Multi-Agent架构智能机器人推理机实时性研究

MAS (Multi-Agent System)理论在智能机器人领域具有重大的研究意义和应用价值，MARS (Multi-Agent Robot System)的推理机是智能机器人研究和应用的核心。为了将MAS更好地应用到智能机器人中，本研究提出一种单机器人Multi-Agent分布式体系结构，重点研究系统中慎思型Agent推理机制及其调度机制的实时性，采用空间向量法，结合动态权重分配与最优代价、时间限定算法，改进CBR(Case-Based Reasoning)并应用到MARS设计中，改进基于优先级的多任务调度算法，建立基于CBR-BDI(Belief-Desire-Intention)的实时推理机，提高系统实时性。最后，集成各阶段研究成果，在不断改进的智能机器人嵌入式平台上，移植实现改进算法，并对改进系统的性能进行测试、验证、分析与评价。

“Multi-Agent 架构智能机器人推理机实时性研究”项目基于实际智能机器人平台，研究机器人推理机。.项目主要研究内容如下：提出一种机器人 Multi-Agent 分布式体系结构，重点研究推理机制及其实时性，采用空间向量法，结合动态权重分配与最优代价、时间限定算法，改进 CBR 并应用到 MARS 设计中，改进基于优先级的多任务调度算法，建立基于 CBR-BDI 的实时推理机，提高系统实时性。最后，集成各阶段研究成果，在不断改进的智能机器人嵌入式平台上，移植实现改进算法，并对改进系统的性能进行测试、验证、分析与评价。.课题经过四年研究，取得如下结果：.1.设计了一种具有“思维与学习、感知与交互、行动与控制”的 Multi-Agent 分布式智能机器人体系结构。.2. 对 CBR 推理机模块实时性进行了分析，加入时间限定和空间向量算法对推理机算法进行改进，提出一种实时智能机器人推理机制 RRTR（Robot Real-Time Reasoning），并在研发的机器狗平台上进行了测试，实现了基于语音识别的导航与控制。.3. 结合 CBR 推理机和改进势场法，提出了一种创新的移动机器人路径规划算法 EMMAPF。在三轮全向移动机器人平台上，对算法进行了实际验证, 结果表明改进算法在时间和距离性能上有较好优化。.4. 提出了一种基于语义理解的机器人 CBR 推理机。通过建立向量空间模型，将语音识别后的文本作为输入，该输入语句和案例映射到向量空间模型中，同时考虑句法结构信息（词序），采用一种基于向量距离的词序算法，将计算结果作为词序因子引入到文本相似度算法中，提高相似度计算的准确性，完成语义相似度计算，得到最优匹配案例。该算法在三轮全向移动机器人导购平台上进行了验证。.5.提出了一种 CBR-BDI+ 自然语言自主推理与解析算法，在 CBR-BDI 的基础上加入了地图匹配、期望分析和引导三个部分，并在模块化机械臂实物平台上，设计了一个通过中文语音交互系统分拣苹果的应用场景，演示了非专业用户通过多次人机交互对话推理来获取准确意图的过程，实现了精确的苹果分拣作业。.本课题研究成果对于提高服务机器人智能水平的设计可以起到较好的指导与参考作用，其在模块化机械臂平台上的展示应用，对于提高协作型工业机器人的智能水平也有很高的参考价值。