基于网格细胞和位置细胞的复杂环境导航策略构建方法技术

本发明专利技术公开了基于网格细胞和位置细胞的复杂环境导航策略构建方法，该方法包括以下步骤：S1、基于海马体的环境认知过程，构建情景认知地图；S2、利用自适应共振理论网络构建情景认知模型；S3、进行情景认知过程的回环调整、拓扑连接和时渐遗忘；S4、结合情景认知地图中的拓扑属性与矢量计算的度量属性建立导航模型；S5、利用导航模型进行导航；S6、基于障碍信息进行分段绕障；S7、基于情景回放机制进行绕障；S8、利用奖励细胞实现奖励信号的定义。基于海马灵感的机器人导航模型，通过生成情景认知地图，利用网格细胞矢量计算、位置细胞拓扑连接和边界细胞的障碍感知，可以在复杂环境中高效可靠的导航。可靠的导航。可靠的导航。

【技术实现步骤摘要】
基于网格细胞和位置细胞的复杂环境导航策略构建方法


[0001]本专利技术涉及机器人导航
，具体来说，涉及基于网格细胞和位置细胞的复杂环境导航策略构建方法。

技术介绍

[0002]人和动物在两个地点之间移动时，凭直觉可以找到一条捷径，对此科学家在动物大脑中发现了一种认知地图，这种地图可以帮助动物根据所处的外部环境在大脑中建立起一个内在模型，从而规划出最优的路径。大脑之所以最具有智能，是因为它具有认知时空序列的能力。这种能力可以通过认知的刺激来回忆过去发生的事件的时间顺序和空间地点。这种情景认知的记忆能将过去经历的时间、地点、事件、行为等知识连系起来，它是过去特定时间和地点的个体经历集合。
[0003]神经科学研究表明，与情景认知相关的时空映射植根于大脑的特定区域——海马体。海马体位于大脑皮质下方，担当着关于短期和长期的情景记忆，以及空间定位和导航的作用。海马体名字来源于这个部位的弯曲形状貌似海马。海马体可以通过情景认知系统进行空间和时间探索形成“情景认知地图”，它可以用来推导、记忆，这种“内在地图”可以让生物通过自己的大脑模拟各种可能性，进而做出预测。
[0004]研究发现在大脑的海马体损伤后，大鼠在寻找水迷宫中隐藏平台的空间位置方面表现出障碍，出租车司机的海马体体积高于普通人的平均值。在研究大鼠的海马体时发现了一类特殊的“位置细胞”，当大鼠处于环境中的某个特定位置时，这种神经元就会变得更加活。在与海马体邻近的内嗅皮层中，研究人员发现了另一种对位置响应的细胞，这种细胞可以在多个位置放电，如果把活动空间分割成无数个等边三角形，那么这些细胞总是会在大鼠物走到等边三角形的顶点时放电，因此研究人员把它们命名为“网格细胞”。还有其它一些细胞也在定位中起着重要作用：比如“奖励”细胞会根据环境信息，编码与位置相关的奖励机制；还有一些细胞则可以追踪动物的前进速度和方向，就像大脑中的速度仪和指南针，可以计算出动物在环境中探索时完整的行进过程；另外有一类细胞会在动物接近地图边缘时放电，被称为“边界细胞”。
[0005]现有的模仿海马神经回路的目标导航方法中，主要有利用位置细胞的拓扑导航和利用网格细胞的矢量导航两种模式。海马体的位置细胞被认为通过突触形成相互连接的拓扑关系，机器人通过计算环境的内部拓扑节点间的最短路径来导航到其目标位置。网格细胞神经网络可以支持矢量导航策略，网格细胞相位随着空间运动而移动，由于网格度量特性可以作为空间坐标的表达，机器人可以利用不同位置之间的网格放电模态计算位移矢量。
[0006]拓扑导航和矢量导航各有优势。如图2为智能巡逻机器人的典型任务，巡检机器人从驻扎点出发，随机探索环境时发生紧急情况，机器人希望尽快回到自己的驻扎点。图3所示情景认知的拓扑性支持依据经验节点的拓扑导航，其中位置细胞的相互连接性的知识被用来达到目标，即拓扑导航。图4情景认知的网格细胞放电信息可能能够计算任意对之前访
问过的位置之间的直线轨迹的距离和方向，即矢量导航。
[0007]这两种策略都有其优缺点：拓扑导航擅长于在复杂的环境中找到可行度非常高的路径，并能够规避障碍物。但是提前充分的对环境探索并形成了稠密的拓扑图。而矢量导航可以直接朝向目标高效地导航，并且可以跨越未知环境。但是矢量导航不能对障碍物有预判，容易被困或者花费很长的路径来绕开障碍无，因此单独的矢量导航策略只能在开阔无障碍环境中使用。
[0008]针对相关技术中的问题，目前尚未提出有效的解决方案。

技术实现思路

[0009]针对相关技术中的问题，本专利技术提出基于网格细胞和位置细胞的复杂环境导航策略构建方法，以克服现有相关技术所存在的上述技术问题。
[0010]为此，本专利技术采用的具体技术方案如下：
[0011]基于网格细胞和位置细胞的复杂环境导航策略构建方法，该方法包括以下步骤：
[0012]S1、基于海马体的环境认知过程，构建情景认知地图；
[0013]S2、利用自适应共振理论网络构建情景认知模型；
[0014]S3、进行情景认知过程的回环调整、拓扑连接和时渐遗忘；
[0015]S4、结合情景认知地图中的拓扑属性与矢量计算的度量属性建立导航模型；
[0016]S5、利用导航模型进行导航；
[0017]S6、基于障碍信息进行分段绕障；
[0018]S7、基于情景回放机制进行绕障；
[0019]S8、利用奖励细胞实现奖励信号的定义。
[0020]进一步的，所述情景认知地图由若干情景神经元组成的节点连接而成，每个节点映射特定的感知信息，所述感知信息表示模拟细胞模型的神经放电信息。
[0021]进一步的，所述模拟细胞模型包括吸引子模型、网格细胞神经板模型、位置细胞数学模型、边界细胞模型及视觉细胞模型；
[0022]其中，所述吸引子模型用于模拟头朝向细胞的编码机制，计算公式为：
[0023]si(t)＝v(t)
·
cos(θi
‑
θt)；
[0024]其中，s
i
(t)表示放电率信号，θ
t
表示t时刻机器人的头部朝向，v(t)表示运动速率，θ
i
表示第i个头朝向细胞在吸引子模型中的相位角度；
[0025]所述位置细胞数学模型用于模拟位置细胞的编码机制，计算公式为：
[0026][0027]其中，表示位置细胞i在位置r的放电率，r＝[x y]表示当前机器人在环境中的位置坐标，r
i0
表示位置细胞i的放电中心所对应的位置坐标，δ2表示位置细胞放电调整系数；
[0028]所述边界细胞模型用于模拟边界细胞的编码机制，计算公式为：
[0029][0030]其中，B
i
为边界细胞i的放电率，r表示当前边界细胞的位置，d
i
为边界感知的半径，θ表示当前边界细胞的方向，为边界感知的主方向，σ
rad
、σ
ang
分别为半径和角度响应的调整系数。
[0031]进一步的，所述网格细胞神经板模型用于模拟网格细胞的编码机制，包括以下步骤：
[0032]S11、网格编码，计算公式为：
[0033][0034]其中，表示单个网格细胞的激活值，κ表示波形调整系数，n
max
表示放电率峰值，表示空间位移，表示各个条纹的波矢方向；
[0035]S12、网格解码，计算公式为：
[0036][0037]其中，表示给定M个细胞组成的群体放电率向量在相位的概率，表示网格细胞j的放电率，表示神经板群体的响应向量，n
i
表示当前位置网格细胞i的放电率；
[0038]S13、多尺度矢量计算，将各个尺度的网格细胞神经板堆叠成金字塔几何模型，将机器人的网格放电信息获得的位置解码映射到虚拟的运动矢量上表达，再通过目标运动矢量与当前运动矢量的作差获得面向目标位置的方向矢量。
[0039]进一本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于网格细胞和位置细胞的复杂环境导航策略构建方法，其特征在于，该方法包括以下步骤：S1、基于海马体的环境认知过程，构建情景认知地图；S2、利用自适应共振理论网络构建情景认知模型；S3、进行情景认知过程的回环调整、拓扑连接和时渐遗忘；S4、结合情景认知地图中的拓扑属性与矢量计算的度量属性建立导航模型；S5、利用导航模型进行导航；S6、基于障碍信息进行分段绕障；S7、基于情景回放机制进行绕障；S8、利用奖励细胞实现奖励信号的定义。2.根据权利要求1所述的基于网格细胞和位置细胞的复杂环境导航策略构建方法，其特征在于，所述情景认知地图由若干情景神经元组成的节点连接而成，每个节点映射特定的感知信息，所述感知信息表示模拟细胞模型的神经放电信息。3.根据权利要求2所述的基于网格细胞和位置细胞的复杂环境导航策略构建方法，其特征在于，所述模拟细胞模型包括吸引子模型、网格细胞神经板模型、位置细胞数学模型、边界细胞模型及视觉细胞模型；其中，所述吸引子模型用于模拟头朝向细胞的编码机制，计算公式为：s
i
(t)＝v(t)
·
cos(θ
i
‑
θ
t
)；其中，s
i
(t)表示放电率信号，θ
t
表示t时刻机器人的头部朝向，v(t)表示运动速率，θ
i
表示第i个头朝向细胞在吸引子模型中的相位角度；所述位置细胞数学模型用于模拟位置细胞的编码机制，计算公式为：其中，表示位置细胞i在位置r的放电率，r＝[x y]表示当前机器人在环境中的位置坐标，r
i0
表示位置细胞i的放电中心所对应的位置坐标，δ2表示位置细胞放电调整系数；所述边界细胞模型用于模拟边界细胞的编码机制，计算公式为：其中，B
i
为边界细胞i的放电率，r表示当前边界细胞的位置，d
i
为边界感知的半径，θ表示当前边界细胞的方向，为边界感知的主方向，σ
rad
、σ
ang
分别为半径和角度响应的调整系数。4.根据权利要求3所述的基于网格细胞和位置细胞的复杂环境导航策略构建方法，其特征在于，所述网格细胞神经板模型用于模拟网格细胞的编码机制，包括以下步骤：S11、网格编码，计算公式为：
其中，表示单个网格细胞的激活值，κ表示波形调整系数，n
max
表示放电率峰值，表示空间位移，表示各个条纹的波矢方向；S12、网格解码，计算公式为：其中，表示给定M个细胞组成的群体放电率向量在相位的概率，表示网格细胞j的放电率，表示神经板群体的响应向量，n
i
表示当前位置网格细胞i的放电率；S13、多尺度矢量计算，将各个尺度的网格细胞神经板堆叠成金字塔几何模型，将机器人的网格放电信息获得的位置解码映射到虚拟的运动矢量上表达，再通过目标运动矢量与当前运动矢量的作差获得面向目标位置的方向矢量。5.根据权利要求4所述的基于网格细胞和位置细胞的复杂环境导航策略构建方法，其特征在于，所述利用自适应共振理论网络构建情景认知模型包括以下步骤：S21、神经细胞将环境感知信息编码成神经元激活矢量作为模型的输入；S2...

【专利技术属性】
技术研发人员：袁金生，郭伟，查富生，孙立宁，王鹏飞，李满天，
申请(专利权)人：深圳航天科技创新研究院哈尔滨工业大学，
类型：发明
国别省市：