动物机器人的语音导航与精细控制方法研究

摘要

动物机器人系统借助于脑机接口技术，将生物智能与机器智能融合在一起，在一定程度上实现了优势互补，成为混合智能研究的热点之一。相比于机器，动物在环境信息感知、能量的获取与存储、运动的灵活性等方面更胜一筹，然而正是由于其运动的灵活性和自主性，使得其精确有效的自动控制成为难题。
　　本文以大鼠机器人为研究对象，探讨其语音导航与自动控制这两个问题。对于语音导航，使用动态时间规整实现了精确高效的的关键词识别系统，并成功实现了大鼠机器人的语音导航;而对于精细的自动控制问题，提出了基于骨架点提取的运动检测方法和基于动态贝叶斯网络模型的运动状态和导航指令预测方法，充分结合和体现了机器智能、动物智能与人类智能的优势。具体而言，主要包括以下内容:
　　1)使用基于动态时间规整的孤立词识别技术，准确而高效地将语音指令转化为大鼠运动的控制指令，扩展了动物机器人的控制与交互手段。最终语音指令的识别准确率为100％，识别时间在130ms以内，并成功实现了在十字迷宫和沙盘环境的语音导航;
　　2)通过分析大鼠形态学和行为学特性，提出了基于骨架提取的运动和状态检测算法，融入了大鼠运动中更为细微运动特性和意愿，更加充分的利用了大鼠运动灵活性和自主性的优势。最后利用该状态检测方法并结合简单的人工规则实现了自动控制;
　　3)根据大鼠运动过程的时序性和连续性，使用动态贝叶斯网络模型对其运动和控制过程进行建模，使得自动控制与导航更加精确与高效。最终对运动状态和控制指令进行预测的最高准确率分别可以达到86.75％和97.09％。

目录

声明

摘要

第1章 绪论

1．1 研究背景与意义

1．2 动物机器人自动控制的挑战

1．3 本文的研究目标与贡献

1．4 文章的整体结构与主要内容

第2章 脑机融合与动物机器人系统

2．1 脑机接口与脑机融合概述

2．1．1 脑到机

2．1．2 机到脑

2．1．3 脑到脑

2．1．4 脑机融合

2．2 动物机器人系统

2．2．1 概述

2．2．2 系统组成与原理

2．3 动物机器入的控制与导航

2．3．1 概述

2．3．2 传统机器人的控制方法

2．3．3 结合动物意愿和智能的融合控制方法

2．3．4 控制与导航效果的评价

2．4 本章小结

第3章 大鼠机器人语音导航系统

3．1 语音识别概述

3．2 孤立词语音识别

3．2．1 概述

3．2．2 MFCC特征提取

3．2．3 基于DTW的孤立词识别

3．3 语音导航系统实现

3．3．1 系统结构及实现

3．3．2 语音导航实验

3．3．3 结果及分析

3．4 本章小结

第4章 大鼠机器人的精细状态检测方法

4．1 运动检测

4．1．1 背景差分与前景提取

4．1．2 骨架点提取

4．1．3 运动参数的计算

4．2 运动状态的分类与识别

4．2．1 状态(行为)的定义

4．2．2 运动参数的筛选和状态的分类识别

4．3 基于状态识别与人工规则的自动控制

4．3．1 系统结构与流程

4．3．2 实验结果及分析

4．4 本章小结

第5章 基于动态贝叶斯网络的状态与指令预测

5．1 动态贝叶斯网络的表示

5．2 动态贝叶斯网络的推理

5．2．1 确定性推理

5．2．2 近似推理的确定性方法

5．2．3 近似推理的随机方法

5．3 动态贝叶斯网络的学习

5．3．1 参数学习

5．3．2 结构学习

5．4 基于动态贝叶斯网络的状态和指令预测

5．4．1 系统结构

5．4．2 基于人工导航的数据采集

5．4．3 基于DBN的状态和指令预测

5．5 本章小结

第6章 总结与展望

6．1 本文工作总结

6．2 展望

参考文献

附录

攻读硕士学位期间的主要研究成果

致谢