基于场景信息和神经调制机制驱动的机器人社会行为同步控制方法技术

本发明专利技术公开了一种基于场景信息和神经调制机制驱动的机器人社会行为同步控制方法，首先通过群组的社交空间确认机器人社交距离，然后通过最优社会交互凝聚力确认机器人身体转角，最后根据声源信息，在给定边界条件下求解最优运行时间来控制眼头协同。方法在小胖机器人平台上得到了验证，在多对象场景中协调社会行为的表现方面表现出了良好的效果。采用基于最小神经传输噪声的最优控制算法来调制眼头注视行为，通过对该模型和策略下机器人的动态特性的分析，证明了该模型和策略的有效性和稳定性。定性。定性。

【技术实现步骤摘要】
基于场景信息和神经调制机制驱动的机器人社会行为同步控制方法


[0001]本专利技术涉及机器人控制
，具体涉及一种基于场景信息和神经调制机制驱动的机器人社会行为同步控制方法。

技术介绍

[0002]如今，机器人已经被广泛应用于各种场景中，在这些场景中，它们应该遵守社交协议并表现出自然行为。但就目前的研究而言，尽管社会互动在日常生活中很常见，但对人类社会反应的全面分析却很少。如何使机器人理解社会场景并表现出人类的自然行为成为了现代社会广泛关注的问题。目前有两个问题等待解决，即不同对象之间的选择和协调肢体的同步控制。基于上述问题，已经从两种方法进行了研究，即数据驱动方法和模型驱动方法。然而，在没有生物学机制的先验知识的情况下，数据驱动模型很难在动态和长期尺度上解释人类行为。关于模型驱动方法的研究，许多研究都关注人类行为的基本协调模式。基于上述背景，本专利技术重点是建立一个模型来表示协调的社会行为，包括身体运动/定向、头部旋转和眼球运动，提出了一种基于社会空间和神经调制的同步控制。这一方法在小胖机器人平台上得到了验证，它在多对象场景中协调社会行为的表征方面显示出了很好的结果。

技术实现思路

[0003]为了克服现有技术的不足，本专利技术提供了一种基于场景信息和神经调制机制驱动的机器人社会行为同步控制方法，解决了多目标社交场景中机器人的控制问题，并对其包括身体运动和定向、头部旋转和眼球运动等协调行为进行了建模。在给定模型的基础上，提出了一种由社会空间理论和神经调节机制驱动的同步控制方法。该方法根据动态社会空间控制机器人身体，并基于最小神经传递噪声定律调节眼
‑
头坐标凝视行为。
[0004]本专利技术的目的是对多目标场景中包含的协调社会行为的建模，并提出一种包含身体运动/定向、头部旋转和眼球运动的机器人社会行为同步控制策略。该策略收集场景中感知到的RGB
‑
D图像和声场，根据机器人和人的社交空间与相对位置来确定身体的运动和方向；采用基于最小神经传输噪声的最优控制算法来确定眼
‑
头注视行为。
[0005]为实现上述目的，本专利技术涉及的基于场景信息和神经调制机制驱动的机器人社会行为同步控制方法，具体包括以下步骤：
[0006](1)通过群组的社交空间确认机器人社交距离
[0007]社会空间分为两类，即个人空间和群体空间，对于一个社会个体来说，他的个体空间是一个以自己为中心的区域，该区域通过高斯函数f
ip
(x,y)来构建，
[0008]f
ip
(x,y)的计算过程如公式(2a)
‑
(2d)
[0009][0010]θ
i
＝atan2((y
‑
y
i
),(x
‑
x
i
))(2b)
[0011][0012][0013]对于一个群组，累加社会对象个人空间的高斯函数，得到群体空间的高斯方程f
ig
(x,y)
[0014][0015]其中，(x,y)为机器人在平面坐标系下的位置，(x
i
,y
i
)为群组中社交对象i在平面坐标系下的位置,A为幅度,σ
x
为水平方向的标准偏差，σ
y
为前后方向的标准差，θ
i
为机器人与社交对象的身体之间的偏转角，n是群组中社交对象的数量；
[0016]改变机器人的位置，进而改变机器人的f
ig
(x,y)值，使得机器人与群组能够维持在一个合适的距离，即满足霍尔社交准则的距离；
[0017](2)通过最优社会交互凝聚力确认机器人身体转角
[0018]在多对象场景中，使用社会交互凝聚力得分来表示群体中的互动意图，社会交互凝聚力值由以下方程获得，
[0019][0020][0021]S
g
＝W
g
*n
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)
[0022][0023]S
total
＝S
i
+S
g
+S
p
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(8)
[0024]W
p
+W
g
+W
i
＝1
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(9)
[0025]其中，θ
ij
是群组中社交对象i和社交对象j的身体方向矢量在平面坐标系的X
‑
Y平面上的角度，W
i
表示社会交互凝聚力得分占总凝聚力的比重，G表示群组的社交空间f
ig
(x，y)，W
g
表示群体规模凝聚力得分S
g
所占总凝聚力得分S
total
的比重，W
p
是接近内聚得分S
p
所占总凝聚力得分S
total
的权重，dist(i，j)是群组中社交对象i和社交对象j之间的欧几里得距离，W
p
是接近内聚得分所占总凝聚力的权重。(x
j
，y
j
)为群组中社交对象j在平面坐标系下的位置，(x
i
，y
i
)群组中社交对象i在平面坐标系下的位置；
[0026]找出社会交互凝聚力得分最大时的身体转角，进而获得在最优社会群体凝聚力条件下机器人的身体转角与每个社会对象的身体取向之间的角度关系；
[0027](3)根据声源信息，在给定边界条件下求解最优运行时间来控制眼头协同。
[0028]本专利技术与现有技术相比具有以下有益效果：本专利技术从社交线索和生物学角度建立了一个模型来表示协调的社会行为，提出了一种基于社会空间和神经调制的同步控制方法，该方法在小胖机器人平台上得到了验证，在多对象场景中协调社会行为的表现方面表现出了良好的效果。采用基于最小神经传输噪声的最优控制算法来调制眼头注视行为，通
过对该模型和策略下机器人的动态特性的分析，证明了该模型和策略的有效性和稳定性。
附图说明
[0029]图1为本专利技术涉及的基于场景信息和神经调制机制驱动的机器人社会行为同步控制方法流程图。。
[0030]图2为个人空间的高斯函数分布图。
[0031]图3为群体空间的高斯函数分布图。
[0032]图4.眼头协调的注视行为的欧氏坐标空间示意图。
[0033]图5为实施例2中涉及的机器人测试平台的工作过程原理图。
[0034]图6为实施例2中涉及的实际应用场景图。
具体实施方式
[0035]为了更清楚地说明本专利技术的内容，下面结合附图和具体的实施例对本专利技术再做进一步的说明：
[0036]实施例1
[0037]在多目标本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于场景信息和神经调制机制驱动的机器人社会行为同步控制方法，其特征在于，具体包括以下步骤：(1)通过群组的社交空间确认机器人社交距离社会空间分为两类，即个人空间和群体空间，对于一个社会个体来说，他的个体空间是一个以自己为中心的区域，该区域通过高斯函数f
ip
(x,y)来构建，f
ip
(x,y)的计算过程如公式(2a)
‑
(2d)θ
i
＝atan2((y
‑
y
i
),(x
‑
x
i
))
ꢀꢀꢀꢀꢀꢀꢀ
(2b)(2b)对于一个群组，累加社会对象个人空间的高斯函数，得到群体空间的高斯方程f
ig
(x,y)其中，(x,y)为机器人在平面坐标系下的位置，(x
i
,y
i
)为群组中社交对象i在平面坐标系下的位置,A为幅度,σ
x
为水平方向的标准偏差，σ
y
为前后方向的标准差，θ
i
为机器人与社交对象的身体之间的偏转角，n是群组中社交对象的数量；改变机器人的位置，进而改变机器人的f
ig
(x,y)值，使得机器人与群组能够维持在一个合适的距离，即满足霍尔社交准则的距离；(2)通过最优社会交互凝聚力确认机器人身体转角在多对象场景中，使用社会交互凝聚力得分来表示群体中的互动意图，社会交互凝聚力值由以下方程获得，力值由以下方程获得，S
g
＝W
g
*n

【专利技术属性】
技术研发人员：刘仁楷，刘晓瑞，于金鹏，
申请(专利权)人：青岛大学，
类型：发明
国别省市：