基于MLP和SPSO的机器人行为选择与运动控制方法

摘要

针对传统行为选择机制(ASM)不能很好地作出控制决策的问题,提出一种基于多层感知(MLP)前馈神经网络的ASM,并将其应用到移动机器人目标跟踪中.首先,根据具体应用场景预定义多个机器人行为;然后,根据机器人配备的图像和红外传感器获得的目标位置和障碍物信息,通过MLP神经网络从预定义行为中选择出所需执行的行为;另外,为了构造最优的MLP模型,采用一种简化粒子群算法(SPSO)来优化网络权值参数.机器人目标跟踪仿真的结果表明,提出的ASM能够准确选择出合适的行为,实现了控制机器人跟踪目标移动且能够避开各种障碍物.