境时,神经系统如何处理这些感知信息的不确定性依然不得而知。视觉信息和前庭信息同样都能编码动物的位置和头朝向信息,神经系统可以无缝的融合这些感知信息,从而得到可靠地头朝向和位置估计。然而,动物空间导航的多模感知的神经机制依然很少清楚。最近,以头朝向系统为模型,用于研究前庭信息和视觉信息的不确定性已经广泛展开,主要包括MSTd区域和VIP区域。神经生理学单细胞记录实验发现,在头朝向细胞网络中,视觉输入能够可塑性的重新头朝向细胞网络 ...
【技术保护点】
1.基于贝叶斯多模感知融合的类脑机器人导航方法,其特征在于根据贝叶斯吸引子网络模型得到机器人当前的头朝向和位置,并构建地图用于导航,包括以下步骤:积分细胞进行前庭信息融合:根据获取的前庭信息改变积分细胞的发放率;校准细胞进行视觉信息融合:当获取的视觉信息与之前的视觉特征一致,并满足阈值时,那么激活与之相关的局部视图细胞并关联相应的栅格细胞和头朝向细胞,通过对栅格细胞网络和头朝向细胞网络进行注入能量,改变积分细胞和校准细胞的发放率;通过积分细胞和校准细胞进行全局抑制;通过估计栅格细胞网络和头朝向细胞网络的发放率所处的相位得到当前机器人的实际位置和头朝向;根据机器人的实际位置和头朝向构建拓扑地图。
【技术特征摘要】
1.基于贝叶斯多模感知融合的类脑机器人导航方法,其特征在于根据贝叶斯吸引子网络模型得到机器人当前的头朝向和位置,并构建地图用于导航,包括以下步骤:积分细胞进行前庭信息融合:根据获取的前庭信息改变积分细胞的发放率;校准细胞进行视觉信息融合:当获取的视觉信息与之前的视觉特征一致,并满足阈值时,那么激活与之相关的局部视图细胞并关联相应的栅格细胞和头朝向细胞,通过对栅格细胞网络和头朝向细胞网络进行注入能量,改变积分细胞和校准细胞的发放率;通过积分细胞和校准细胞进行全局抑制;通过估计栅格细胞网络和头朝向细胞网络的发放率所处的相位得到当前机器人的实际位置和头朝向;根据机器人的实际位置和头朝向构建拓扑地图。2.根据权利要求1所述的基于贝叶斯多模感知融合的类脑机器人导航方法,其特征在于所述贝叶斯吸引子网络模型:pt(θ|cvi,cve)∝pt-1(θ|cvi,cve)pt(θ|cvi)pt(θ|cve)其中,pt(θ|cvi,cve)表示机器人当前的头朝向位置,pt-1(θ|cvi,cve)是前一个时刻的后验概率分布,pt(θ|cve)是当感知到前庭信息时的似然估计,pt(θ|cvi)是当感知到视觉信息时的似然估计;cve、cvi分别表示前庭信息和视觉信息。3.根据权利要求1所述的基于贝叶斯多模感知融合的类脑机器人导航方法,其特征在于所述前庭信息融合通过以下公式实现:其中,表示积分细胞的均值,表示校准细胞的均值,vt表示当前时刻机器人的速度,Δt表示时刻t与时刻t-1之间的时间间隔。4.根据权利要求1所述的基于贝叶斯多模感知融合的类脑机器人导航方法,其特征在于所述对栅格细胞网络和头朝向细胞网络进行注入能量,改变积分细胞和校准细胞的发放率通过如下公式实现:其中,表示...
【专利技术属性】
技术研发人员:斯白露,曾太平,
申请(专利权)人:中国科学院沈阳自动化研究所,
类型:发明
国别省市:辽宁,21
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。